دادهکاوی به عنوان یکی از علوم کامپیوتری همواره مورد استقبال جمع کثیری از محققین بوده است. بانکها، موسسات، شبکههای اجتماعی و کسبوکارهای نوین به دنبال یافتن دانش، الگوها و روابط موجود در انبوه دادههای خود هستند. این روزها نیز با مطرح شدن کلان دادهها، اهمیت دادهکاوی فزونی یافته است. در مجموعه پیشرو که مجموعه کلاسهای ضبط شده اینجانب با دانشجویان است، با اصول و مفاهیم این علم آشنا خواهید شد.
محمد پورزعفرانی
محمد پورزعفرانی در حال حاضر (۱۳۹۴) دانشجوی دکتری نرمافزار دانشگاه اصفهان است. زمینههای فعالیت او سیستمهای پیشنهاد دهنده، دادهکاوی و وب معنایی است.
سرفصل جلسات:
جلسه اول – شناخت انواع دادهها و ویژگیها
جلسه دوم – انواع ویژگیها و توصیف آماری دادهها
جلسه سوم – شناخت دادهها (پراکندگی، توزیع نرمال، تحلیل هیستوگرام، اندازهگیری شباهت و عدم شباهت دادهها)
جلسه چهارم – تکمیل روشهای شباهتسنجی-مصورسازی دادهها
جلسه پنجم – عملیات پیشپردازش وپاکسازی دادهها
جلسه ششم – عملیات پیش پردازش- تجمیع دادهها (تحلیل همبستگی – تست کای-دو)
جلسه هفتم – روشهای کاهش داده- (کاهش بعد، تبدیل موجک، تبدیل HAAR)
جلسه هشتم – روشهای کاهش داده- هیستوگرام، خوشهبندی و…
جلسه نهم – انواع روشهای گسستهسازی
جلسه دهم – انباره دادهها-شماهای ستارهای، دانهبرفی تحلیل الگوهای پرتکرار
جلسه یازدهم – ایجاد قوانین انجمنی
جلسه دوازدهم – الگوریتم Apriori
جلسه سیزدهم – افزایش بهرهوری الگوریتم Apriori و شروع FP-growth
جلسه چهاردهم – الگوریتم Eclat و معیارهای ارزیابی قوانین انجمنی
جلسه پانزدهم – مفاهیم دستهبندی دادهها
جلسه شانزدهم – درخت تصمیم
جلسه هفدهم – بررسی معیارهای شاخص و هرس درخت تصمیم
جلسه هجدهم – دستهبندی بیزین – دستهبندی مبتنی بر قانون
جلسه نوزدهم – استخراج قوانین درخت تصمیم
جلسه بیستم – ارزیابی و مقایسه روشهای دستهبندی
جلسه بیست و یکم – Ensemble Methods
جلسه بیست و دوم – روشهای دستهبندی پیشرفته
جلسه بیست و سوم – مفاهیم خوشهبندی – k-means
جلسه بیست و چهارم – خوشهبندی سلسلهمراتبی |
منبع: سایت مکتب خونه
Loading...