
دسترسی سریع
ارتباط با استاد
سرفصل جلسات دوره
جلسه دوم آموزش کامل دوره پیشرفته داده کاوی
کلاسه بندیِ چند کلاسه (Multiclass Classification)
محتوا
کلاسبندی نیمهنظارتی (Semi-Supervised Classification)
محتوا
بیشبرازش و کم برازش (Overfitting & Underfitting)
محتوا
k-fold Cross Validation
محتوا
ماتریس درهم ریختگی (Confusion Matrix)
محتوا
جلسه سوم آموزش کامل دوره پیشرفته داده کاوی
کاربردهای خوشهبندی
محتوا
خوشهبندی خوب چه ویژگیهایی دارد؟
محتوا
ملاحظات خوشهبندی
محتوا
چالشها و نیازمندیهای خوشهبندی
محتوا
انواع روشهای خوشهبندی
محتوا
K-means
محتوا
K-means نکاتی در مورد الگوریتم
محتوا
(Hierarchical Clustering) خوشهبندی سلسله مراتبی
محتوا
AGNES vs. DIANA - خوشهبندی سلسلهمراتبی
محتوا
روشهای تعیین فاصله بین خوشهها
محتوا
مثال از خوشهبندی سلسله مراتبی
محتوا
جلسه چهارم آموزش کامل دوره پیشرفته داده کاوی
گرایش به خوشهبندی
محتوا
تعداد خوشه ها
محتوا
Elbow Method
محتوا
Cross Validation
محتوا
کیفیت خوشهبندی
محتوا
کیفیت خوشهبندی – روش Extrinsic
محتوا
کیفیت خوشه بندی Bcubed
محتوا
کیفیت خوشهبندی – روش- intrinsicc
محتوا
کیفیت خوشهبندی – مثال روش سیلوئت
محتوا
خوشهبندی گرافها بر اساس معیار betweenness
محتوا
جلسه پنجم آموزش کامل دوره پیشرفته داده کاوی
مفاهیم اولیه
محتوا
الگوهای نزدیک (closed) و الگوهای بیشینه (max)
محتوا
الگوهای نزدیک و الگوهای بیشینه – مثال
محتوا
ویژگی Downward Closure
محتوا
الگوریتم Apriori
محتوا
تولید قوانین انجمنی از مجموعه آیتمهای پرتکرار
محتوا
معیار Lift
محتوا
جلسه ششم آموزش کامل دوره پیشرفته داده کاوی
انواع دادههای پرت
محتوا
روشهای تشخیص دادههای پرت
محتوا
روشهای تشخیص دادههای پرت – نوع اول (بدوننظارت)
محتوا
روشهای تشخیص دادههای پرت – نوع اول (نیمهبانظارت)
محتوا
روشهای تشخیص دادههای پرت – نوع دوم (آماری)
محتوا
روشهای تشخیص دادههای پرت – نوع دوم (مبتنی بر مجاورت)
محتوا
روشهای تشخیص دادههای پرت – نوع دوم (مبتنی بر خوشه)
محتوا
روشهای آماری
محتوا
تشخیص دادههای پرت تکمتغیره بر اساس توزیع نرمال (parametric)
محتوا
روش non-parametric با استفاده از هیستوگرام
محتوا
روشهای مبتنی بر مجاورت (proximity-based)
محتوا
روش مبتنی بر فاصله
محتوا
روشهای مبتنی بر خوشهبندی
محتوا
جلسه هفتم آموزش کامل دوره پیشرفته داده کاوی
چرا متنکاوی دشوار است؟
محتوا
کابردهای متنکاوی
محتوا
پیشپردازش در متنکاوی
محتوا
Tokenization
محتوا
نرمالسازی
محتوا
حذف noise
محتوا
استخراج کلمات کلیدی
محتوا
الگوریتم RAKE
محتوا
تشخیص موجودیتهای اسمی (Named Entity Recognition)
محتوا
نمونه ابزار
محتوا
ساخت مدل در Stanford Named Entity Recognizer
محتوا
موارد مرتبط
14 ساعت
56
975,000 تومان
نظرات
اولین کسی باشید که دیدگاهی می نویسد “آموزش کامل دوره پیشرفته داده کاوی” لغو پاسخ
لطفا برای ارسال یا مشاهده تیکت به حساب خود وارد شوید
قیمت 128,700 تومان
27 دانشجو
زبان: فارسی
7 ساعت
7 جلسه
1.540 گیگابایت
0 دیدگاه
100 بازدید
امتیاز کاربران:
دسته بندی
لینک کوتاه :
https://researchyar.ir/?p=21253
درباره مدرس
از این مدرس
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.