سلام بر همگی طبق روال گذشته رسیدن به امتحانات پایان ترم مطلب مهمی که می تونه تو امتحان بیاد را به شرح زیر اعلام می کنم انشا الله همگی دوستان این ترم را به خوشی تمام کنند و فارغ تحصیل شن .
مطلب مهم جلسه اول
1-تعاریف دانش ، خرد ، دیتا ، کیفیت
2-انواع داده ها نام ببرید
جلسه دوم
3-تعاریف داده کاوی ( دیتا ماینیگ )
4-EDA شرح دهید
5-اهداف داده کاوی نام ببرید
6-5 گام داده کاوی نام ببرید
جلسه سوم
6-تعریف مدل و الگوریتم شرح دهید
7-ویژگی مدل شرح دهید ( سه مورد ذکر شود )
8-انواع مدل های داده کاوی یه مورد شرح دهید
جلسات چهار الی شش
9-دو مورد متدولوژی Crisp Semma بطور کامل شرح دهید و تفاوت هر انها بطور مختصر بگویید
جلسه هفتم
10-انواع خوشه بندی نام ببرید
11-انواع خوشه بندی سلسله مراتبی بطور مختصر شرح دهید ( سه مورد )
12-اعتبار سنجی خوشه بندی غیر سلسله مراتبی نام ببرید
13-گام های اصلی خوشه بندی فقط نام ببرید ( هفت مورد )
14-انواع فاصله های خوشه بندی نام ببرید ( چهار مورد )
جلسه هشتم
15-شرح کامل به همراه فرمول الگوریتم K-Means
جلسه نهم و دهم
16-الگوریتم های ZeroR,OneR به همراه ماتریس بهمریختگی شرح دهید
17-روش ترکیبی Naive Baysiam شرح دهید.
جلسه یازدهم و دوازدهم
18-معیار های قواعد انجمنی شرح دهید ( سه مورد )
19-الگوریتم AIS ,,Setm توضیح داده و مزایا معایت انرا بگویید
20-الگوریتم Aprior , ApriorTID,Sprior Hybrid شرح دهید .
سلام و عرض خسته نباشید
تشکر بابت مطالب بسیار مفید