آشنایی با داده کاوی و کاربردهای آن

سرفصل و محتوای دوره:

مقدمه ای بر داده کاوی و یادگیری ماشین(Data Mining and Machine Learning)

مقدمه ای بر پیش پردازش و پاکسازی داده ها(Data Preprocessing)

مفاهیم و الگوریتمهای طبقه بندی (Classification)

مفاهیم و الگوریتمهای خوشه بندی(Clustering)

کاهش ابعاد داده (Feature Selection, Instance Selection)

ارزیابی کارایی الگوریتمها(Performance evaluation)

آشنایی با نرم افزارهای داده کاوی

آشنایی با برنامه نویسی تکنیکهای داده کاوی(طبقه بندی و خوشه بندی و…) در محیط  MATLAB

ارائه مثال های عملی و کاربردی از داده کاوی در حل مسائل مهندسی

 اهداف:

هدف از برگزاری این دوره، آشنایی با مفاهیم و تکنیکهای های داده کاوی ، کاربردهای آن، استفاده از ابزارهای آن در حل مسائل  و  کد نویسی الگوریتهای داده کاوی در نرم افزار MATLAB می باشد. این دوره آموزشی در دو سطح تئوری و عملی برگزار می شود. پس از اتمام این دوره، دانشپذیران با مفاهیم بنیادی داده کاوی، ابزار های و تکنیکهای و نحوه کاربرد آنها آشنا شده و توانایی  حل مسائل مختلف داده کاوی را بدست می آورند.

مخاطبان :

این دوره برای دانشجویان و فارغ التحصیلان (رشته های کامپیوتر، برق،عمران مکانیک، صنایع، پزشکی، اقتصاد و …) و همچنین مهندسان و محققان فعال در زمینه داده کاوی و یادگیری ماشین مناسب است.