K-Means شاید شناخته شده ترین الگوریتم خوشه بندی باشد. در بسیاری از کلاسهای علوم داده مقدماتی و کلاسهای یادگیری ماشین تدریس می شود. درک و اجرای کد آسان است.

برای شروع ، ابتدا تعداد خوشه (گروه) را برای استفاده انتخاب می کنیم و به طور تصادفی نقاط مربوطه آنها را در فضا قرار می دهیم. سپس هر نقطه داده در گروهی قرار می گیرد که به نقاط تصادفی نزدیک تر است
بر اساس این خوشه بندی ، ما مرکز هر خوشه را به عنوان نقطه جدید انتخاب می کنیم و مرحله قبل را برای خوشه بندی جدید انجام می دهیم.
این مراحل را برای تعداد مشخصی یا تا زمانی که مراکز گروه بین تکرار تغییر چندانی نکنند. تکرار کنید. همچنین می توانید چند مرتبه مراکز گروه را به طور تصادفی مقداردهی کنید .
K-Means این مزیت را دارد که بسیار سریع است ، زیرا تنها محاسبه ما فاصله بین نقاط و مراکز گروه است. بنابراین پیچیدگی خطی O(n) دارد.
از طرف دیگر ، K-Means دو عیب دارد. اول اینکه باید تعداد خوشه ها را انتخاب کنید. ما بعضی اوقات نیاز داریم الگوریتم این کار را برای ما انجام دهد زیرا می خواهیم دیدی از داده ها بدست آوریم. دوم اینکه K-mean با انتخاب تصادفی مراکز خوشه شروع می شود و بنابراین ممکن است نتایج خوشه بندی متفاوتی را در اجرای های مختلف الگوریتم بدست آورد.
K-Medians یکی دیگر از الگوریتم های خوشه بندی مربوط به K-Means است ، با این تفاوت که به جای محاسبه مرکز گروه با استفاده از میانه بردار نقاط جدید را بوجود می آورد. این روش نسبت به نقاط پرت حساسیت کمتری دارد (به دلیل استفاده از Median) اما برای مجموعه داده های بزرگتر بسیار کندتر است زیرا هنگام محاسبه میانه بردار مرتب سازی در هر تکرار مورد نیاز است.

K-Means تنها یکی از الگوریتم های خوشه بندی است، برای آشنایی با دیگر الگوریتم های خوشه بندی روی لینک زیر کلیک کنید.

https://bigpro1.com/fa/clustering/

 DSS ارتباط محور

گروه هدف بیشتر DSS های ارتباط محور، تیم های داخلی از جمله شرکا و همکاران است.

هدف این سیستم های تصمیم یار، کمک به برگزاری جلسه یا همکاری با کاربران است. رایج ترین تکنولوژی استفاده شده برای راه اندازی این DSS ، سرور وب یا کلاینت است.

نمونه هایی از انواع سیستم های تصمیم یار ارتباط محور شامل چت و نرم افزارهای پیام رسان فوری، همکاری آنلاین و سیستم های نت میتینگ می باشد.

 DSS داده محور
گروه هدف اغلب DSS های داده محور مدیران، کارکنان و همچنین تامین کنندگان محصولات / خدمات هستند. که برای جستجو از یک پایگاه داده به منظور جستجوی پاسخ های خاص برای اهداف خاص استفاده می شود.

این سیستم از طریق یک سیستم فریم اصلی، لینک کلاینت/سرور یا از طریق وب کار می کند. نمونه هایی از انواع سیستم های تصمیم یار داده محور شامل پایگاه داده های مبتنی بر کامپیوتر دارای یک سیستم جستجو برای بررسی میباشد. (شامل ترکیب داده هایی جهت افزودن به پایگاه داده های موجود).

 DSS سند محور

DSS های سند محور رایج تر بوده و در پایگاه های گسترده ای از گروه های کاربری مورد استفاده قرار می گیرند. هدف چنین DSS ای جستجو در صفحات وب و پیدا کردن اسناد در مجموعه خاصی از کلمات کلیدی یا شرایط جستجوست.

