فیلم آموزشی رایگان حل چند مسأله کاربردی و واقعی در داده کاوی

عنوان انگلیسی:

multi functional problem solving in data mining

توضیحات:

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.
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.

سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:
+ 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

مدرس: سید مصطفی کلامی هریس

کلمات کلیدی:
Association Rule Mining, Biomedical Engineering, Body Fat Estimation, Classification, Data Mining, Data Mining in MATLAB, Decision Tree Classifier, Decison Tree, Frequent Rule, KDD, Knowledge Discovery, Knowledge Discovery from Data, Market Basket Analysis, Nonlinear Regression, Regression, استخراج دانش, الگوریتم Apriori, الگوریتم FP-Growth, انتخابات ریاست جمهوری آمریکا, تحلیل رفتار مشتری, تحلیل سبد خرید, تحلیل سفارش های یک رستوران, تحلیل نتایج انتخابات, تخمین درصد چربی بدن, داده کاوی, داده کاوی در متلب, درخت تصمیم, رگرسیون, رگرسیون غیر خطی, شبکه عصبی MLP, شبکه عصبی RBF, طبقه بندی, قواعد تکرار شونده, مبانی داده کاوی, مدل سازی, مهندسی پزشکی, کاربرد داده کاوی در علوم اجتماعی, کاربرد داده کاوی در علوم انسانی, کاربرد داده کاوی در علوم سیاسی, کاربرد داده کاوی در پزشکی, کاربرد درخت تصمیم در طبقه بندی, کاربرد هوش مصنوعی در علوم انسانی, کاربرد هوش مصنوعی در پزشکی, کاوش دانش, کاوش قواعد وابستگی, کشف دانش, کمترین مربعات, کمترین مربعات غیر خطی

برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:
http://www.faradars.org/mvrdm9206k





تعداد کلیک:

۹۶۷۷

کلید واژه ها:



فرم عضویت در خبرنامه کدسرا
 

شما می توانید به منظور اطلاع یافتن از آخرین کدهای منتشر شده در کدسرا، با وارد کردن ایمیل خود در کادر زیر به عضویت خبرنامه کدسرا در آیید.



لینک خارجی

این مطلب، که توسط موتور جستجوی کدسرا پیشنهاد شده است، بر روی یک وبسایت دیگر قابل دسترسی است.

برای مشاهده آن، بر روی لینک زیر، کلیک کنید.



مشاهده لینک