فیلم آموزشی جامع رگرسیون یا Regression (به زبان فارسی)

فیلم آموزشی جامع رگرسیون یا Regression (به زبان فارسی)

بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله رگرسیون یا Regression بیان نمود، که در آن در نهایت یک یک مدلپیش بینی کننده تربیت و طراحی می شود که می تواند با در دست داشتن نقاطی از یک رابطه ریاضی مخفی یا موجود، تمامی آن رابطه را بازسازی و یا شبیه سازی کند، و به ما در یافتن ارتباطهای موجود میان متغیرها و خروجی ها، کمک کند. در فیلم آموزشی جامع رگرسیون یا Regression، پس از مرور کلی بر مفاهیم رگرسیون و مدل سازی، تعدادی از روش های پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند.

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است.

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

فیلم آموزشی جامع خوشه بندی یا Clustering (به زبان فارسی)

- فیلم آموزشی جامع خوشه بندی یا Clustering (به زبان فارسی)

بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله خوشه بندی یا Clustering بیان نمود، که در آن یک عامل هوشمند یا نیمه-هوشمند باید بتواند بدون در دست داشتن هیچ اطلاعات زمینه ای، طبقه بندی منطقی از یک سری موارد در دسترس را داشته باشد. در واقع مسأله خوشه بندی، یک مسأله یادگیری غیر نظارت شده است. در فیلم آموزشی جامع خوشه بندی یا Clustering، پس از مرور کلی بر مفاهیم پایه خوشه بندی و تفاوت های آن با مسأله طبقه بندی یا Classification، چندین روش مهم و پرکاربرد در حوزه آنالیز خوشه معرفی و به صورت عملی در محیط متلب پیاده سازی شده اند. 

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

فیلم آموزشی جامع طبقه بندی یا Classification (به زبان فارسی)

آموزشی جامع طبقه بندییاClassification (به زبان فارسی)

بسیاری از مسائل داده کاوی را می توان به صورت یک مسأله طبقه بندی یا Classification بیان نمود، که در آن در نهایت یک عامل پیش بین تربیت می شود که می تواند با در دست داشتن دانش موجود برای طبقه بندی یک مجموعه از موارد، آن دانش را به طبقه بندی سایر موارد تعمیم دهد. در فیلم آموزشی جامع طبقه بندی یا Classification، پس از مرور کلی بر مفاهیم طبقه بندی و شیوه تربیت یک عامل طبقه بندی کننده یا Classifier، چند روش پر کاربرد معرفی و در محیط متلب پیاده سازی شده اند. 

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

دانلود رایگان فیلم آموزشی روش های پیش پردازش داده ها در داده کاوی (به زبان فارسی)

فیلم آموزشی روش های پیش پردازش و آماده سازی داده ها (به زبان فارسی)

در فیلم آموزشی روش های پیش پردازش داده ها برای شروع فرایند داده کاوی مورد بررسی واقع شده اند. برای نتیجه گیری بهتر از بسیاری از الگوریتم های داده کاوی، لازم است تغییرات و یا اصلاحاتی بر روی داده های خام انجام شوند، تا کیفیت الگوها و قواعد کاوش شده از داده ها، به بیشترین حد ممکن افزایش یابد.

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است.  برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

فیلم آموزشی مبانی داده کاوی یا Data Mining (به زبان فارسی)

فیلم آموزشی مبانی داده کاوی یا Data Mining (به زبان فارسی)

در فیلم آموزشی مبانی داده کاوی، با مروری بر مفاهیم پایه داده کاوی و مسائلی که در این حوزه مطرح است، تصویری جامع از عملیات داده کاوی و کاربردهای آن در زمینه های مختلف ارائه شده است. این موضوع، به ویژه با طرح مثال های متنوع از حوزه های مختلف، این فیلم آموزشی را تبدیل به یک مرجع آموزشی جامع و کاربردی برای اکثر مخاطبین کرده است. 

در بسیاری از رشته های علمی و فنی، در نهایت ما با مجموعه ای از داده ها روبرو هستیم که حجم کم یا زیادی را دارند؛ اما مهم ترین کار، به دست آوردن چنین پایگاه داده ای نیست. بلکه باید بتوانیم، سطح بالاتری از دانش را با توجه به پایگاه داده مذکور به دست بیاوریم؛ این یعنی نتیجه گیری و جمع بندی تمام تلاش هایی که برای جمع آوری آن داده ها صرف شده است. این عملیات، و مجموعه دیگری از کارهای مرتبط با آن، موضوع بحث یکی از زیر شاخه های مشترک علوم کامپیوتر و آمار، به نام داده کاوی یا Data Mining است. فرآیند کلی استخراج دانش از داده، معنای عام تری از داده کاوی را در بر دارد که به Knowledge Discovery from Data یا KDD معروف است. برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، لینک ادامه مطلب را ببینید.

ادامه مطلب >>

معرفی مجموعه دوره های آموزشی در حال برنامه ریزی

 

دوره های آموزشی متلب و هوش مصنوعی

به اطلاع می رساند که دوره های آموزشی متعددی در زمینه های مختلف علمی، فنی، مهندسی و کاربردی در حال برنامه ریزی هستند و شما از طریق فرم های ارائه شده در لینک های زیر، می توانید برای شرکت در این دوره های آموزشی اعلام آمادگی نمایید. اطلاعات ارائه شده توسط شما، برای برنامه ریزی بهتر و مناسب تر دوره های آموزشی مورد استفاده قرار خواهند گرفت. هدف ما این است که این دوره های آموزشی را، با بهترین شرایط و کیفیت ممکن، از نظر زمانی، مکانی و محتوایی برگزار نماییم.

