در این مقاله ضمن بررسی روش های نرمالسازی داده ها در داده کاوی به تشریح روش Z-score در نرمال سازی و کاربرد آن در تشخیص داده های پرت با انجام یک تمرین به صورت فیلم آموزشی با پایتون میپردازیم.
بررسی مفاهیم دو مدل دسته بندی K نزدیک ترین همسایگی یا KNN و درخت تصمیم یا Decision Tree و پیاده سازی و مقایسه این دو مدل Classification به صورت فیلم آموزشی در پایتون
مقایسه چهار مدل دسته بندی با محاسبه معیار RMSE و MSE
09 اسفند 1396بررسی الگوریتم Support Vector Machine یا ماشین بردار پشتیبان و مقایسه دقت چهار مدل SVM ، KNN ، درخت تصمیم و شبکه عصبی از طریق RMSE و MSE در پایتون در یک فیلم آموزشی
اجرای پروژه رده بندی در پایتون با الگوریتم شبکه عصبی
03 بهمن 1396معرفی الگوریتم شبکه عصبی ، مزایای کاربرد زبان برنامه نویسی پایتون در داده کاوی ، و اجرای یک نمونه پروژه داده کاوی با الگوریتم شبکه عصبی در Python برای رده بندی و تعیین کلاس داده ها
در این مقاله ضمن بررسی مفاهیم کاهش بعد ( کاهش ویژگی یا کاهش مشخصه ) و تحلیل مولفه های اصلی یا PCA به پیاده سازی یک مثال کاربردی به صورت فیلم آموزشی در پایتون میپردازیم.
در این مقاله ضمن بررسی مفاهیم و تفاوت های داده های پرت یا outlier ها با داده های نویز در علم داده کاوی به پیاده سازی یک تمرین ساده به صورت فیلم آموزشی در محیط پایتون میپردازیم.
معرفی 10 کتابخانه مصورسازی داده ها در پایتون
25 اسفند 1396در این مقاله ضمن معرفی کاربردی 10 کتابخانه مصورسازی پایتون به پیاده سازی یک مثال ساده به صورت فیلم آموزشی در محیط python میپردازیم.
متوازن سازی داده ها در دیتاست هایی با کلاس های نامتوازن در رپیدماینر
07 ارديبهشت 1397چالش های بهکارگیری تکنیک های استاندارد یادگیری ماشین برای متوازن سازی داده ها در دیتاست هایی با کلاس های نامتوازن کدامند؟ حل مسائلی چون کشف ناهنجاری و کشف تقلب با دیتاست هایی با داده های نامتوازن
بررسی مفاهیم گسسته سازی یا discretization و توابع اعداد تصادفی و معرفی کاربردهای آن در داده کاوی و پیاده سازی یک مثال در پایتون به صورت یک فیلم آموزشی
12 الگوریتم که هر دانشمند داده باید بداند
27 دی 1395معرفی الگوریتم های مورد نیاز دانشمند داده شامل رگرسیون ، تنظیمی ، مثال محور و حافظه محور ، کاهش بعد ، Deep Learning ، قوانین وابستگی ، آموزش گروهی ، بیزی ، درخت تصمیم ، خوشه بندی ، شبکه عصبی