کاوی در این کتاب روش نهادینه کردن عادت‌های بنیادین برای یک زندگی موفق و شاد را شرح داده است. روش او با آموزه‌های سطحی و کم‌مایه نسبتی ندارد، چراکه کاوی رمز موفقیت مردمان موثر را در عادات ...
در دوره آموزش کاربردی فرایندکاوی با چه می‌آموزیم؟. فرآیندکاوی با بهره‌گیری از الگوریتم‌های هوش مصنوعی و یادگیری ماشین این داده‌ها را به اطلاعات و بینش‌هایی برای بهبود فرآیند‌های کسب و ...
الگوریتم اپریوری (Apriori) بر این اصل بنا شده که اگر یک مجموعه اقلام (itemset) مکرر است، پس همه زیرمجموعه‌های آن نیز مکرر هستند. این بدین معنا است که اگر {0,1} مکرر باشد، پس {0} و {1} نیز مکرر هستند. بالعکس این قاعده نیز صادق است، یعنی ...
در پاسخ به سوال یادگیری عمیق چیست، می‌توان گفت یادگیری عمیق بخشی از روش‌های یادگیری ماشین است که بر روش‌های مبتنی بر شبکه‌های عصبی مصنوعی تمرکز دارد. ... فرآیند کاوی چند سطحی (mlpm) چیست؟ ...
این نوع یادگیری از عناصر مهم علم داده (Data science) و شامل آمار، مدل‌سازی و پیش‌بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده‌ها و ...
در واقع با انتخاب و مهندسی ویژگی (Feature Engineering) می‌توان ویژگی‌هایی را به مسئله اضافه کرد که دقتِ عملیات داده‌کاوی (طبقه‌بندی یا خوشه‌بندی) را افزایش دهد. نظرات شما از ارکان اصلی تولید محتوا ...
ب.تسلط: بعد از مطالعه کتاب "داده کاوی کاربردی" نوبت به عمق بخشی و تسلط به مبانی یادگیری ماشین می‌رسد که کتاب " مفاهیم و تکنیک‌های داده کاوی" که در گام اول به آن اشاره شد منبع بسیار خوب و جامعی می باشد.
در این دوره آموزشی، سعی شده است تمامی تکنیک ها و مراحل داده کاوی با پایتون و یادگیری ماشینی با پایتون به صورت گام به گام و با انجام پروژه های واقعی پوشش داده شوند. همچنین برای افرادی که با زبان ...
طبقه بندی در داده کاوی. طبقه بندی در داده کاوی Classification : یکی از دانش هایی که در عصر حاضر بسیار مورد استقبال قرار گرفته داده کاوی است. به طور کلی به معنای کاوش در داده ها است که به اشکال مختلف برای به دست آوردن الگوها و ...
داده کاوی یا دیتا ماینینگ در واقع علمی میان رشته ای است که علوم کامپیوتر، هوش مصنوعی، یادگیری ماشین، ریاضی و آمار را دربر می گیرد. با ساخت فرآیند داده کاوی، می توان دیتاهای حجیم و پیچیده سازمان ها و مؤسسات تحقیقاتی را ...
اغلب الگوریتم‌های یادگیری ماشین در داده‌کاوی با داده‌های عددی کار می‌کنند و در پیاده‌سازی و نحوه کار آن‌ها گرایش به ریاضیات محض وجود دارد. اما، «کاوش قواعد وابستگی» (association rule mining) که از آن با عنوان «کاوش قواعد ...
یکی از این اهداف مهم در زبان پایتون توانایی داده کاوی و یادگیری ماشین است و در ادامه با برخی از کتابخانه های زبان پایتون که به صورت تخصصی برای یادگیری ماشین مناسب هستند معرفی می کنیم : scikit-Learn ...
در رویکرد یادگیری مشارکتی همواره دو هدف عمده دنبال می شود: ۱- بهبود درک و فهم و مهارت های شناختی دانش آموزان در موضوعاتی که تدریس می شود. ۲- افزایش مهارت در تعامل اجتماعی و احترام به فرهنگ های ...
مقدمه بر الگوریتم های برتر داده کاوی. استفاده از داده‌ها به منظور کشف رابطه بین آن‌ها اساس داده‌کاوی است. در این مبحث 10 الگوریتم های داده کاوی و یادگیری ماشین که بیشترین کاربرد را در علم ...
در این مطلب، مفاهیم کلیدی «داده کاوی» (Data Mining) مورد بررسی قرار خواهد گرفت. این مفاهیم در کلیه مسائل این حوزه مشترک محسوب می‌شوند و یادگیری آن‌ها از الزامات یادگیری داده‌کاوی است. هدف از این نوشته پرداختن به هر یک از این ...
