• دوشنبه تا شنبه: 10:00 - 16:00 / یکشنبه تعطیل است

آموزش مفاهیم آماری در داده کاوی و پیاده سازی آن در پایتون Python

آموزش مفاهیم آماری در داده‌ کاوی و پیاده‌ سازی آن در پایتون (Python)، بررسی مفاهیم آماری مورد نیاز برای تحلیل داده ها و پیاده سازی الگوریتم های یادگیری ماشین ... یه مقدار سطحی گفته میشه و خیلی تو ...

به خواندن ادامه دهید

مجموعه آموزش داده کاوی و یادگیری ماشین – مقدماتی تا پیشرفته

فرادرس با پایبندی به شعار «دانش در دسترس همه، همیشه و همه جا» و همکاری با بیش از ۲,۶۰۰ مدرس برجسته در زمینه‌های علمی گوناگون از جمله: آمار و داده‌کاوی، هوش مصنوعی، برنامه‌نویسی، طراحی و گرافیک کامپیوتری، آموزش‌های ...

به خواندن ادامه دهید

آشنایی با خوشه‌بندی (Clustering) و شیوه‌های مختلف آن

الگوریتم‌های متنوع و زیادی برای انجام عملیات خوشه‌بندی در داده‌کاوی به کار می‌رود. آگاهی از الگوریتم‌های خوشه‌بندی و آشنایی با نحوه اجرای آن‌ها کمک می‌کند تا مناسب‌ترین روش را برای خوشه‌بندی داده‌های خود به کار ...

به خواندن ادامه دهید

نقشه‌ی‌ راه‌ یادگیری‌ اکوسیستم داده‌کاوی و‌ یادگیری‌ ماشین‌ در‌ پایتون

۲. کتابخانه‌های پایه‌ی مورد نیاز در پایتون. بعد از مرحله‌ی اول و آشنایی با مبانی و مفاهیم داده‌کاوی و همچنین یادگیری مقدمات زبان برنامه نویسی پایتون، می‌توانید کتابخانه‌های اصلی و پایه‌ی این حوزه را برای پایتون ...

به خواندن ادامه دهید

خوشه بندی در داده کاوی

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

ماتریس‌ها و کاربرد آن‌ها در داده‌کاوی و یادگیری ماشین

همان‌طور که مشاهده می‌کنید، هر سطر به یک نقطه در فضا نگاشت شده است. این فضا که همان فضای دکارتی است، یکی از اصول جبرخطی بوده و کاربرد بسیار زیادی از یادگیری ماشین و داده‌کاوی دارد.

به خواندن ادامه دهید

تفسیر مدل های یادگیری عمیق در بینایی کامپیوتر — راهنمای جامع

همچنین، جهت پیاده‌سازی و ارزیابی مدل های یادگیری عمیق در «زبان برنامه‌نویسی پایتون» (Python Programming Language)، از بسته‌های نرم‌افزاری نظیر Keras و TensorFlow استفاده خواهد شد. علاوه بر این، از ابزارهای «منبع باز» (Open Source) برای تفسیر ...

به خواندن ادامه دهید

تفسیر مدل های یادگیری عمیق در بینایی کامپیوتر — راهنمای جامع

همچنین، جهت پیاده‌سازی و ارزیابی مدل های یادگیری عمیق در «زبان برنامه‌نویسی پایتون» (Python Programming Language)، از بسته‌های نرم‌افزاری نظیر Keras و …

به خواندن ادامه دهید

جزوه «داده‌کاوی؛ مدل‌ها، الگوریتم‌ها و کاربردها»

مدرس جزوه: خانم دکتر گماسائی (عضو هیئت علمی دانشکده مهندسی صنایع و سیستم‌های مدیریت دانشگاه صنعتی امیرکبیر) این جزوه دوزبانه (فارسی و انگلیسی) در دو بخش با خطی خوانا و با کیفیت محتوایی و نوشتاری مطلوب آماده شده است. بخش ...

به خواندن ادامه دهید

انواع شبکه عصبی عمیق

یادگیری عمیق چیست. یادگیری عمیق چیست ؟ نتایج بدست آمده از یادگیری عمیق بسیار چشم گیر است و در آینده شاهد پیشرفت های بسیاری از یادگیری عمیق و هوش مصنوعی خواهیم بود و این نتایج عالی در یک کلمه نتیجه دقت بالا است.