 

فهرست دوره های در حال برنامه ریزی

◊ دوره آموزشی جامع داده کاوی (Data Mining)کلیک کنید (+)

◊ دوره آموزشی جامع بازشناسی الگو (Pattern Recognition) و یادگیری ماشینی (Machine Learning) کلیک کنید (+)

◊ دوره های آموزشی مهندسی مکانیک (Mechanical Engineering)، مکاترونیک (Mechatronics) و هوافضا (Aerospace) کلیک کنید (+)

◊ دوره آموزشی جامع پردازش تصویر (Image Processing) کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل خطی (Linear Control Systems)کلیک کنید (+)

◊ دوره آموزشی جامع تخمین حالت سیستم های دینامیکی (State Estimation) کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل بهینه (Optimal Control Systems)کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل غیرخطی (Nonlinear Control Systems) کلیک کنید (+)

◊ دوره آموزشی جامع مدل سازی و شناسایی سیستم های دینامیکی (System Identification)کلیک کنید (+)

◊ دوره آموزشی جامع سیستم های کنترل چند متغیره و مقاوم (Multivariable and Robust Control) کلیک کنید (+)

◊ دوره آموزشی جامع یادگیری تقویتی (Reinforcement Learning)کلیک کنید (+) 

◊ دوره های آموزشی جامع بهینه سازی هوشمند و کلاسیک کلیک کنید (+)

◊ دوره آموزشی جامع تحلیل و پیش بینی سری های زمانی (Time-Series Analysis and Prediction)کلیک کنید (+)

◊ دوره های آموزشی جامع و کاربردی اقتصادسنجی در متلب کلیک کنید (+) 

◊ دوره آموزشی کاربردهای متلب در علوم مالی (Finance)کلیک کنید (+)  

 

برای مشاهده فهرست کامل دوره های آموزشی در حال برنامه ریزی، و ارائه درخواست شرکت در این دوره ها، این لینک (+) را ببینید.

 

ضمنا، فهرست کاملی از دوره های آموزشی متلب سایت که برنامه زمانی آن ها مشخص شده است، در صفحه دوره های آموزشی (+) قابل مشاهده است.

 

فیلم آموزشی خوشه بندی فازی و طراحی سیستم فازی مبتنی بر خوشه بندی در متلب

فیلم آموزشی خوشه بندی فازی و طراحی سیستم فازی مبتنی بر خوشه بندی در متلب

یکی از روش های طراحی سیستم های فازی، استفاده از رویکردهای خوشه بندی یا Clustering است. در این فیلم آموزشی، با اشاره به مفاهیم اساسی موجود در بحث خوشه بندی، علاوه بر مرور روش کلاسیک k-Means (یا همان c-Means) نسخه فازی آن یعنیFuzzy c-Means (به اختصار FCM) مورد بحث و بررسی واقع شده است. همچنین رویکرد خوشه بندی دیگری به نام خوشه بندی کاهشی یا Subtractive Clustering نیز در این فیلم آموزش بررسی شده است. پیاده سازی تمامی این روش ها به صورت گام به گام در محیط متلب آموزش داده شده است.

در ادامه، روش های FCM و خوشه بندی کاهشی برای طراحی سیستم فازی مورد استفاده قرار گرفته اند که بعدا توسط رویکرد ANFIS بهینه سازی شده است. به این ترتیب، در این فیلم آموزشی، رویکردهای خوشه بندی برای طراحی سیستم فازی-عصبی ANFIS به صورت کامل پوشش داده شده است.

 

برای کسب اطلاعات بیشتر در خصوص این فیلم آموزشی، ادامه مطلب را ببینید.

ادامه مطلب >>

معرفی کتاب: کاربردهای عملی محاسبات تکاملی در مهندسی مالی

معرفی کتاب: کاربردهای عملی محاسبات تکاملی در مهندسی مالی

 

در این پست از متلب سایت، قصد داریم کتاب زیر را به مخاطبین محترم متلب سایت و علاقه مندان به مباحث مهندسی مالی و محاسبات تکاملی معرفی نماییم.

 

عنوان اصلی:
Practical Applications of Evolutionary Computation to Financial Engineering
Robust Techniques for Forecasting, Trading and Hedging

عنوان فارسی:
کاربردهای عملی محاسبات تکاملی در مهندسی مالی
روش‌ های مقاوم برای پیش بینی، تجارت و مصون سازی

نویسندگان: هیتوشی ایبا (Hitoshi Iba) و کلاوس سی. آرانها (Claus C. Aranha)

تاریخ انتشار: فوریه ۲۰۱۲ (بهمن ماه ۱۳۹۰)

انتشارات: اشپرینگر (Springer)

 

در سال های اخیر کاربرد هوش محاسباتی در فرآیند آنالیز داده های اقتصادی و مالی بیش از پیش توجه افراد را به خود جلب کرده است. این موضوع، اصولا به دلیل (الف) میزان روز افزون اطلاعات اقتصادی و مالی موجود جهت تحلیل، (ب) انواع متعدد و رو به افزایش تجهیزات و دستگاه های مختلف برای استفاده در سرمایه گذاری، و (پ) افزایش میزان ترجیحات بازرگان ها است. این مشکل باعث نا کارآمد شدن رویکردهای کلاسیک شده است و چالشی اساسی برای ظهور تکنیک های محاسباتی به وجود آورده است.

 

برای خواند ادامه مطلب، بر روی لینک ادامه مطلب کلیک کنید.

 

ادامه مطلب >>