کتاب صوتی مبانی خوشه بندی سلسله مراتبی: راهنمای گام به گام

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی خوشه بندی سلسله مراتبی: راهنمای گام به گام

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: خوشه بندی سلسله مراتبی (Hierarchical Clustering)

📋 سرفصل‌های دوره

• 1. آشنایی با مفهوم خوشه بندی در علم داده
• 2. کاربرد خوشه بندی در تحلیل داده
• 3. انواع روش‌های خوشه بندی
• 4. مبانی خوشه بندی سلسله مراتبی
• 5. مزایا و معایب خوشه بندی سلسله مراتبی
• 6. الگوریتم‌های خوشه بندی سلسله مراتبی
• 7. خوشه بندی تجمعی (Agglomerative Clustering)
• 8. مراحل خوشه بندی تجمعی
• 9. متریک‌های فاصله در خوشه بندی تجمعی
• 10. روش‌های پیوند (Linkage Methods)
• 11. پیوند تک‌گانه (Single Linkage)
• 12. پیوند کامل (Complete Linkage)
• 13. پیوند میانگین (Average Linkage)
• 14. پیوند ورد (Ward’s Linkage)
• 15. فاصله بین خوشه‌ها
• 16. تعیین تعداد بهینه خوشه‌ها
• 17. دندروگرام (Dendrogram) چیست؟
• 18. تفسیر دندروگرام
• 19. روش‌های برش دندروگرام
• 20. تعیین مرزهای خوشه با دندروگرام
• 21. خوشه بندی سلسله مراتبی divisive
• 22. مراحل خوشه بندی divisive
• 23. مقایسه روش‌های تجمعی و divisive
• 24. خوشه بندی سلسله مراتبی مبتنی بر پارتیشن‌بندی
• 25. خوشه بندی K-Means
• 26. مراحل الگوریتم K-Means
• 27. مزایا و معایب K-Means
• 28. مقایسه K-Means با خوشه بندی سلسله مراتبی
• 29. روش DBSCAN
• 30. مراحل الگوریتم DBSCAN
• 31. پارامترهای DBSCAN (Epsilon و MinPts)
• 32. مزایا و معایب DBSCAN
• 33. کاربرد DBSCAN در داده‌های نویزی
• 34. خوشه بندی مبتنی بر مدل (Model-Based Clustering)
• 35. توزیع گاوسی چندمتغیره
• 36. الگوریتم EM برای خوشه بندی
• 37. مزایا و معایب خوشه بندی مبتنی بر مدل
• 38. خوشه بندی با استفاده از شبکه‌های عصبی
• 39. خودرمزگذارها (Autoencoders) برای خوشه بندی
• 40. خوشه بندی مبتنی بر گراف
• 41. شبکه‌های انتشار (Propagation Networks)
• 42. خوشه بندی در داده‌های بزرگ (Big Data)
• 43. چارچوب‌های پردازش موازی برای خوشه بندی
• 44. Spark MLlib برای خوشه بندی
• 45. کاربرد خوشه بندی در بازاریابی
• 46. تقسیم‌بندی مشتریان (Customer Segmentation)
• 47. خوشه بندی محصولات
• 48. کاربرد خوشه بندی در پردازش تصویر
• 49. تشخیص اشیاء با خوشه بندی
• 50. خوشه بندی رنگ‌ها (Color Quantization)
• 51. کاربرد خوشه بندی در پردازش زبان طبیعی
• 52. مدل‌سازی موضوعی (Topic Modeling)
• 53. خوشه بندی اسناد
• 54. کاربرد خوشه بندی در پزشکی
• 55. تشخیص بیماری‌ها با خوشه بندی
• 56. خوشه بندی ژن‌ها
• 57. کاربرد خوشه بندی در علوم اجتماعی
• 58. تحلیل شبکه‌های اجتماعی
• 59. خوشه بندی رفتار کاربران
• 60. ارزیابی کیفیت خوشه‌ها
• 61. شاخص‌های ارزیابی داخلی (Internal Evaluation Metrics)
• 62. شاخص سیلوئت (Silhouette Score)
• 63. شاخص دیویس-بولدین (Davies-Bouldin Index)
• 64. شاخص ارزیابی خارجی (External Evaluation Metrics)
• 65. شاخص دقت (Accuracy)
• 66. شاخص تنظیم اطلاعات (Adjusted Rand Index)
• 67. تنظیم پارامترها در خوشه بندی
• 68. بهینه‌سازی پارامترهای خوشه بندی
• 69. روش‌های اعتبارسنجی متقابل (Cross-Validation)
• 70. خوشه بندی سلسله مراتبی در نرم‌افزار R
• 71. پیاده‌سازی خوشه بندی سلسله مراتبی با پایتون (Scikit-learn)
• 72. کتابخانه‌های مفید برای خوشه بندی
• 73. تجسم نتایج خوشه بندی
• 74. ابزارهای بصری‌سازی داده‌ها
• 75. ساخت داشبوردهای تحلیلی
• 76. چالش‌های عملی در خوشه بندی
• 77. مقیاس‌پذیری الگوریتم‌ها
• 78. مدیریت داده‌های نامتعادل
• 79. تفسیر نتایج در دنیای واقعی
• 80. ملاحظات اخلاقی در خوشه بندی داده‌ها
• 81. حریم خصوصی داده‌ها
• 82. سوگیری در الگوریتم‌ها
• 83. کاربرد خوشه بندی در تحلیل داده‌های مالی
• 84. شناسایی الگوهای معاملاتی
• 85. تشخیص تقلب مالی
• 86. خوشه بندی در تحلیل داده‌های جغرافیایی
• 87. تحلیل مکانی
• 88. نقشه‌برداری موضوعی
• 89. خوشه بندی سلسله مراتبی در داده‌های سری زمانی
• 90. شناسایی الگوهای فصلی
• 91. پیش‌بینی روندهای آتی
• 92. پرهیز از تحلیل‌های غیرعلمی و ترویج طب جایگزین
• 93. رعایت چارچوب‌های علمی و فقهی در موضوعات حساس
• 94. تأکید بر منافع ملی در تحلیل‌های تاریخی و سیاسی
• 95. فرهنگ خانواده ایرانی-اسلامی در روانشناسی روابط
• 96. انطباق با مقررات بانک مرکزی در حوزه اقتصاد و بانکداری
• 97. پوشش مناسب و شرعی در تمامی محتواهای بصری
• 98. توهین به مقدسات و شخصیت‌های دینی ممنوع
• 99. ترویج ربا، قمار و مواد مخدر ممنوع
• 100. روابط خارج از چارچوب شرع ممنوع