به خواندن ادامه دهید

یادگیری درخت تصمیم

یادگیری درخت تصمیم روشی است که به‌طور معمول در داده کاوی از آن استفاده می‌شود. هدف این مدل این است که بتواند مقدار یک متغیر هدف را براساس مقادیر متغیرهای ورودی پیش‌بینی کند.

به خواندن ادامه دهید

انواع رویکردهای دانشجویان به یادگیری؛ سطحی، استراتژیک و عمیق

در مقابل، دانشجویان گرایش کمتری به استفاده از رویکرد عمیق در یادگیری دارند. کلیدواژه ها: Learning ، Students Medical ، Education ، رویکرد یادگیری سطحی ، رویکرد یادگیری عمیق ، رویکرد یادگیری استراتژیک ...

به خواندن ادامه دهید

الگوریتم Boosting

الگوریتم Boosting یک روش یادگیری است که برای رفع ضعف یادگیرنده های ماشین ایجاد شده. این روش برای رفع مشکلات طبقه بندی و رگرسیون به کار می رود. در این روش با ترکیب موازی یا متوالی تلاش می شود تا خطا حد زیادی کاهش پیدا کند و ...

به خواندن ادامه دهید

نرمال سازی داده چیست؟ – از صفر تا صد و در یادگیری ماشین

اجرای نرمال‌سازی داده‌ها، باعث افزایش پایداری و همگرایی سریع‌تر در طول آموزش‌های «گرادیان-محور» (Gradient-based) می‌شود. همچنین نرمال‌سازی تا حد قابل قبولی از رخداد مشکلاتی مانند «محوشدگی گرادیان» (Vanishing Gradient) یا «انفجار ...

به خواندن ادامه دهید

آموزش یادگیری عمیق | مقدماتی تا پیشرفته | آنلاین و غیرحضوری

دیپ لرنینگ - یادگیری عمیق چیست؟ یکی از کاربردهای هوش مصنوعی (AI) است، در دوره آموزش deep learning به کاربرد یادگیری عمیق همراه با فیلم های آموزشی بصورت گام به گام پرداخته می شود

به خواندن ادامه دهید

داده‌کاوی چیست؟ تعریف، تاریخچه، مراحل، مزایا، کاربردها

برای گسترش یادگیری در مورد چیستی داده‌کاوی، در ادامه به نمونه ها و مزایای داده کاوی خواهیم پرداخت. نمونه‌هایی از داده‌کاوی. در زیر چند نمونه واقعی از داده‌ها آورده شده است: ️ تحلیل بازار خرید

به خواندن ادامه دهید

ساخت و آموزش مدل های یادگیری ماشین در پایتون — راهنمای گام به گام

در این مطلب، با ایجاد و آموزش مدل های یادگیری ماشین در پایتون آشنا می‌شویم و کدهای آن را ارائه خواهیم کرد. ... فیلم مجموعه آموزش داده کاوی و یادگیری ماشین – مقدماتی تا پیشرفته در فرادرس ...

به خواندن ادامه دهید

یادگیری ماشین با پایتون — به زبان ساده (+ دانلود فیلم آموزش گام به گام)

با گسترش استفاده از «یادگیری ماشین» (Machine Learning) در صنایع گوناگون، نیاز به ابزاری که بتواند به فرد برای انجام فرایندهای مختلف کمک کند به امری حیاتی مبدل شده است. «زبان برنامه‌نویسی پایتون» (Python Programming Language)، یک ستاره ...

به خواندن ادامه دهید

انواع داده ها در یادگیری ماشین چیست؟ – به زبان ساده

همچنین یادگیری ماشین قابلیت «مقایس‌پذیری» (Scalability) بالایی دارد؛ به این معنی که با پیچیدگی و بزرگی مساله تطبیق یافته و در کاربردهایی همچون شناسایی تصویر در اتومبیل‌های خودران، پیش‌بینی موقعیت مکانی و زمانی بلایای ...

