لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش خط لوله استخراج داده (Data Mining Pipeline)
- آخرین آپدیت
دانلود Data Mining Pipeline
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره گامهای کلیدی در خط لوله استخراج داده، از جمله درک دادهها، پیشپردازش دادهها، انبارش دادهها، مدلسازی دادهها، تفسیر و ارزیابی و کاربردهای دنیای واقعی را معرفی میکند.
این دوره میتواند به عنوان بخشی از واحدهای تحصیلی مقطع کارشناسی ارشد علوم داده یا علوم کامپیوتر دانشگاه کلرادو بولدر (CU Boulder) در پلتفرم کورسرا گذرانده شود. این مدارک تحصیلات تکمیلی کاملاً معتبر، دورههای هدفمند، جلسات کوتاه ۸ هفتهای و شهریه پرداخت به میزان مصرف را ارائه میدهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است و نه تاریخچه تحصیلی. مدارک CU در کورسرا برای فارغالتحصیلان جدید یا متخصصان شاغل ایدهآل است. بیشتر بدانید:
کارشناسی ارشد علوم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder
کارشناسی ارشد علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder
تصویر لوگوی دوره با سپاس از Francesco Ungaro در Unsplash: https://unsplash.com/photos/C89G61oKDDA
سرفصل ها و درس ها
خط لوله استخراج داده
Data Mining Pipeline
آشنایی با مدرس!
Meet Your Instructor!
آمادهسازی برای این تخصص
Preparing for this Specialization
استخراج داده: چهار دیدگاه
Data Mining: Four Views
دیدگاه داده و دیدگاه کاربردی
Data View and Application View
دیدگاه دانش و دیدگاه تکنیکی
Knowledge View and Technique View
خط لوله استخراج داده
Data Mining Pipeline
مثالهای استخراج داده
Data Mining Examples
استخراج داده: مسائل اصلی، اخلاقیات و منابع
Data Mining: Major Issues, Ethics, Resources
درک دادهها
Data Understanding
اشیاء داده، ویژگیها و آمار
Data Objects, Attributes, Statistics
بصریسازی دادهها
Data Visualization
شباهت برای ویژگیهای نرمال و باینری
Similarity for Normal and Binary Attributes
شباهت برای ویژگیهای ترتیبی، عددی و ترکیبی
Similarity for Ordinal, Numeric, Mixed Attributes
مطالعه موردی شباهت دادهها
Data Similarity Case Study
مثال: دادههای حسگر کیفیت هوا
Example: Air Quality Sensing Data
پیشپردازش دادهها
Data Preprocessing
مشکلات کیفیت داده و دلایل آن
Data Quality Issues and Causes
پاکسازی دادهها و یکپارچهسازی دادهها
Data Cleaning, Data Integration
تحلیل همبستگی
Correlation Analysis
نرمالسازی دادهها
Data Normalization
گسستهسازی و انتخاب ویژگی
Discretization, Attribute Selection
کاهش ابعاد و تعداد دادهها
Dimensionality/Numerosity Reduction
انبارش دادهها
Data Warehousing
انبارش دادهها، OLTP در مقابل OLAP
Data Warehousing, OLTP vs. OLAP
نمایش نظرات