آموزش تحلیل داده های بزرگ با متلب MATLAB

آموزش تحلیل داده های بزرگ با متلب MATLAB

داده‌های بزرگ یا Big Data چیست؟ داده‌های بزرگ یا «Big Data» مجموعه‌ای از اطلاعات هستند که با حجم بسیار زیاد، تنوع بالا و سرعتی نسبت به روش‌های سنتی جمع‌آوری، ذخیره و پردازش می‌شوند و ممکن است از منابع مختلفی مانند حسگرهای اینترنت اشیا یا IoT، وب، رسانه‌های اجتماعی، دستگاه‌های متصل، سیستم‌های نظارتی، فرایندهای تولید، تراکنش‌های مالی و سایر منابع به دست بیایند. فرایند تحلیل این داده‌ها به دلیل حجم زیاد و تنوع بالایی که دارند، معمولا نیازمند ابزارها و تکنیک‌های پردازش قدرتمند و مقیاس‌پذیر است. اهمیت یادگیری تحلیل داده‌های بزرگ با متلب MATLAB چیست؟ در مباحث امروزی، موضوع کلان داده نیازمند استفاده از ابزار‌های گوناگونی برای تحلیل ارزشمند دانش است. ابزار‌هایی که با زبان‌های برنامه‌نویسی متفاوت ارائه شده‌اند و زیرمجموعه‌ چارچوب برنامه‌های دیگر هستند، در کنار مزیت‌های متعددی که دارند، کاربران را با مشکلات یادگیری زبان‌های برنامه‌نویسی جدید و همچنین کار با ماژول‌های متفاوت مواجه می‌سازند. نرم‌افزار شناخته‌شده متلب به عنوان یک ابزار کارا و گسترده در زمینه‌های مختلف علوم، مورد استفاده محققین و تیم‌های اجرایی مختلف است، در نسخه‌ دوم سال ۲۰۱۶، تولباکس قدرتمند خود، در تحلیل داده‌های بزرگ را مورد استفاده عموم قرار داد. اهمیت استفاده از داده‌های بزرگ در محیط‌های مختلف کسب‌وکار بر کسی پوشیده نیست و تنها می‌توان با تحلیل‌های مناسب از گنج نهفته در درون داده‌های بزرگ استفاده کرد. لذا می‌توان هدف اصلی از یادگیری این مهارت را در استفاده سریع و کارآمد از نرم‌افزار متلب برای تحلیل داده‌های بزرگ عنوان کرد به طوری که استفاده‌کنندگان از این آموزش بتوانند در کمترین زمان ممکن از داده‌های بزرگ در دسترس خود، تحلیل مناسبی ارائه داده و نتایج مناسب را مورد استفاده قرار دهند. در این فرادرس چه چیزی یاد می‌گیریم؟ در این آموزش، ابتدا با داده‌های بزرگ آشنا می‌شویم، سپس به مبحث پیش‌پردازش داده‌های بزرگ می‌پردازیم. در ادامه تحلیل‌های آماری روی داده‌های بزرگ را مورد بررسی قرار می‌دهیم. خوشه‌بندی، رگرسیون و طبقه‌بندی داده‌های بزرگ از دیگر مباحثی است که در این فرادرس به آن می‌پردازیم.

تریلر دوره

توضیحات کامل دوره

...

سرفصل‌های دوره

  • چکیده
    0:01:45

  • مقدمه‌
    رایگان 0:08:43
  • ابزارهای تحلیل داده‌های بزرگ
    0:11:51

  • نحوه نمایش داده‌های بزرگ – شکل ماتریسی
    0:06:56
  • نحوه نمایش داده‌های بزرگ – شکل جدولی
    رایگان 0:08:24
  • پاکسازی داده‌ها (روش حذفی)
    0:08:51
  • اصلاح داده‌های ناقص به روش میانگین و میانه
    0:06:02
  • حذف نویز از داده‌های بزرگ به روش Binning – میانگین دسته‌ها
    0:10:57
  • حذف نویز از داده‌های بزرگ به روش Binning – میانه مرز دسته‌ها
    0:03:56
  • حذف داده‌های پرت به روش خوشه‌بندی داده‌ها
    0:14:20
  • ادغام داده‌های بزرگ با فرمت‌های مختلف
    رایگان 0:07:50
  • تغییر شکل داده‌های بزرگ
    0:05:44
  • نرمال‌سازی داده‌های بزرگ
    0:02:43

