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.

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.

اکثر دانشمندان و محققین سرشناس هر رشته علمی یا فنی، در کنار عامل خلاقیت و تخصص، یک ویژگی مشترک و بسیار مهم دارند، و آن نتیجه گیری های مهمی است که از مشاهدات و داده های جمع آوری شده ارائه کرده اند. در رشته های مختلف علمی، نظریه های بسیار مهمی که با مطالعات میدانی به دست آمده اند، همگی دارای این مولفه مشترک هستند: به دست آوردن قواعد و قوانینی که توضیحی فشرده و مفهومی از داده های در دسترس را ارائه می دهند. 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.

 

 

عناوین مهم ترین سرفصل های مهم مورد بحث در این فیلم آموزشی در ادامه آمده است:

  • مروری بر لزوم پیش پردازش و آماده سازی داده ها
  • روش های پاک سازی داده ها یا Data Cleaning
  • پاک سازی داده های آلوده به نویز یا Noisy Data
  • برخورد با داده های ناموجود یا Missing Data
  • روش های تجمیع داده ها یا Data Integration
  • روش های کاهش داده ها یا Data Reduction
  • کاهش ابعاد یا Dimensionality Reduction
  • کاهش تعداد یا Numerosity reduction
  • فشرده سازی داده ها یا Data Compression
  • روش های تبدیل داده ها یا Data Transformation
  • هموار سازی یا Smoothing
  • استخراج ویژگی یا Feature Extraction
  • نرمال سازی یا Normalization
  • و ده ها مبحث دیگر …

 



  

برای مشاهده جزئیات و تهیه دانلود رایگان فیلم آموزشی روش های پیش پردازش داده ها در داده کاوی (به زبان فارسی) به این لینک (+) مراجعه نمایید.

 

۴ نظر در "دانلود رایگان فیلم آموزشی روش های پیش پردازش داده ها در داده کاوی (به زبان فارسی)"
  1. سلام
    من برای آزمون دکترا دارم مطالعه میکنم.این فیلم آموزشیتون برام خیلی مفید و واقعاً آموزنده بود. برای ماکه در رشته آی تی داریم دکترا میدیم و تعداد منابع فارسیمون کمه بسیار مفید بود. ولی حس میکنم در درس داده کاوی بقیه مطالب به درد من نخوره.چون با متلب تدریس میشه و ما باید داده کاوی رو مستقل از پلت فورم بخونیم.
    بازم ممنون.خسته نباشید
    ممنون.

    1. در پاسخ به مینا:
      با سلام،
      تمامی مباحث مطرح شده، به صورت تئوری-عملی بیان می شوند. لذا مبانی نظری مربوط به همه الگوریتم ها و روش ها، در همه بسته های آموزشی فرادرس، ارائه شده اند.
      برای رسیدن به دانش کامل در خصوص نحوه عملکرد الگوریتم ها، پیاده سازی آن ها می تواند بسیار مفید باشد. مستقل از این که با چه زبانی این کار انجام می شود، این موضوع یکی از مراحل مهم در یادگیری و تقویت مبانی نظری است. ضمنا به هر حال باید یک زبان برنامه نویسی برای این کار انتخاب شود، که به نظر می رسد متلب به دلیل سادگی و پیاده سازی سریع و راحت، می تواند انتخاب مناسبی باشد.

      پیروز، شاد و تندرست باشید.

  2. از اقای مهندس کلامی هریس می خواهم که چند مثال از روشهای هر بخش خوشه بندی و پیش پردازش داده ها برامون قرار بدن.
    با تشکر

    1. در پاسخ به مصطفی:
      با سلام،
      از اینکه پیشنهادات خود را با ما مطرح می کنید؛ متشکریم.
      امیدواریم در آینده، فرصت پاسخگویی عملی به این پیشنهاد فراهم آید و ما بتوانیم یک قدم دیگر به سمت بهبود فرایند ارائه خدمات خود، به پیش رویم.
      موفق و پیروز باشید.

پاسخی بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *