جلسه۷: آموزش یک پروژه عملی جهت خوشه بندی دیتاست حملات در رپیدماینر


در این آموزش یاد میگیرید که:

مهمترین وظیفه خوشه بندی تقسیم کردن جمعیت یا داده های در چندین گروه است، به طوریکه نقاط داده ای در یک گروه نسبت به نقاط داده ای در گروه دیگر مشابه نیست. عبارت ساده تر، هدف اصلی خوشه بندی این است که گروه ها با صفات مشابه را جدا ساخته و آن ها را به خوشه ها اختصاص دهیم.

از جمله مهمترین کاربردهای خوشه بندی عبارتند از: جدا سازی داده های Outlier در یک مجموعه داده، گروه بندی جمعیتی از نمونه ها، حذف نمونه های پنهان و غیره.با این وجود در این جلسه آموزشی بصورت فراگیر خواهید آموخت که نحوه خوشه بندی داده های حملات در یک سیستم مثل سیستم ناسا به چه صورت خواهد بود. بعبارت دیگر فرآیند خوشه بندی با استفاده از الگوریتم های K-Means و X-Means و K-Medio ds و DBSCAN را با هم خواهید آموخت.

اطلاعات این دوره آموزشی
قیمت 13.500 تومان
مدت زمان آموزش 15 دقیقه و 47 ثانیه
روش دریافت دریافت لینک مستقیم دانلود
حجم آموزش 80 مگابایت
تعداد خرید 9 بار
تعداد بازدید 180 نفر
کد دوره #120-2-1-1-1-1-1
تضمین کیفیت و گارانتی:
این آموزش تحت نظارت موسسه رایان پژوهان پارسه تهیه شده است و کیفیت تصویر , صدا و سطح آموزشی کاملا تضمین میگردد
ناشر:
موسسه رایان پژوهان پارسه , پیشگام در زمینه آموزش های مجازی , پشتیبان دانشجویان و ارائه دهنده خدمات دانشجویی است
اقلام همراه فایل آموزشی:
این آموزش شامل فایل ویدیوئی با کیفیت بالا , یادداشت های مفید مدرس و فایل های پروژه تدریس داده شده بصورت کامل میباشد

توضیحات

جلسه شماره ۷: آموزش عملی خوشه بندی داده ها بر روی دیتاست حملات در رپیدماینر

مهمترین وظیفه خوشه بندی تقسیم کردن جمعیت یا داده های در چندین گروه است، به طوریکه نقاط داده ای در یک گروه نسبت به نقاط داده ای در گروه دیگر مشابه نیست. عبارت ساده تر، هدف اصلی خوشه بندی این است که گروه ها با صفات مشابه را جدا ساخته و آن ها را به خوشه ها اختصاص دهیم.

از جمله مهمترین کاربردهای خوشه بندی عبارتند از: جدا سازی داده های Outlier در یک مجموعه داده، گروه بندی جمعیتی از نمونه ها، حذف نمونه های پنهان و غیره.

بطور کلی در این جلسه آموزشی که ادامه جلسه ۶ از دوره آموزشی رپیدماینر است، بصورت عملی فرآیند خوشه بندی نمونه های حملات انجام می گیرد. در این جلسه آموزشی به توضیحات جزئی پرداخته نشده است و تنها اجرای خوشه بندی بر روی داده حملات صورت پذیرفته است.

با این وجود در این جلسه آموزشی بصورت فراگیر خواهید آموخت که نحوه خوشه بندی داده های حملات در یک سیستم مثل سیستم ناسا به چه صورت خواهد بود. بعبارت دیگر فرآیند خوشه بندی با استفاده از الگوریتم های K-Means و X-Means و K-Medio ds و DBSCAN را با هم خواهید آموخت.

سرفصل ها و رئوس مطالب در این جلسه آموزشی از مجموعه دوره های رپیدماینر عبارتند از:

برخی از مهمترین مباحثی که در این دوره آموزشی تشریح می گردد عبارتند از:

– تشریح دیتاست استفاده شده(دیتاست حملات) بصورت نمونه و معرفی ویژگی هدف که در مراحل خوشه بندی میبایست حذف گردد.

– معرفی کنترل Read Excel جهت ورود داده های مورد استفاده به مدل خوشه بندی تولید شده

– معرفی کنترل Replace Miss Value و اعمال به مدل جهت حذف نمونه های بلااستفاده

– معرفی کنترل Normalize و اعمال به مدل تولید شده جهت نرمال سازی داده ها و افزایش دقت خوشه بندی داده ها

– معرفی کامل الگوریتم خوشه بندی K-Means و پارامترهای مربوط به آن

– معرفی مشکلات و ضعف الگوریتم خوشه بندی K-Means و نقاط قوت این الگوریتم

– ارائه یک مثال عملی از الگوریتم خوشه بندی K-Means بروی داده های حملات در حالت نرمالایز و بدون حالت نرمالایز

– تشریح کامل خروجی ها و نتایج الگوریتم خوشه بندی K-Means

– معرفی کامل الگوریتم خوشه بندی X-Means و پارامترهای مربوط به آن

– معرفی مشکلات و ضعف الگوریتم خوشه بندی X-Means و نقاط قوت این الگوریتم

– ارائه یک مثال عملی از الگوریتم خوشه بندی X-Means بروی داده های حملات در حالت نرمالایز و بدون حالت نرمالایز

– تشریح کامل خروجی ها و نتایج الگوریتم خوشه بندی X-Means

– معرفی و تشریح بهبودهایی که الگوریتم X-Means نسبت به K-Means دارد

– معرفی الگوریتم خوشه بندی K-Mediods و پارامترهای مربوطه

– اعمال یک مدل عملی از نحوه خوشه بندی الگوریتم K-Mediods

– معرفی الگوریتم خوشه بندی DBSCAN و پارامترهای مربوطه

– اعمال یک مدل عملی از نحوه خوشه بندی الگوریتم DBSCAN

– تولید یک مدل خوشه بندی ترکیبی و ارائه سورس آن

این آموزش برای رشته های زیر مفید است:

دوره های آموزشی نرم افزار داده کاوی رپیدماینر(Rapidminer) از جلسات مقدماتی تا سطوح متوسطه و پیشرفته برای رشته هایی ذیل مناسب و مفید می باشد.

– رشته کامپیوتر گرایش های نرم افزار، سخت افزار و معماری

– رشته تجارت الکترونیک

– رشته برنامه نویسی

– رشته فناوری اطلاعات

– و سایر رشته های مرتبط

قسمتی از جلسه آموزش شماره ۷ از مجموعه جلسات دوره آموزشی نرم افزار داده کاوی رپیدماینر، از طریق پیش نمایش زیر قابل مشاهده است.در ویدئو زیر ۱۵ دقیقه و ۴۷ ثانیه آموزش ضبط شده توسط استاد بهنام حیدری تهیه و تنظیم گردیده است.

 

  پیش نمایش

اطلاعات بیشتر

قیمت

13.500 تومان

مدت زمان آموزش

15 دقیقه و 47 ثانیه

روش دریافت

دریافت لینک مستقیم دانلود

حجم آموزش

80 مگابایت

نقد و بررسی ها

هیچ دیدگاهی برای این محصول نوشته نشده است .

اولین کسی باشید که دیدگاهی می نویسد “جلسه۷: آموزش یک پروژه عملی جهت خوشه بندی دیتاست حملات در رپیدماینر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

شاید شما این را نیز دوست داشته باشید…