دوره آموزشی یادگیری ماشین و مبانی هوش مصنوعی: خوشه بندی و ارتباط

یادگیری بدون نظارت نوعی از یادگیری ماشینی است که الگوریتم ها داده های بدون برچسب را تجزیه می کنند. تمرکز بر دسته بندی داده ها به دسته های شناخته شده نیست، بلکه کشف الگوهای پنهان است. یادگیری بدون نظارت نقش بزرگی در تقسیم بندی بازاریابی مدرن، تشخیص تقلب و تجزیه و تحلیل سبد بازار ایفا می کند. این دوره نشان می دهد که چگونه به استفاده منجر تجزیه و تحلیل ماشین یادگیری تکنیک های خوشه، تشخیص ناهنجاری و ارتباط قوانین به نتایج دقیق و معنی دار از داده های بزرگ.

سلسله مراتبی، k متوسط، توس، و نقشه خودسازمانده (SOM): مربی کیت مک کورمیک ترین الگوریتم های خوشه بندی رایج را بررسی میکند. او از الگوریتم های مشابه برای تشخیص ناهنجاری استفاده می کند، با توابع تخصصی اضافی موجود در IBM SPSS Modeler. او دوره آموزشی را با مرور قوانین ارتباط و تشخیص توالی به پایان می رساند و همچنین برخی منابع را برای یادگیری بیشتر فراهم می کند.

تمامی تمرین ها در IBM SPSS طراح و IBM SPSS آمار نشان داد، اما تاکید بر مفاهیم، ​​نه مکانیک از نرم افزار است.

اهداف یادگیری
آموزش بدون نظارت چیست؟
اقدامات خوشه ای و مبتنی بر فاصله
تجزیه و تحلیل خوشه ای سلسله مراتبی
K- به معنی تجزیه خوشه ای است
تجسم و گزارش راه حل های خوشه ای
روش خوشهای برای متغیرهای قطعی
تشخیص ناهنجاری
قوانین انجمن
تشخیص توالی