داده‌کاوی پیشرفته مفاهیم و الگوریتم‌ها

شابک: 9789642100392
سال چاپ: 1391
تعداد صفحه : 476
نویسنده: علی-ذوالقدر‌-شجاعی-جمال-شهرابی
ناشر: جهاد-دانشگاهی-واحد-صنعتی-امیرکبیر
توضیحات:

معرفی کتاب داده‌کاوی پیشرفته مفاهیم و الگوریتم‌ها علی ذوالقدر‌ شجاعی جمال شهرابی

کتاب «داده‌کاوی پیشرفته مفاهیم و الگوریتم‌ها» تألیف دکتر علی ذوالقدر شجاعی و دکتر جمال شهرابی، یکی از منابع غنی، مرجع و علمی در حوزه کشف دانش از پایگاه‌های داده و تحلیل‌های کلان آماری است. با گسترش حجم داده‌های سازمانی و پیچیدگی الگوهای پنهان در مجموعه‌داده‌های مدرن، این اثر با بیانی دقیق و ساختارمند، تکنیک‌های پیشرفته دسته‌بندی، خوشه‌بندی، استخراج قواعد انجمنی و روش‌های نوین کاهش ابعاد را تبیین می‌نماید. نویسندگان با ترکیب مبانی نظری ریاضی با کاربردهای عملی مهندسی صنایع و سیستم‌های هوشمند، بستری فراهم آورده‌اند تا خواننده بتواند مدل‌های پیش‌بینی و تصمیم‌گیری بهینه را به‌گونه‌ای اصولی تحلیل و در سناریوهای واقعی پیاده‌سازی کند.

مخاطبان هدف

• دانشجویان مقاطع کارشناسی ارشد و دکتری رشته‌های مهندسی صنایع، علوم کامپیوتر، مهندسی فناوری اطلاعات و مدیریت فناوری اطلاعات.

• داوطلبان آزمون‌های ورودی تحصیلات تکمیلی در گرایش‌های علوم تصمیم، مهندسی سیستم‌ها و هوش مصنوعی.

• متخصصان علم داده، تحلیل‌گران کسب‌وکار و کارشناسان هوش تجاری سازمان‌ها و صنایع بزرگ.

• پژوهشگران و علاقه‌مندان به مدلسازی آماری پیشرفته، یادگیری ماشین و تحلیل داده‌های کلان.

اهمیت آموزشی و مطالعه منابع جامع

مباحث داده‌کاوی، تحلیل سیستم‌ها و الگوریتم‌های هوشمند از ارکان کلیدی و امتیازآور در کنکورهای سراسری هر دو مقطع کارشناسی ارشد و دکتری به شمار می‌آیند و تسلط بر حل مسائل چندوجهی این حوزه برای ارتقای رتبه بسیار تعیین‌کننده است. داوطلبان گرامی می‌توانند برای دسترسی به ساختار منسجم آزمونی، بودجه‌بندی مباحث و خلاصه‌درس‌های تراز اول، بخش تخصصی جزوات و منابع آزمون دکتری تخصصی سراسری نیمه متمرکز را به دقت بررسی فرمایند.

ساختار و سرفصل‌های اصلی کتاب

1. مفاهیم مقدماتی و پیش‌پردازش داده‌ها: پاک‌سازی، کاهش بعد، تبدیل متغیرها و مدیریت مقادیر گم‌شده

2. روش‌ها و الگوریتم‌های پیشرفته دسته‌بندی: ماشین بردار پشتیبان (SVM)، شبکه‌های عصبی و یادگیری تجمعی

3. تکنیک‌های خوشه‌بندی عمیق: خوشه‌بندی سلسله‌مراتبی، مبتنی بر چگالی (DBSCAN) و تحلیل اعتبارسنجی خوشه‌ها

4. استخراج الگوهای مکرر و قواعد وابستگی: الگوریتم Apriori، ساختار FP-Growth و شاخص‌های جالب‌توجهی

5. تحلیل و کشف داده‌های پرت: روش‌های مبتنی بر فاصله، الگوهای چگالی و شناسایی ناهنجاری‌ها

6. ارزیابی، اعتبارسنجی مدل‌ها و روندهای نوظهور: منحنی‌های ROC، ماتریس اغتشاش و داده‌کاوی کلان‌داده‌ها

این کتاب / منبع برای چه مقطع و رشته‌هایی مناسب است؟

• کارشناسی ارشد: مهندسی صنایع (گرایش‌های سیستم‌های کلان اقتصادی-اجتماعی، بهینه‌سازی سیستم‌ها و مهندسی مالی)

• کارشناسی ارشد: مجموعه علوم کامپیوتر (علوم تصمیم و مهندسی دانش)، مهندسی کامپیوتر و مدیریت فناوری اطلاعات

• دکتری تخصصی: مهندسی صنایع، علوم کامپیوتر و سیستم‌های هوشمند کسب‌وکار

• علاقه‌مندان و داوطلبان می‌توانند جهت دسترسی به بسته آموزشی و جزوات متمرکز، از صفحه جزوات کارشناسی ارشد علوم تصمیم و مهندسی دانش استفاده نمایند.

ارزیابی و تست‌زنی با سوالات ادوار گذشته

مطالعه تست‌های کنکور کارشناسی ارشد سال‌های پیش، دید داوطلب را نسبت به نوع طراحی سوالات پیرامون پیچیدگی زمانی الگوریتم‌های داده‌کاوی، مقایسه ماتریس‌های درهم‌ریختگی و شاخص‌های کیفی خوشه‌بندی به شکل چشمگیری شفاف می‌سازد. پاسخ‌گویی به پرسش‌های چهارگزینه‌ای سال‌های گذشته بهترین روش برای سنجش عمق یادگیری و ارتقای مهارت در مدیریت زمان آزمون است؛ برای دانلود و بررسی نمونه تست‌های معتبر، داوطلبان می‌توانند به بخش اختصاصی سوالات آزمون کارشناسی ارشد سراسری رجوع نمایند.

در آزمون مقطع دکتری تخصصی، داوطلبان با تست‌ها و مسائل تحلیلی پیشرفته‌تری نظیر توجیه تئوریک الگوریتم‌های یادگیری ماشین، کاربرد داده‌کاوی در مدلسازی مسائل تصمیم‌گیری کلان و بهینه‌سازی شبکه‌های پیچیده روبه‌رو می‌شوند. تسلط کامل بر پاسخ‌های تشریحی سوالات ادوار گذشته، آمادگی ذهنی لازم جهت پاسخ‌دهی به پرسش‌های مفهومی و کسب رتبه برتر را تضمین می‌کند؛ علاقه‌مندان می‌توانند برای این منظور به مجموعه جامع سوالات دکتری تخصصی سراسری نیمه متمرکز مراجعه نمایند.