تکنولوژی معمولی برای راه اندازی چنین DSS ای، از طریق وب یا یک سیستم کلاینت / سرور است.

در این مقاله به سه مورد از انواع DSSها اشاره کردیم. برای مطالعه مطالب تکمیلی اینجا کلیک کنید.

آزمون های آماری مورد استفاده جهت تجزیه و تحلیل اطلاعات به دست آمده از یک گروه کوچک(نمونه) و تعمیم آن به جامعه مورد نظر با توجه به مقیاس اندازه گیری متغیرها، به دو گروه "پارامتریک" و "ناپارامتریک" تقسیم می شوند. آزمون های پارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله ای و نسبی می پردازند که حداقل شاخص آماری آنها میانگین و واریانس است. در حالی که آزمون های ناپارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه ای می پردازند که شاخص آماری آنها میانه و نما است.

یک. آزمون های پارامتریک آمار استنباطی

  از پرکاربردترین آزمون های پارامتریک می توان به آزمون t و آزمون تحلیل واریانس اشاره کرد. آزمون t، توزیع یا در حقیقت خانواده ای از توزیع ها است که با استفاده از آنها فرضیه هایی که درباره نمونه در شرایط جامعه ناشناخته است، آزمون می شود. اهمیت این آزمون(توزیع) در آن است که پژوهشگر را قادر می سازد با نمونه های کوچکتر(حداقل 2 نفر) اطلاعاتی درباره جامعه به دست آورد. آزمون t شامل خانواده ای از توزیع ها است(برخلاف آزمونz ) و این طور فرض می کند که هر نمونه ای دارای توزیع مخصوص به خود است و شکل این توزیع از طریق محاسبه درجات آزادی مشخص می شود. به عبارت دیگر توزیع t تابع درجات آزادی است و هرچه درجات آزادی افزایش پیدا کند به توزیع طبیعی نزدیکتر می شود. از سوی دیگر هرچه درجات آزادی کاهش یابد، پراکندگی بیشتر می شود. خود درجات آزادی نیز تابعی از اندازه نمونه انتخابی هستند. هرچه تعداد نمونه بیشتر باشد بهتر است. از آزمون t می توان برای تجزیه و تحلیل میانگین در پژوهش های تک متغیری یک گروهی و دوگروهی و چند متغیری دوگروهی استفاده کرد.

  زمانی که پژوهشگری بخواهد بیش از دو میانگین(بیش از دو نمونه) را با هم مقایسه کند، باید از تحلیل واریانس استفاده کند. تحلیل واریانس روشی فراگیرتر از آزمون t است و برخی پژوهشگران حتی وقتی مقایسه میانگین های دو نمونه مورد نظر است نیز از این روش استفاه می کنند. طرح های متنوعی برای تحلیل واریانس وجود دارد و هر یک تحلیل آماری خاص خودش را طلب می کند. از جمله این طرح ها می توان به تحلیل یک عاملی واریانس(تحلیل واریانس یک راهه) و تحلیل عاملی متقاطع واریانس، تحلیل واریانس چندمتغیری، تحلیل کوواریانس یک متغیری و چندمتغیری و ... اشاره کرد.

ب. آزمون های ناپارامتریک آمار استنباطی

  در پژوهش هایی که در سطح مقیاس های اسمی و رتبه ای اجرا می شوند، باید از آزمون های ناپارامتریک برای تجزیه و تحلیل اطلاعات استفاده شود. آزمون های زیادی برای این امر وجود دارد که براساس نوع تحلیل(نیکویی برازش، همسویی دو نمونه مستقل، همسویی دو نمونه وابسته، همسویی K نمونه مستقل و همسویی K نمونه وابسته) و مقیاس اندازه گیری می توان دست به انتخاب زد. از آزمون های مورد استفاده برای پژوهش ها در سطح اسمی می توان به آزمون 2χ، آزمون تغییر مک نمار، آزمون دقیق فیشر و آزمون کاکرن اشاره کرد. از آزمون های مورد استفاده برای پژوهش ها در سطح رتبه ای می توان به آزمون های کولموگروف اسمیرونف، آزمون تقارن توزیع، آزمون علامت، آزمون میانه، آزمون Uمان ویتنی، آزمون تحلیل واریانس دو عاملی فریدمن و ... اشاره کرد.