یادگیری به نوعی باعث می شود سیستم جواب مساله را خودش کشف کند! انواع یادگیری در شبکه عصبی مصنوعی: در مورد شبکه های عصبی مصنوعی، یادگیری از سه نوع مختلف است: نوع اول، یادگیری با ناظر (Supervised learning):
استفاده از داده‌ها به منظور کشف رابطه بین آن‌ها اساس داده‌کاوی است. در این مبحث 10 الگوریتم های داده کاوی و یادگیری ماشین که بیشترین کاربرد را در علم داده
یادگیری ماشین برای اولین بار در یک بازی شطرنج و در سال ۱۳۲۹ شمسی (۱۹۵۰ میلادی) و داده کاوی برای اولین بار در سال ۱۳۰۹ شمسی (۱۹۳۰ میلادی) ارائه شدند.
تعریف یادگیری ماشین (machine learning) و کاربرد آن در داده کاوی; تفاوت میان داده کاوی و علم داده (data science) هدف دوره . فصل دوم: جبر خطی در داده کاوی و یادگیری ماشین. تعریف جبر خطی; اهمیت جبر خطی در داده کاوی
در این مبحث 10 الگوریتم های داده کاوی و یادگیری ماشین که بیشترین کاربرد را در علم داده دارند را به صورت خلاصه آموزش میدهیم.
ماشین بردار پشتیبان یکی از الگوریتم‌های نظارت‌شده یادگیری ماشین است. بسیاری از افراد در ابتدا هنگامی که نام این الگوریتم را می‌شنوند تصور می‌کنند با یک الگوریتم بسیار پیچیده مواجه هستند که درک آن دشوار است.
در دوره‌های آموزش یادگیری ماشین فرادرس بر ایجاد سیستم‌هایی تمرکز شده است که مقادیر حجیمی از داده‌ها را استفاده می‌کنند و این حجم زیاد داده‌ها را برای فرآیند یادگیری به کار می‌گیرند. از ...
الگوریتم Knn یا الگوریتم K نزدیکترین همسایه ( K-Nearest Neighbors ) یادگیری ماشین یکی از پرکاربرد ترین زمینه های هوش مصنوعی در عصر اطلاعات است. افراد فعال در این حوزه همیشه سعی بر این دارند که الگوریتم هایی با کارایی بالا و توانمند ...
خوشه بندی k-means. خوشه بندی k-means : الگوریتم k-means یکی از ساده‌ترین و محبوب‌ترین الگوریتم‌های خوشه بندی است که در داده‌کاوی بخصوص در حوزه ی یادگیری نظارت نشده به کار می‌رود. معمولا در حالت چند متغیره، باید از ویژگی‌های ...
داده کاوی، هوش مصنوعی و یادگیری ماشین سه علمی هستند که برای توسعه کسب و کارهای کلان امروزی بسیار ضروری بوده و در کنار تفاوت‌هایی که باهم دارند، دارای ارتباط مستقیمی نیز با یکدیگر هستند ...
مجموعه آموزش مینی تب – آموزش Minitab. ۶ آموزش. ۲۹ ساعت. ۹,۵۳۵ دانشجو. به همراه ده‌ها آموزش دیگر مرتبط با مجموعه آموزش SPSS. برای مشاهده آموزش‌های مرتبط دیگر، در میان بیش از ۲۰,۰۰۰ ساعت آموزش منتشر ...
یادگیری عمیق، یادگیری ژرف یا ژرف‌آموزی (به انگلیسی: Deep learning) (به بیانی دیگر: یادگیری ژرف ماشین، یادگیری ساختار ژرف یا یادگیری سلسله مراتبی) یک زیر شاخه از یادگیری ماشین و بر مبنای مجموعه‌ای از الگوریتم‌ها است که در ...
این الگوریتم به طور گسترده ای در تصمیم گیری درختان از طریق طبقه بندی و رگرسیون استفاده می شود. درختان تصمیم به طور گسترده ای در داده کاوی برای ایجاد مدلی که ارزش یک هدف را بر اساس مقادیر بسیاری ...
کشش سطحی یک پدیده فیزیکی است که طی آن، سطحی از مایع که با گاز در تماس است مانند یک صفحه الاستیک عمل می‌کند. همانطور که اشاره شد، عبارت کشش سطحی عموما برای حالتی به کار می‌رود که سطح مایع با یک گاز مانند هوا در تماس باشد.
کاربران می‌توانند تاثیر این تغییرات را در یک سطح بر سطح دیگر با کمک فرآیند کاوی چند سطحی شبیه سازی و اندازه‌گیری کنند. فرآیند کاوی چند سطحی چگونه حسابرسی را بهبود می‌بخشد؟