آموزش فارسی متلب برای داده بزرگ MATLAB for Big Data

ایران متلب — Wed, 21 Dec 2016 07:30:26 +0000

متلب برای داده بزرگ

یکی از سوالات علاقه مندان به big data از ما در کلاس ها و سمینارها ، نحوه استفاده از متلب برای کار با داده های حجیم است.

هم اکنون نرم افزارهای متعددی برای کار با داده های بزرگ وجود دارد مانند

IBM Bigdata Analytics

HP Big Data

SAP Bigdata Analysis

MicroSoft Bigdata

اما یادگیری این نرم افزارها زمان زیادی لازم دارد.

عده ای معتقد بودند که متلب چون یک زبان برنامه نویسی سطح بالا است ، لذا نمی تواند با داده های خیلی بزرگ کار کند و مشکل حافظه (memory) بر می خورد. صحبت این افراد کاملا درست می باشد. یکی از مشکلات متلب عدم توانایی کار با داده های حجیم می باشد. ولی گروه ایران متلب بعد از تحقیقات طولانی و تماس با کارشناسان متلب ، متوجه شد که از نسخه 2016 به بعد، متلب این مشکل را برطرف کرده است.

اکنون ما به برنامه نویسان متلب این خبر خوش را می دهیم که می توانید از این به بعد ، داده های بسیار بزرگ را در متلب بارگذاری کنید و عملیات پیچیده ای بر روی آنها انجام دهید و متلب آخ! هم نگوید.

این فیلم آموزشی به موضوع استفاده از متلب در داده های حجیم اختصاص دارد. ما به شما نحوه بارگذاری و استفاده از big data را آموزش می دهیم. در طول آموزش با چند مثال عملی ، سعی کرده ایم که نشان دهیم می توانید از داده های خیلی بزرگ هم در الگوریتم های یادگیری ماشین استفاده کنید.

امیدوارم از این محصول منحصربفرد ایران متلب نهایت استفاده و لذت را ببرید.

سرفصل :

معرفی یک سیستم آنالیز داده با متلب
به چه مقدار داده ، داده حجیم یا big data گفته می شود؟
چه مقدار داده برای یک کامپیوتر معمولی بزرگ است ؟
مشخصه های یک مسئله داده حجیم
آیا از کدهای معمولی متلب میتوان در داده بزرگ استفاده کرد؟
معرفی آرایه جدید
آیا میتوان چندین فایل را به عنوان یک متغییر در متلب تعریف کرد؟
آرایه های توزیع شده
آرایه های گرافیکی
آرایه های مخصوص داده بزرگ
محاسبات متلب در چه حافظه ای انجام می شوند؟
انجام محاسبات بر روی کارت گرافیک
چه موقع از آرایه های داده بزرگ استفاده می کنیم؟
چه نوع داده های بزرگی را متلب پشتیبانی می کند؟
کدام کلاس متغییر ها را پشتیبانی می کند؟
آیا یادگیری ماشین با داده های بزرگ میتوان در متلب انجام داد؟
وارد کردن داده های excel یا csv حجیم در متلب
پردازش موازی در داده بزرگ
تغییر داده های نا مشخص missing values
شروع برنامه نویسی متلب داده بزرگ
متغییر Tabular Text Data store
فیلد VariableNames
مفهوم … (سه نقطه)
مفهوم Delimiter
فیلد TreatAsMissing
فیلد MissingValues
فیلد TextscanFormat
فیلد ReadSize
فیلد SelectedFormat
پیش نمایش داده ها
استخراج بخشی از داده ها
فیلد SelectedVariableNames
فیلد SelectedFormats
تغییر فرمت فیلدها
عملیات بر روی داده های بزرگ درمتلب
مفهوم unevaluated
عملیات ریاضی
انتقال نتیجه حاصل به workspace
آیا هر دستوری را میتوان بر روی داده بزرگ اعمال کرد؟
دستورات حاوی NAN
استخراج قسمت های بالایی
استخراج قسمت های پایینی
اندیس دهی (logical و 1:k و end-k:end )
انتخاب خانه های مشخص
مرتب کردن
صعودی و نزولی
مرتب کردن بر اساس 2 ستون
حذف مقادیر گم missing value
رسم داده
رسم هیستوگرام
هیستوگرام دو بعدی
یک مثال یادگیری ماشین
وارد کردن دیتا به برنامه
مشخص کردن داده های ورودی و هدف آموزش
مشخص کردن داده های ورودی و هدف تست
آموزش مدل با داده های آموزش
تست مدل آموزش یافته
تبدیل داده های tabular به آرایه
ارزیابی مدل نهایی
محاسبه MSE
رسم نمودار خطا
معرفی توابع یادگیری ماشین که می توان در داده بزرگ استفاده کرد؟

مشاهده قسمت اول :

لینک دانلود (کیفیت اصلی)

نوشته آموزش فارسی متلب برای داده بزرگ MATLAB for Big Data اولین بار در ایران متلب پدیدار شد.

فیلم آموزش فارسی رگرسیون regression

ایران متلب — Fri, 13 May 2016 10:27:27 +0000

در مدلسازی آماری ، آنالیز رگرسیون یک فرایند آماری برای تخمین ارتباط بین متغییرها می باشد. این آنالیز شامل تکنیک های متعددی برای مدلسازی و تحلیل رگرسیون می باشد.

آنالیز رگرسیون کمک می کند تا چگونگی تغییر متغییرهای وابسته همزمان با تغییر یکی از متغییرهای مستقل را بتوانیم به خوبی داشته باشیم.

مدلهای رگرسیون ارتباط بین یک متغییر پاسخ (response) و یک یا چند متغییر ورودی را بیان می کنند. تولباکس یادگیری ماشین و آمار متلب (Statistics and Machine Learning Toolbox) به شما این اجازه را می دهد که مدلهای رگرسیون خطی و غیرخطی (شامل مدلهای stepwise و مدلهای ترکیبی) و خطی عمومی را برای داده های دلخواه استفاده کنید. شما همچنین با این تولباکس می توانید تست های فرضیه (hypothesis) را انجام دهید و نمودارهای مختلف برای آنالیز باقیمانده و مدل رگرسیون خود رسم کنید.

آنالیز رگرسیون به طور گسترده ای در پیش بینی استفاده می شود. در این کاربرد با یادگیری ماشین هم پوشانی دارد.

در این فیلم آموزشی در ابتدا رگرسیون به طور کامل تئوری آن معرفی شده است. سپس برنامه نویسی متلب MATLAB رگرسیون با مثالهای گوناگون آموزش داده شده است.