برای آشنایی بیشتر با آمار استنباطی  پیشنهاد میکنم مقاله "آمار استنباطی چیست؟" وبسایت بیگ پرو1 را مطالعه کنید.

API مخفف رابط کاربردی برنامه نویسی بوده و مجموعه ای از پروتکل هایی است که به منظور ساخت و یکپارچه سازی نرم افزار استفاده می شود. API اجازه می دهد تا محصول یا خدمات شما با سایر محصولات و خدمات دیگر، ارتباط برقرار کند بدون اینکه بداند چطور آنها برنامه نویسی شده اند. این امر می تواند توسعه ی برنامه، صرفه جویی در وقت و هزینه را برای شما آسان کند. هنگامی که محصولات و نرم افزارهای جدیدی را طراحی کرده و آن ها را مدیریت می کنید، API به شما انعطاف پذیری و آزادی عمل می دهد و فرصت هایی برای ایده های جدید فراهم می کند.

اگر به مطالعه apiها علاقه دارید وبسایت بیگ پرو1 را مطالعه کنید.

ایده ی ابتدایی پشت یک شبکه عصبی، شبیه سازی (کپی کردن ساده و درعین حال پایدار) بسیاری از سلول های مغزی متصل داخل یک کامپیوتر است تا بتوان اعمال یادگیری، شناسایی الگوها و تصمیم گیری انسان گونه را انجام داد. نکته ی جالب توجه درمورد شبکه ی عصبی این است که نیازی نیست آن را برای یادگیری صریح، برنامه ریزی کنید. این شبکه در واقع می تواند همه چیز را مانند مغز انسان، خودش یاد بگیرد.
اما این شبکه ی عصبی، مغز نیست. در نظر داشتن این نکته مهم است که شبکه های عصبی عموما شبیه سازهای نرم افزاری هستند که با برنامه نویسی برای کامپیوترهای بسیار ساده و پیش پاافتاده راه می افتند و با روش های قبلی خود و با استفاده از ترانزیستورها و دروازه های منطقی خود کار می کنند تا به مانند میلیاردها سلول مغزی متصل و موازی رفتار کنند. هیچ کس تا به حال حتی تلاش هم نکرده است تا کامپیوتری بسازد که با ترانزیستورهایی با ساختار موازی مانند مغز انسان کار کند. به عبارت دیگر تفاوت شبکه ی عصبی با مغز مانند تفاوت مدل کامپیوتری آب وهوا با ابر، برف، و هوای آفتابی درواقعیت است. شبیه سازی کامپیوتر تنها مجموعه ای از متغیرهای جبری و معادلات ریاضی است که آن ها را به هم متصل می کند (اعداد ذخیره شده در جعبه هایی که مقادیر آن ها دائما درحال تغییر است). این شبیه سازی ها برای کامپیوترها هیچ معنایی ندارد و تنها برای افرادی که برنامه آن ها را می نویسند بامعنا است.

برای مطالعه بیشتر درمورد شبکه عصبی روی لینک زیر کلیک کنید.

