کتاب صوتی PCA در یادگیری ماشین: پیش‌پردازش هوشمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره PCA در یادگیری ماشین: پیش‌پردازش هوشمند

موضوع کلی: علوم داده و تحلیل کلان‌داده (Big Data Analytics)

موضوع میانی: تحلیل مولفه‌های اصلی (PCA)

📋 سرفصل‌های دوره

• 1. پردازش داده‌های خام
• 2. مقدمه‌ای بر تحلیل مولفه‌های اصلی
• 3. مفاهیم اساسی PCA
• 4. محاسبه میانگین و کوواریانس
• 5. ماتریس کوواریانس و اهمیت آن
• 6. محاسبه بردارهای ویژه و مقادیر ویژه
• 7. انتخاب بهترین بردارهای ویژه
• 8. تبدیل داده‌ها با استفاده از PCA
• 9. کاهش ابعاد داده‌ها
• 10. ارزیابی کیفیت کاهش ابعاد
• 11. تفسیر بردارهای ویژه
• 12. کاربرد PCA در کاهش نویز
• 13. PCA برای نمایش داده‌ها در دو یا سه بعد
• 14. PCA و تصویرسازی داده‌ها
• 15. PCA و خوشه بندی داده‌ها
• 16. PCA برای تشخیص الگوها
• 17. PCA در کاهش پیچیدگی مدل‌ها
• 18. PCA در سرعت بخشیدن به الگوریتم‌ها
• 19. PCA برای افزایش دقت مدل‌ها
• 20. PCA در کاهش حافظه مورد نیاز
• 21. PCA در یادگیری ماشین نیمه‌نظارتی
• 22. PCA برای افزایش قابلیت تعمیم مدل‌ها
• 23. PCA و انتخاب ویژگی‌ها
• 24. PCA و حذف ویژگی‌های تکراری
• 25. PCA برای مقابله با ابعاد بالا
• 26. PCA و اثر چند‌خطی
• 27. PCA و اثر هم‌خطی
• 28. PCA و داده‌های پراکنده
• 29. PCA و داده‌های نامتوازن
• 30. PCA در پردازش تصویر
• 31. PCA در پردازش سیگنال
• 32. PCA در بیوانفورماتیک
• 33. PCA در مالی
• 34. PCA در بازاریابی
• 35. PCA در کنترل کیفیت
• 36. PCA در پیش‌بینی سری‌های زمانی
• 37. PCA و شبکه‌های عصبی
• 38. PCA و ماشین‌های بردار پشتیبان
• 39. PCA و درخت‌های تصمیم‌گیری
• 40. PCA و خوشه‌بندی K-means
• 41. PCA و الگوریتم‌های ژنتیک
• 42. PCA و روش‌های Bayesian
• 43. PCA در یادگیری تقویتی
• 44. PCA و یادگیری فعال