سرفصل مطالب

سرفصل مطالب
# سرفصل مطالب طرح درس (براساس سرفصل)
1 معرفی چند پروژه در خصوص داده های حجیم
2 داده کاوی چیست؟ مفهوم داده کاوی، مشخص نمودن اهداف و کاربردهای درس، منابع مورد نیاز برای درس
3 پالایش داده ها
4 ادامه پالایش داده ها
5 ادامه پالایش داده ها
6 یادگیری با ناظر و بدون ناظر
7 یادگیری ماشین
8 دسته بندی داده ها
9 درخت تصمیم
10 رگرسیون لوژستیک
11 لوژستیک چند جمله ای
12 مدل های جریمه شده
13 کاهش بعد و مولفه های اصلی
14 ، روش¬های رده¬بندی: برمبنای احتمال و غیر احتمالاتی
15 خوشه بندی، روش K میانگین
16 روش های تعیین تعداد خوشه ها
17 خوشه¬بندی: سلسله مراتبی و غیر سلسله مراتبی
18 معرفی معیارهای بیرونی و درونی ارزیابی
19 روشهای رده¬بندی: بوت استراپ، ارزیابی متقابل،
20 بگینگ و بوستینگ
21 بررسی پروژهای دانشجویان
22 شبکه عصبی
23 الگوریتم ژنتیک
24 داده کاوی داده¬های زمانی، مکانی،
25 جریان داده¬ها، متن، وب، و شبکه¬های اجتماعی
26 بررسی پروژهای دانشجویان
27 ماشین بردار پشتیبان
28 ماشین بردار پشتیبان با توابع هسته
29 اعتبار سنجی مدل
30 روش های برآورد دقت مدل و ارزیابی
31 اهمیت داده کاوی، داده های حجیم، کاربرد داده کاوی در بازاریابی و ...، مراحل داده کاویی مدل
32 بررسی پروژهای دانشجویان
33 اعتبار سنجی مدل