https://bigpro1.com/fa/neura-networks/

آماده سازی داده ها یا data preparation فرآیند تهیه و ارائه داده ها برای کشف داده ها، داده کاوی و تجزیه و تحلیل پیشرفته است. هدف از تهیه داده ها پشتیبانی از تحلیل گران تجارت و دانشمندان داده با تهیه انواع داده ها برای اهداف تحلیلی آن ها است. تهیه داده ها می تواند در بخش های تجاری انجام شود و یا به طور متمرکز توسط IT انجام شود. آماده سازی داده ها یک زیر دامنه ادغام داده است که می تواند با ابزارهای اختصاصی یا ابزارهای سنتی برای ادغام داده ها مانند ابزارهای ETL، مجازی سازی داده ها یا اتوماسیون انبار داده اجرا شود. BARC برای کسب اطلاعات بیشتر در مورد تفکر فعلی در زمینه تهیه اطلاعات، یک تحقیق مستقل از بیش از 695 متخصص BI از طیف وسیعی از صنایع در سراسر جهان انجام داد. نظر سنجی BARC ” تهیه داده: پالایش داده های خام” یکی از بزرگ ترین مطالعات با تمرکز بر شرایط، مزایا و چالش های تهیه داده است.

برای مطالعه بیشتر درمورد آماده سازی داده اینجا کیک کنید.

روش های یادگیری عمیق
در یادگیری عمیق از روش های متفاوتی استفاده می شود. این روش ها بسته به کاربردهای متفاوت یادگیری عمیق و نوع داده های ورودی و خروجی موردنیاز انتخاب می شود. از میان این انواع یادگیری عمیق ما 2 شیوه بسیار مرسوم را در اینجا معرفی می کنیم.

شبکه های عصبی کلاسیک (Classic Neural Networks)
به این روش «شبکه عصبی کاملاً متصل» هم گفته می شود. این روش توسط فرانک روزنبلات و در سال ۱۹۵۸ ابداع شد. این روش را با پرسپترون های چندلایه می شناسیم. پرسپترون جایی است که این لایه های به یک لایه پیوسته متصل می شود.

شبکه های عصبی پیچشی (Convolutional Neural Networks)
این روش بیشتر از شبکه عصبی چشم گربه الهام گرفته است و بیشتر برای تحلیل داده های تصویری استفاده می شود. این الگوریتم یادگیری عمیق تصاویر ورودی را دریافت می کند و به هر یک از اشیا یا جنبه های موجود در تصویر وزن های قابل یادگیری می دهد. به این معنا که مشخص می کند هر کدام از اطلاعات موجود در آن تصویر چه قدر مهم است. این الگوریتم می تواند هرکدام از چیزهای موجود در تصویر را از هم متمایز کند.

در بالا به دو مورد از روش های یادگیری عمیق اشاره شد، اگر به دنبال مطلبی مفید درمورد یادگیری عمیقهستید و یا قصد دارید پروژه یادگیری عمیق انجام دهید میتوانید به وبسایت بیگ پرو1 مراجعه کنید.

اما از یادگیری ماشین برای تحلیل داده های پزشکی نیز استفاده می شود. یادگیری ماشین در علم پزشکی در رابطه با توسعه الگوریتم ها و مدل های جدیدی است که می توانند داده های پزشکی را تحلیل کنند تا از این طریق تشخیص های کلینیکی نیز بهبود یابند. امروزه کاربردهای یادگیری ماشین در پزشکی در حوزه های زیر است:

          قلب و عروق

         سرطان (سرطان روده بزرگ و سینه)

         زنان و زایمان

         ارتوپدی (آرتروسکوپی، تعویض مفصل ران)

         نورولوژی

         بهداشت عمومی

یکی از الگوریتم های یادگیری ماشین که کاربرد بسیاری در پزشکی دارد، یادگیری ماشین خودکار است، در ادامه قصد داریم شما را با یک کاربرد یادگیری ماشین خودکار در پزشکی آشنا کنیم، برای خواندن این مقاله جذاب روی لینک زیر کلیک کنید.

https://bigpro1.com/fa/article-application-of-automated-machine-leaing-in-medicine/

آمار توصیفی اصطلاحی است که به تجزیه و تحلیل داده ها اطلاق می شود که به توصیف، نمایش یا خلاصه کردن داده ها به شیوه ای معنی دار کمک می کند، به طور مثال، الگوهایی ممکن است از داده ها پدیدار شوند. با این حال، آمار توصیفی به ما اجازه نمی دهد فراتر از داده هایی که تحلیل کرده ایم نتیجه گیری کنیم یا در مورد فرضیه هایی که ممکن است داشته باشیم به نتیجه گیری برسیم. آنها به سادگی راهی برای توصیف داده های ما هستند.

