تحلیل دادههای بزرگ با نرمافزار متلب
در سالهای اخیر با تعریف موضوع کلان داده، ابزارهای گوناگونی برای تحلیل این معدن ارزشمند دانش، ارائه شد و هر چه در این مسیر پیش میرویم با چالشهای جدید روبه رو میشویم. نرمافزار متلب که مدتهاست به عنوان یک ابزار کارا و گسترده در زمینههای مختلف علوم، دراختیار محققین و تیمهای اجرایی است، سرانجام در نسخهی دوم سال 2016، از جعبهابزار قدرتمند خود، در تحلیل دادههای بزرگ، پردهبرداری کرد. این اتفاق، باعث خوشحالی قشر بزرگی از برنامهنویسان شد که پیش از این، با این نرمافزار، در بسیاری از زمینههای علمی کار میکردند. تیم MathWorks، مانند تمامی جعبهابزارهای دیگر خود، به شکل گستردهای در حال افزایش کارایی و حذف محدودیتهای جعبهابزار BIG DATA است، بهطوری که در نسخهی اول سال 2017، تعداد زیادی از جعبهابزارهای تخصصی با جعبهابزار مذکور، لینک شده و کاربران را قادر ساخته تا بدون نیاز به هیچ نرمافزار و زبان برنامهنویسی جدید و همچنین بدون نیاز به پردازش خوشهای و موازی کامپیوترها و استفاده از حافظههای تعمیم یافته و تنها با کمک یک لبتاپ خانگی، وارد دنیای تحلیل دادههای بزرگ شوند. آموزشهایی که صرفاً یک مجموعه از ابزارها را معرفی میکنند و کاربران با اینکه سرفصلهای گفته شده را یاد میگیرند، اما نمیدانند چطور این ابزار را به کار بگیرند و از آن مهمتر، نمیدانند خاستگاه استفاده از این ابزار، کجا است. در دورهی پیشرو، قبل از معرفی جعبهابزار کلان داده، مفهوم تحلیل داده و همچنین مهمترین روشهای مورد استفاده در آن ( از حالت ساده تا پیشرفته )، توضیح داده شده و در نرمافزار، پیادهسازی میشود. در این راستا و در پایان فصول، آزمونها و پروژههایی قرار داده شده تا کاربران بتوانند به شکل مرحله به مرحله، به جمع بندی آموختههای خود بپردازند. در گام بعد، به معرفی جعبهابزار big data ، پرداخته شده و کاربران با مفاهیم جدید آن آشنا میشوند و با دیدن مثالهایی، چگونگی به کارگیری این ابزار را میآموزند. سپس، تلفیق روشهای تحلیل داده گفته شده و جعبهابزار کلان داده، به کاربران توانایی جدیدی در اصل موضوع تحلیل دادههای بزرگ، میدهد. در گام آخر، با پیادهسازی مثالهای بسیار کاربردی در دنیای واقعی، مقصد نهایی در چرایی و چگونگی ماهیت این دورهی آموزش، آشکار میشود.
ثبت نام: هر زمان که خواستید می توانید در این دوره ثبت نام کنید
شروع دوره: به محض ثبت نام در دوره به محتوای دروس دسترسی خواهید داشت.
پایان دسترسی به دوره: شما از زمان ثبت نام به مدت حداقل دو ماه به محتوای دوره (این بازه با توجه به مدت هر دوره متفاوت خواهد بود) دسترسی خواهید داشت.
پروژه: دارد
برگزار کننده: دانشگاه تهران
حد نصاب قبولی در دوره: 70 نمره
شما می توانید از طریق تالار گفتگو با دیگر دانشجویان دوره در ارتباط باشید، شبکه روابط حرفه ای خود را تقویت کنید یا سوالات مرتبط با دوره خود را از دیگر دانشجویان بپرسید.
Announcements
فصل اول - مقدمه ای بر داده کاوی 4
-
هدف از داده کاوی
-
ضرورت داده کاوی
-
داده کاوی چیست
-
کاربردهای داده کاوی
فصل دوم - کلان داده چیست 7
-
تعریف کلان داده
-
تاریخچه کلان داده
-
ویژگی های کلان داده
-
ابزار های رایج در تحلیل کلان داده
-
متلب و تحلیل کلان داده
-
پروژه میانی اول
-
پروژه میانی اول
فصل سوم - مفاهیم پایه در بحث کلان داده 8
-
مفاهیم پایه
-
پالایش داده - داده های ناموجود
-
پالایش داده - داده های نویزدار
-
پالایش داده - داده های پرت
-
یکپارچه سازی داده ها
-
کاهش داده ها
-
تبدیل داده ها
-
کوییز فصل سوم
فصل چهارم - پیاده سازی روش های تحلیل داده 9
-
توزیع احتمالی
-
اعداد تصادفی
-
تحلیل خوشه بر اساس افراز
-
تحلیل خوشه بر اساس چگالی
-
رگرسیون
-
دسته بندی مفاهیم اولیه
-
پروژه میانی دوم
-
پروژه میانی دوم
-
کوییز فصل چهارم
فصل پنجم - متلب و کلان داده 4
-
متلب و داده های بزرگ
-
دستورات جعبه ابزار آرایه های tall
-
دستورات پایه قابل استفاده برای آرایه های tall
-
کوییز فصل پنجم
فصل ششم - استفاده از جعبه ابزارهای تخصصی مرتبط با آرایه های tall 12
-
جعبه ابزار آماری و مصورسازی
-
جعبه ابزار توزیع احتمالاتی
-
جعبه ابزار خوشه بندی
-
جعبه ابزار رگرسیون
-
جعبه ابزار دسته بندی
-
مثال کاربردی اول
-
مثال کاربردی دوم و سوم
-
کوییز فصل ششم
-
پروژه پایانی
-
پروژه پایانی
-
اسلاید آموزشی دوره تحلیل دادههای بزرگ
-
درخواست صدور گواهينامه