یادگیری در کاوی سطحی
- صفحه اصلی
- یادگیری در کاوی سطحی
این موضوع در شاخه یادگیری ماشین با نظارت (Supervised Machine Learning)، بیشتر مورد توجه قرار گرفته است. به همین دلیل این نوشتار از مجله فرادرس را به بررسی منحنی ROC و کاربردهای آن اختصاص داده‌ایم. ابتدا ...
به خواندن ادامه دهید
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؟
به خواندن ادامه دهید
فرآیند کاوی چند سطحی (mlpm) چیست؟ 1 هفته پیش هرچند فرآیندکاوی مبتنی بر هوش مصنوعی، به طور خودکار می‌تواند داده‌ها را از سیستم‌های فناوری اطلاعات استخراج کند، اما برای کار با داده‌های مستقل ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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.
به خواندن ادامه دهید
مزایا و معایب 8 معیار فاصله در داده کاوی و یادگیری ماشین. دسته: اخبار علمی. محمد نوری زاده چرلو. 02 اسفند 1399. بسیاری از الگوریتمهای نظارت شده و غیرنظارتی، از معیارهای فاصله در پروسه یادگیری ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
۷ تکنیک برتر انتخاب ویژگی در یادگیری ماشینی. ۳۰ خرداد ۱۴۰۱. زمان مطالعه 4 دقیقه. از اصول مهم علوم داده این است که با استفاده از داده‌های آموزشی بیشتر می‌توان مدل یادگیری ماشین بهتری به دست ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
یادگیری چند سطحی شبه فضا ... الگوریتمهای اساسی در داده کاوی و یادگیری ماشین، اساس علم داده را تشکیل می‌دهند و از روش‌های خودکار برای تجزیه و تحلیل الگوها و مدل‌ها برای انواع داده‌ها در ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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.
به خواندن ادامه دهید
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
به خواندن ادامه دهید
ماشین بردار پشتیبان (SVM) به مجموعه ای از نقاط در فضای n بعدی داده ها، بردار پشتیبان گفته می شود که مرز بندی دسته ها را نشان داده و دسته بندی و مرزبندی آنها را انجام می دهد و با جابجایی یکی از این ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
یافته ها: ۱۷۹ نفر از دانشجویان (۱/۴۷%) از رویکرد استراتژیک، ۱۳۳ نفر (۰/۳۵%) از رویکرد سطحی و فقط ۶۸ نفر (۹/۱۷%) از رویکرد عمیق استفاده می کردند. در دو رویکرد عمیق (۰۰۱/۰p<) و استراتژیک (۰۰۵/۰p<) بین ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهیددر 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 ...
به خواندن ادامه دهید
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.
به خواندن ادامه دهید
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
به خواندن ادامه دهید
MasoudKaviani.ir. ویژگی (Feature) یا بُعد (Dimension) در واقع پایه‌ی بسیاری از عملیاتِ داده‌کاوی و یادگیری‌ماشین است. در این درس می‌خواهیم این مفاهیمِ ساده را با یکدیگر مرور کنیم تا در ادامه راه، بتوانیم ...
به خواندن ادامه دهید
در ادامه از مفاهیم بیان شده در بالا استفاده خواهد شد. نماد انتگرال سطحی. حال با یادگیری نحوه بیان یک سطح سه‌بعدی، به صورت پارامتری، می‌توانید انتگرال هر تابعی را روی سطح مد نظر بدست آورید.
به خواندن ادامه دهید
زمان مطالعه: ۵ دقیقه. در تجزیه و تحلیل داده‌ها بخصوص «یادگیری نظارت شده» (Supervised Learning) در زمینه «یادگیری ماشین» (Machine Learning)، روش «رگرسیون لجستیک دودویی» (Binary Logistic Regression) و …
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهید
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 ...
به خواندن ادامه دهیدیادگیری 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):
به خواندن ادامه دهیدچه بخواهید با ما کار کنید و چه علاقه مند به کسب اطلاعات بیشتر در مورد محصولات ما هستید، مایلیم از شما بشنویم.