معرفی اجمالی دوره
به مجموعهای از روشهای قابل استفاده بر پایگاه دادههای بزرگ و پیچیده به منظور شناسایی الگوهای پنهان و جالب توجه نهفته در میان دادهها، دادهکاوی گفته میشود. روشهای دادهکاوی تقریبا همیشه به لحاظ محاسباتی پر هزینه هستند. تکنیک های دادهکاوی، پیرامون ابزارها، متدولوژیها و تئوریهایی است که برای آشکارسازی الگوهای موجود در دادهها مورد استفاده قرار میگیرند و گامی اساسی در راستای کشف دانش محسوب میشود. ضرورت های چرایی مبدل شدن دادهکاوی به چنین حوزه مهمی از مطالعات وجود دارد. برخی از این موارد در ادامه بیان شدهاند.
در این دوره قصد داریم یاد بگیریم که چطور یک پروژه داده کاوی را پیاده سازی کنیم، چطور داده های مربوطه را جمع آوری کنیم و پس از پردازش داده ها، تجزیه و تحلیل لازم را انجام دهیم.
گذراندن دوره داده کاوی برای همه کسانی که در پروژه های علمی، فنی و صنعتی مشغول به کار هستند و یا تمایل دارند در این زمینه ها فعالیت نمایند میتواند مفید باشد.
مهدی یوسفی نژاد عطاری در مجموعه فیلم آموزش داده کاوی تلاش کرده تا به دور از اصطلاحات و تعاریف پیچیده، با زبانی ساده و به شکلی کاربردی شما را با داده کاوی و حوزه های مختلف آن آشنا کند.
آموزش داده کاوی پیش نیازی ندارد و همه افراد می توانند در این دوره آموزشی شرکت کرده و از طریق مجموعه فیلم آموزش داده کاوی، مفاهیم و حوزه های مختلف این استاندارد داده کاوی را بیاموزند.
فصول دوره
کلیات
انواع دادهها
ویژگی دادهها
اشیاء و ویژگی دادهها
انواع ویژگی دادهها
ویژگیهای گسسته و پیوسته
توصیفات آماری دادهها
پراکندگی دادهها
شباهت دادههای اسمی
شباهت دادههای باینری
شباهت دادههای عددی
شباهت دادههای ترتیبی
شباهت دادهها با تنوع ویژگیها
شباهت کسینوسی
مصورسازی دادهها
پیش پردازش داده ها
پاکسازی دادهها
تجمیع دادهها
کاهش دادهها
تبدیل و گسسته سازی دادهها
مفاهیم انبار داده
پایگاه داده عملیاتی و تحلیلی
مفاهیم پایگاه داده تحلیلی
عملیات مرسوم در انبار داده
مدلسازی انبار داده
قوانین انجمنی
مثال برای قوانین پایه
چالش در قواعد انجمنی
الگوریتم Apriori
مثال الگوریتم Apriori
بهبود الگوریتم Apriori
الگوریتم FP-Growth
الگوریتم ECLAT
قوانین جذاب
مقدمه خوشهبندی
الگوریتم K-Means
مثال دوبعدی برای الگوریتم K-Means
الگوریتم K-mediod
مثال دوبعدی برای الگوریتم K-mediod
روش خوشه بندی سلسله مراتبی
فاصله در خوشه بندی سلسله مراتبی
دسته بندی
درخت تصمیم
الگوریتمهای درخت تصمیم
شاخص Gini
شاخص Gini Spilt
آنتروپی
شاخص بهره اطلاعاتی
شاخص نسبت بهره
شاخص خطای طبقه بندی
مثال Gini Index
مباحث تکمیلی
نزدیکترین همسایگی
دستهبندی بیزین
مدل احتمالاتی
استقلال
استقلال شرطی
مثال شبکههای بیزین
مدل گرافی
شبکههای بیز
استقلال در شبکههای بیز
استنتاج در شبکههای بیز
فاکتورها
حذف متغیر
نمونه برداری;
معرفی مدرس
مهدی یوسفی نژاد عطاری
مهدی یوسفی نژاد عطاری مدرس دوره آموزش PMBOK و داده کاوی، کارشناس مهندسی صنایع و کارشناس ارشد مهندسی صنایع و دارای مدرک دکتری مهندسی صنایع می باشد. او بیش از سیزده سال سابقه فعالیت در حوزه مدیریت پروژه را داراست و در سال های اخیر به تدریس در حوزه های مختلف مدیریت پروژه و زنجیره تامین مشغول بوده است.
روش ارزیابی و نمرهدهی
آزمون های آنلاین
نمونه گواهینامه