آموزش داده‌کاوی و تحلیل داده‌ها - آخرین آپدیت

دانلود Data Mining and Analytics new

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: داده‌کاوی، طبقه‌بندی، خوشه‌بندی و شناسایی داده‌های پرت معرفی مفاهیم پایه کشف الگو و آماده‌سازی داده‌ها درک اهمیت الگوریتم‌های تداعی و همبستگی شناخت و به‌کارگیری طبقه‌بندی‌کننده‌های مختلف و مبانی خوشه‌بندی انجام تحلیل داده‌های پرت و بررسی ابزارهای داده‌کاوی پیش نیازها: ندارد

دوره داده‌کاوی و تحلیل داده‌ها (21CSE355T)به دانشجویان مبنایی قوی برای کشف دانش مفید، الگوهای پنهان و بینش‌های ارزشمند از مجموعه‌داده‌های بزرگ ارائه می‌دهد. این دوره با معرفی مفاهیم داده‌کاوی و مرحله پیش‌پردازش داده‌ها، شامل تکنیک‌های پاک‌سازی، یکپارچه‌سازی، تبدیل، گسسته‌سازی و کاهش داده‌ها آغاز می‌شود. این روش‌ها به بهبود کیفیت داده‌ها و آماده‌سازی آن‌ها برای تحلیل موثر کمک می‌کنند. سپس دانشجویان تحلیل تداعی و همبستگی، از جمله تحلیل سبد خرید، استخراج الگوهای پرتکرار و الگوریتم Apriori را که برای شناسایی روابط بین آیتم‌های داده به‌طور گسترده استفاده می‌شوند، فرا می‌گیرند.

بخش قابل توجهی از این دوره بر تکنیک‌های طبقه‌بندی و پیش‌بینی تمرکز دارد. فراگیران الگوریتم‌های مختلف یادگیری ماشین مانند درخت تصمیم، طبقه‌بندی‌کننده‌های بیز، ماشین‌های بردار پشتیبان (SVM)، k-نزدیک‌ترین همسایه و روش‌های رگرسیون را مطالعه می‌کنند. این تکنیک‌ها توسعه مدل‌های پیش‌بینی‌کننده برای حل مسائل دنیای واقعی را امکان‌پذیر می‌سازند. همچنین روش‌های خوشه‌بندی شامل رویکردهای افرازی، سلسله‌مراتبی، مبتنی بر چگالی و شبکه‌ای مانند BIRCH، DBSCAN، STING و CLIQUE معرفی می‌شوند که به گروه‌بندی اشیای مشابه در خوشه‌های معنادار کمک می‌کنند.

علاوه بر این، دانشجویان شناسایی داده‌های پرت و روش‌های آماری مورد استفاده برای تشخیص الگوهای غیرمعمول در داده‌ها را بررسی می‌کنند. کاربردهای عملی در سیستم‌های توصیه‌گر، تشخیص نفوذ، مراقبت‌های بهداشتی و تحلیل‌های مالی مورد بحث قرار می‌گیرد. به‌طور کلی، این دوره مهارت‌های تحلیلی و حل مسئله ضروری را برای تصمیم‌گیری‌های داده‌محور توسعه می‌دهد.

سرفصل ها و درس ها

مقدمات Introduction

مقدمه Introduction
گسسته‌سازی داده‌ها و استخراج الگوهای پرتکرار Data discretization - Mining frequent patterns
توصیف آماری داده‌ها Statistical description of data

تداعی‌ها و همبستگی‌ها Associations and Correlations

قوانین تداعی Association Rules
تکنیک‌های مبتنی بر هش و الگوریتم FP Growth Hash based technique - FP Growth Algorithm
استراتژی‌های هرس کردن Pruning Strategies