آمار توصیفی بسیار مهم است، زیرا اگر داده های خام خود را به سادگی ارائه کنیم، تجسم آنچه که داده ها نشان می دهند، دشوار خواهد بود، به خصوص اگر تعداد زیادی از آن ها وجود داشته باشد. بنابراین آمار توصیفی ما را قادر می سازد تا داده ها را به روشی معنادارتر ارائه کنیم، که امکان تفسیر ساده تر داده ها را فراهم می کند. به عنوان مثال، اگر ما نتایج 100 قطعه از درس دانش آموزان را داشته باشیم، ممکن است به عملکرد کلی آن دانش آموزان علاقه مند باشیم. ما همچنین علاقه مند به توزیع یا گسترش علائم هستیم. آمار توصیفی این امکان را به ما می دهد. نحوه توصیف صحیح داده ها از طریق آمار و نمودارها موضوع مهمی است که در سایر راهنماهای آمار Laerd بحث شده است. به طور معمول، دو نوع کلی از آمار وجود دارد که برای توصیف داده ها استفاده می شود:

معیارهای گرایش مرکزی: اینها روش هایی برای توصیف موقعیت مرکزی توزیع فرکانس برای گروهی از داده ها هستند. در این مورد، توزیع فراوانی صرفاً توزیع و الگوی نمرات کسب شده توسط 100 دانش آموز از کمترین به بالاترین است. ما می توانیم این موقعیت مرکزی را با استفاده از تعدادی آمار از جمله حالت، میانه و میانگین توصیف کنیم.

وبسایت بیگ پرو1 یک وبسایت جامع برای انجام تحلیل های شما

https://bigpro1.com/fa/descriptive-statistics/

اندازه گیری های گسترش: این ها روش هایی برای خلاصه کردن گروهی از داده ها با توصیف میزان پراکندگی امتیازها هستند. به عنوان مثال، میانگین نمره 100 دانش آموز ما ممکن است 65 از 100 باشد. با این حال، همه دانش آموزان نمره 65 را کسب نکرده اند. بلکه امتیازات آنها پخش خواهد شد. برخی پایین تر و برخی دیگر بالاتر خواهند بود. مقیاس های گسترش به ما کمک می کنند تا میزان پراکندگی این امتیازات را خلاصه کنیم. برای توصیف این گسترش، تعدادی آمار از جمله محدوده، چارک، انحراف مطلق، واریانس و انحراف معیار در دسترس ما است.
هنگامی که از آمار توصیفی استفاده می کنیم، مفید است که گروه داده های خود را با استفاده از ترکیبی از توضیحات جدول بندی شده (به عنوان مثال، جداول)، توصیف گرافیکی (یعنی نمودارها و نمودارها) و تفسیر آماری (یعنی بحث در مورد نتایج) خلاصه کنیم.

با توجه به تنوع روش ها و پیچیدگی محاسبات در تحلیل های آماری، استفاده از نرم افزارهای رایانه ای گریز ناپذیر است. از طرفی نرم افزارهای مختلفی برای انجام چنین تحلیل های توسعه یافته اند. بنابراین انتخاب نرم افزار مناسب که مطابق با نیازها و احتیاج ما باشد، امری ضروری به نظر می رسد. در این نوشتار سعی شده که با ویژگی ها و امکاناتی که نرم افزارهای پرطرفدار در این زمینه دارند آشنا شده و آن ها را با یکدیگر مقایسه کرده تا شاید پس از مطالعه، دست به انتخاب بهتری بزنید. نرم افزارهای انتخابی برای مقایسه در اینجا Minitab، SAS، R و همچنین SPSS هستند که همگی از پرطرفدارترین و به روزترین برنامه های محاسبات و تحلیل های آماری محسوب می شوند.
از لحاظ سابقه، می توان SAS را قدیمی ترین نرم افزار در این حوزه نامید. SAS در سال 1966 در دانشگاه کرولینای شمالی متولد شد و توسعه یافت. چندی بعد، یعنی در سال ۱۹۶۸ شرکت SPSS بسته محاسبات آماری خود را ارائه داد. Minitab نیز یکی نرم افزارهایی است که توسط دانشگاه پسنیلوانیا در سال 1972 معرفی شد. ولی R یکی از جدیدترین زبان های محاسبات آماری است که در سال ۱۹۹۲ توسط دانشگاه اوکلند (Auckland) در نیوزیلند مورد بهره برداری قرار گرفت. در حقیقت R یک زبان برنامه نویسی است که برای انجام محاسبات آماری طراحی گردیده است و فرزند خوبی برای زبان محاسبات آماری S محسوب می شود.