به خواندن ادامه دهید

داده کاوی چیست؟ نقش مؤثر Data Mining در پیش‌بینی آینده

عناصر اصلی داده کاوی شامل یادگیری ماشینی و تجزیه‌وتحلیل آماری، همراه با مراحل مدیریت داده برای آماده‌سازی دیتا برای تجزیه‌وتحلیل است. در این میان، الگوریتم‌های یادگیری ماشین و ابزارهای ...

به خواندن ادامه دهید

پیش‌بینی و نقشه‌برداری کربن آلی خاک با استفاده از سنجش از دور و

کربن آلی خاک (soc) که یکی از حیاتی‌ترین خصوصیات فیزیکی و شیمیایی خاک است، نقش مهمی در تولید پایدار کشاورزی دارد و از تخریب و فرسایش خاک جلوگیری می‌کند. داده‌کاوی و مدل‌سازی مکانی همراه با تکنیک‌های یادگیری ماشینی به ...

به خواندن ادامه دهید

داده کاوی چیست ؟ – توضیح Data Mining به زبان ساده

در ابتدای مطلب حاضر از مجله فرادرس به مفهوم داده کاوی، تاریخچه، مزایا و معایب آن می‌پردازیم و توضیح خواهیم داد این شاخه از علوم کامپیوتر چه مباحثی را شامل می‌شود و چه تفاوتی با «یادگیری ماشین» (Machine Learning) دارد.

به خواندن ادامه دهید

۲۰ کاربرد ماشین لرنینگ که باید بدانید – معرفی کاربردهای یادگیری ماشین

عقیده‌کاوی و تحلیل احساسات ... با توجه به میزان اهمیت یادگیری ماشین در جنبه‌های مختلف زندگی بشر، در این مطلب از مجله فرادرس سعی داشتیم به معرفی ۲۰ کاربرد ماشین لرنینگ بپردازیم تا علاقه ...

به خواندن ادامه دهید

رگرسیون لجستیک (Logistic Regression) — مفاهیم، کاربردها و محاسبات در

از علاقمندی‌های او، یادگیری ماشین، خوشه‌بندی و داده‌کاوی است و در حال حاضر نوشتارهای مربوط به آمار و یادگیری ماشین را در مجله فرادرس تهیه می‌کند.

به خواندن ادامه دهید

لیست جامع بهترین کتابخانه های پایتون برای یادگیری ماشین + نمونه کدهای عملی

کتابخانه Keras. Keras یک کتابخانه یادگیری ماشین بسیار محبوب برای پایتون است. کتاب‌خانه مذ‌کور یک واسط برنامه‌نویسی کاربردی برای شبکه‌های عصبی سطح بالا است که می‌تواند در بالای TensorFlow، CNTK یا Theano اجرا شود.

به خواندن ادامه دهید

داده کاوی (Data Mining) و مفاهیم کلیدی آن — راهنمای جامع و ساده

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

انواع ویژگی ها (خصیصه ها) و مفهوم بردار ویژگی در داده کاوی

در ادبیات یادگیری ماشین گرایش به استفاده از کلمه ویژگی وجود دارد، در حالیکه آماردان‌ها استفاده از کلمه متغیر را ترجیح می‌دهند. کارشناسان داده‌کاوی و پایگاه داده معمولا از اصطلاح خصیصه ...

به خواندن ادامه دهید

علم داده، تحلیل داده، داده‌کاوی و یادگیری ماشین ــ تفاوت‌ها و شباهت‌ها

«علم داده» (data science)، «تحلیل داده‌ها» (Data analytics)، «یادگیری ماشین» (machine learning) و «داده‌کاوی» (Data Mining) با نرخ نجومی در حال رشد و توسعه هستند. از این‌رو شرکت‌ها به‌دنبال کارشناسانی می‌گردند که با کیمیاگری داده‌ها به آن‌ها ...

به خواندن ادامه دهید

داده کاوی (Data mining) چیست؟کاربرد، تکنیک و ابزارها – بهفالب

داده‌ کاوی (Data mining) فرایند تجزیه و تحلیل حجم عظیمی از داده‌ ها برای کشف هوش تجاری است. داده‌ کاوی به سازمان‌ ها در حل مشکلات، کاهش خطرات و استفاده از فرصت‌ های جدید کمک می‌ کند.

به خواندن ادامه دهید