سبد خرید

معرفی الگوریتم KMeans و DBSCAN برای خوشه بندی داده‌ها

جلسه بعد
جلسه قبل

سرفصل خوشه‌بندی و الگوریتم‌های مختلف آن

برای مشاهده این دوره می بایست وارد شوید و در صورتی که عضو نیستید ثبت نام کنید.
آشنایی با خوشه بندی (Clustering) و کاربردهای آن 26:37
معرفی الگوریتم KMeans و DBSCAN برای خوشه بندی داده‌ها 18:04
خوشه‌بندی بر اساس مدل RFM بر روی مشتریان فروشگاه اینترنتی - قسمت اول 32:51
خوشه‌بندی بر اساس مدل RFM بر روی مشتریان فروشگاه اینترنتی - قسمت دوم 29:30
خوشه‌بندی، معیار WCSS و تکنیک Elbow 17:18
بررسی روش Silhouette و الگوریتم DBSCAN 21:44
تقسیم‌بندی تصاویر (Image Segmentation) با استفاده از الگوریتم‌های خوشه‌بندی - قسمت اول 29:51
تقسیم‌بندی تصاویر (Image Segmentation) با استفاده از الگوریتم‌های خوشه‌بندی - قسمت دوم 29:20
تقسیم‌بندی تصاویر (Image Segmentation) با استفاده از الگوریتم‌های خوشه‌بندی (Spectral Clustering) - قسمت سوم 26:50
تقسیم‌بندی تصاویر (Image Segmentation) با استفاده از الگوریتم‌های خوشه‌بندی (MeanShift) - قسمت چهارم 39:10
خوشه بندی بر روی متون (Text Clustering) - قسمت اول 33:09
خوشه بندی بر روی متون (Text Clustering) - قسمت دوم 30:21
تشخیص داده‌های پرت (Outlier Detection) - قسمت اول - الگوریتم LOF 32:23
تشخیص داده‌های پرت (Outlier Detection) - قسمت دوم - الگوریتم LOF 14:48
تشخیص داده‌های پرت (Outlier Detection) - قسمت سوم - الگوریتم‌های ABOD و IsolationForest 28:37
تشخیص داده‌های پرت (Outlier Detection) - قسمت چهارم 14:23
جمع بندی فصل + مباحث تکمیلی ارائه شده در آینده 11:11

در این جلسه به معرفی دو الگوریتم KMeans و DBSCAN برای خوشه بندی داده‌ها در ابعاد مختلف می‌پردازیم

مدرس : مسعود کاویانی
در مورد این جلسه سوالی دارید؟
1