فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی (به زبان فارسی)

فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی (به زبان فارسی)

در جهت تکمیل مباحث مطرح شده در جلسات پیشین مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی 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.

فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی (به زبان فارسی)

در جهت تکمیل مباحث مطرح شده در جلسات پیشین مجموعه آموزشی داده کاوی در متلب، چند مسأله کاربردی با استفاده از داده های واقعی حل و بررسی 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.

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.

 

 

فهرست این مثال در ادامه آمده است:

  • حل مسأله رگرسیون یا Regression

     روش ها: کمترین مربعات، شبکه عصبی MLP و شبکه عصبی RBF

     موضوع: تخمین درصد چربی موجود در بدن (Body Fat Percentage) با توجه به ۱۳ عامل فیزیکی و قابل اندازه گیری در همه جا

  • حل مسأله طبقه بندی یا Classification

         روش ها: طبقه بندی کننده درخت تصمیم یا Decision Tree Classifier

         موضوع: تحلیل نتایج به دست آمده از انتخابات ریاست جمهوری آمریکا در سال ۲۰۰۸

  • حل مسأله کاوش قواعد وابستگی یا Association Rule Mining

        روش ها: الگوریتم های Apriori و FP-Growth

        موضوع: تحلیل سفارش های انجام شده در یک رستوران ارائه دهنده انواع غذاها و نوشیدنی ها

 



 

برای مشاهده جزئیات و تهیه آموزش فرادرس فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی به این لینک (+) مراجعه نمایید.

 

برای مشاهده پیش نمایش این محصول بر روی یوتیوب (YouTube) از لینک زیر استفاده کنید:

لینک ویدئو بر روی سرور یوتیوب (YouTube)

 

مطالب پیشنهادی‎


مجموعه: خوشه بندی, داده کاوی, فیلم های آموزشی, محصولات آموزشی, یادگیری ماشینی برچسب ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
۴ نظر در "فیلم آموزشی حل چند مسأله کاربردی و واقعی در داده کاوی (به زبان فارسی)"
  1. با سلام خواهشمند است
    در زمینه مسایل واقعی و کاربردی داده کاوی در بازاریابی و همچنین درخصوص تحلیل پوششی داده ها چنانچه محصولی در دست تهیه می باشد اینجانب را مطلع فرمایند. با تشکر

    1. در پاسخ به talebloo:
      با سلام،
      بسته طلایی فیلم های آموزشی داده کاوی که هم اکنون ارائه شده است آخرین فیلم آموزشی در این زمینه می باشد.
      شما می توانید درخواست آموزش مبحث مورد نظر را به صورت دوره اختصاصی در این لینک (+) ثبت نمایید.
      موفق و پیروز باشید.

  2. با سلام من دکتری جامعه شناسی دارم البته رشته لیسانس من مهندسی کامپیوتر است. من در پایان نامه دکتری خود از تحلیل فازی استفاده کرده ام و اکنون برای نوشتن یک مقاله نیاز دارم بدانم ر در متلب چگونه می توان رگرسیون خطی فازی را گرفت البته من خودم با استفاده از تابع مثلثی ابتدا داده هایم را به داده های فازی تبدیل کرده ام و بعد رگرسیون خطی آنها را گرفته ام ممنون می شوم منرا راهنمایی کنید یا حداقل منبعی را معرفی کنید که بدانیم رگرسیون فازی خطی در متلب چگونه است

    با تشکر

پاسخ دادن به talebloo لغو پاسخ

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