| 1 |
مبانی هوش مصنوعی و کارایی آن در علوم مختلف |
|
| 2 |
انواع داده ها برای آموزش سامانه های هوشمند و تفاوت آنها |
|
| 3 |
آشنایی با مفهوم خوشه بندی و کاربرد آن در سامانه های هوشمند |
|
| 4 |
مفهوم مقیاس در داده ها و علل و روشهای بکارگیری تبدیل مقیاس در انواع داده ها |
|
| 5 |
مفهوم استاندارد سازی داده ها و انواع روش های آن |
|
| 6 |
آشنایی با روش های کاهش ابعاد در داده ها |
|
| 7 |
آشنایی با انواع روش های برخورد با داده های از دست رفته |
|
| 8 |
انواع روش های محاسبه فاصله در داده ها |
|
| 9 |
انواع روش های محاسبه ضرایب تشابه/ عدم تشابه در انواع داده های کمی و کیفی |
|
| 10 |
انواع معیارهای تشابه/ عدم تشابه بین خوشه ها |
|
| 11 |
آشنایی با انواع روش های خوشه بندی سلسله مراتبی |
|
| 12 |
انواع روش های سلسه مراتبی ادغامی |
|
| 13 |
انواع روش های شکافتی در خوشه بندی سلسله مراتبی |
|
| 14 |
انواع روش های خوشه بندی تفکیکی |
|
| 15 |
انواع معیارهای اعتبارسنجی خوشه بندی |
|
| 16 |
آشنایی با نمودار و ضریب نیمرخ برای تعیین تعداد بهینه خوشه ها |
|
| 17 |
آشنایی با مفهوم فازی و کاربرد آن در علوم آب |
|
| 18 |
خوشه بندی فازی در داده ها |
|
| 19 |
آشنایی با روش های اجرای انواع خوشه بندی در متلب |
|
| 20 |
آشنایی با انواع الگوریتم های یادگیری ماشین نظارت شده برای طبقه بندی |
|
| 21 |
آشنایی با مفهوم بهینه سازی و کاربرد آن در یادگیری ماشین |
|
| 22 |
آشنایی با ساختار مدلهای بهینه در یادگیری ماشین |
|
| 23 |
ارائه نرم افزارهای کاربردی در خوشه بندی فازی و غیر فازی |
|
| 24 |
ارائه نرم افزارهای کاربردی برای بهینه سازی |
|