ویژگی های اصلی نرم افزارهای تحلیل آماری
ویژگی های اصلی نرم افزارهای آماری را می توان به چند گروه تقسیم کرد:

خصوصیات مربوط به زبان توسعه و رابط کاربران
خصوصیات مربوط به امکان ترسیم نمودارها
خصوصیات مربوط به تحلیل واریانس
خصوصیات مربوط به محاسبه انواع روش های رگرسیونی
خصوصیات مربوط به تحلیل های سری زمانی
خصوصیات مربوط به محاسبات آمار توصیفی و تحلیل های اختصاصی

اگر به دنبال نرم افزار کاربردی برای انجام تحلیل آماری هستید به شما پیشنهاد می کنم از ابزار دقیق و کاربردی بیگ پرو1 استقاده کنید، این ابزار علاوه بر دقت و هزینه خیلی کم در سریعترین حالت ممکن تحلیل آماری شما را انجام میدهد.

یادگیری ماشین خودکار (AutoML) به چه معناست؟ یادگیری ماشین خودکار (AutoML) یک رشته عمومی است که شامل خودکارسازی وظایف تکراری در فرآیند یادگیری ماشینی (ML) است. هدف مهم AutoML کاهش نیاز به دانشمندان داده با تحصیلات بالا برای ساخت، آموزش و نگهداری الگوریتم های یادگیری ماشینی است. یک سازمان از هوش مصنوعی (AI) برای حل مشکلات تجاری استفاده می کند و آن را برای توسعه دهندگان نرم افزار داخلی و متخصصان خط کسب و کار (LOB) آسان تر می کند.Bedan آموزش خودکار ماشین (AutoML) را توضیح می دهد برخی از تکنیک ها و ابزارهای یادگیری ماشین خودکار به منظور تسریع و خودکارسازی آماده سازی داده ها - تجمیع داده های کلی از منابع مختلف - طراحی شده اند. بخش های دیگر این فرآیند مهندسی ویژگی ها را هدف قرار می دهند انتخاب ویژگی و استخراج ویژگی بخش بزرگی از نحوه عملکرد الگوریتم های یادگیری ماشین هستند. خودکارسازی این موارد می تواند فرآیند طراحی یادگیری ماشین را بیشتر بهبود بخشد. یکی دیگر از بخش های یادگیری ماشین خودکار، بهینه سازی فراپارامتر است که از طریق روش های مختلف انجام می شود. مهندسان می توانند از تکنیک های فراابتکاری مانند بازپخت شبیه سازی شده یا سایر فرآیندها برای ایجاد یادگیری خودکار ماشین استفاده کنند. نکته پایانی این است که یادگیری ماشینی خودکار یک اصطلاح فراگیر برای هر تکنیک یا تلاشی برای خودکار کردن هر بخشی از فرآیند یادگیری ماشینی «پایان به انتها» است.

برایخواندن مطالب بیشتر درمورد یادگیری ماشین خودکار و یا انجام پروژه یادگیری ماشین خودکار روی لینک زیر کلیک کنید.
https://bigpro1.com/fa/automated-machine-leaing/