  • تولید داده‌های بزرگ تصادفی یکنواخت و نرمال
    0:06:33
  • تولید داده‌های بزرگ دنباله‌ای تصادفی هالتون و سبل
    رایگان 0:08:04
  • تابع چگالی و تجمعی احتمال توزیع یکنواخت برای داده‌های بزرگ
    0:10:42
  • تابع چگالی و تجمعی احتمال توزیع نمایی برای داده‌های بزرگ
    0:07:16
  • تابع چگالی و تجمعی احتمال توزیع نرمال برای داده‌های بزرگ
    0:10:10

  • آماده‌سازی داده‌های بزرگ برای خوشه‌بندی
    0:11:53
  • خوشه‌بندی داده‌های بزرگ با روش K-means
    0:12:37
  • بررسی تغییر نوع فاصله در خوشه‌بندی به روش K-means
    0:02:22
  • خوشه‌بندی داده‌های بزرگ با روش K-medoids
    0:05:10
  • خوشه‌بندی داده‌های بزرگ به روش سلسله‌مراتبی
    0:14:12

  • رگرسیون خطی داده‌های بزرگ
    0:07:35
  • رگرسیون درجه ۲ داده‌های بزرگ
    0:07:41
  • رگرسیون Poly Nominal داده‌های بزرگ
    رایگان 0:11:54
  • رگرسیون اتورگرسیو داده‌های بزرگ
    0:12:38

  • طبقه‌بندی داده‌های بزرگ با تکنیک نزدیک‌ترین همسایگی – آماده‌سازی داده‌ها
    0:13:15
  • طبقه‌بندی داده‌های بزرگ با تکنیک نزدیک‌ترین همسایگی – پیدا کردن فاصله و طبقه‌بندی
    0:09:28
  • طبقه‌بندی داده‌های بزرگ با تکنیک رگرسیون لجستیک – آماده‌سازی داده‌ها
    0:08:31
  • طبقه‌بندی داده‌های بزرگ با تکنیک رگرسیون لجستیک – آموزش داده‌ها
    0:07:18
  • طبقه‌بندی داده‌های بزرگ با تکنیک رگرسیون لجستیک – پیاده‌سازی رگرسیون لجستیک
    رایگان 0:12:45
  • طبقه‌بندی داده‌های بزرگ با تکنیک رگرسیون لجستیک – پیش‌بینی داده‌های تست
    0:10:13
  • طبقه‌بندی داده‌های بزرگ با تکنیک رگرسیون لجستیک – رسم نمودار همگرایی
    0:01:34

  • جمع‌بندی و نتیجه مباحث
    0:03:18
  • ادامه یادگیری
    0:03:18
  • دسترسی به آموزش‌های «ادامه یادگیری»
  • دسترسی به آموزش‌های «ادامه مسیر تا ورود به بازار کار»

  • خلاصه و مرور آموزش
  • واژه‌نامه (Glossary)
  • سوالات متداول (FAQ)
  • مشاغل مرتبط
  • نمونه سئوالات مصاحبه شغلی

ارسال نظر شما

نظرات کاربران

نظرات کاربران

هنوز نظری ثبت نشده است.

2,690,000 تومان
538,000 تومان
80% تخفیف

این دوره شامل:
9 فصل آموزشی
4 ساعت ساعت آموزش
دسترسی مادام‌العمر
سطح: مبتدی
گواهی پایان دوره: ندارد
تاریخ انتشار: 1403/12/09
آخرین به‌روزرسانی: 2026-10-29 14:25:55
تعداد امتیازها: 0
تعداد دانشجو:
خرید اقساطی: ندارد
ضمانت بازگشت وجه: ندارد
برچسب‌ها: