یکی از مهم ترین تکنیک های داده کاوی، خوشه بندی یا گروه بندی داده ها است. برای خوشه بندی (Clustering)، روش ها و الگوریتم های مختلفی وجود دارد ولی یکی از روش های پایه و پرکاربرد، خوشه بندی سلسله مراتبی (Hierarchical) است. خوشه بندی سلسله مراتبی برای داده های چند بعدی و حجیم احتیاج به انجام محاسبات سنگین و زیادی خواهد داشت که این م

هدف اصلی این آموزش، ورود دانش آموزان و دانشجویان به مفاهیم پیشرفته ترکیبیات است. در این میان، فراگیران با انواعی از روش های استدلال ریاضی، الگوهای مبتنی بر تفکر الگوریتمی و مدل سازی ریاضی نیز آشنا شده و آن ها را در مدل های واقعی به کار خواهند برد. رویکرد آموزشی این درس براساس آموزش مستقیم و به کمک حل تمرین و مث

خوشه بندی یا گروه بندی داده ها یکی از روش های پایه ای در داده کاوی است. برای خوشه بندی (Clustering) روش ها و الگوریتم های مختلفی وجود دارد ولی یکی از اصلی و پرکاربردترین خوشه بندی ها، خوشه بندی سلسله مراتبی (Hierarchical) است. خوشه بندی سلسله مراتبی برای داده های چند بعدی و حجیم احتیاج به انجام محاسبات سنگین و زیادی خواهد داشت که این م

این آموزش که بر اساس نظریه توابع و احتمال و همچنین توسعه نظریه مارتینگل ارائه شده است، که نظریه بسیار تخصصی است. این آموزش بر آن است که دانشجو را به صورت گام به گام از مفاهیم ساده و پایه به مباحث پیچیده برساند. از همین رو، این آموزش حاوی مثال های حل شده بسیاری است و همه کوشش نگارنده بر آن بوده است که مسائل در عین سادگی، حساسیت و

انجام آزمون های آماری به کمک نرم‌ افزارهای آماری بدون انجام محاسبات پیچیده امکان پذیر شده است. در چنین نرم‌ افزارهایی اغلب تصمیم در مورد نتیجه آزمون های آماری به کمک پی مقدار(p–value) انجام می شود ولی بیشتر کاربران در تفسیر و استفاده از این شاخص دچار سردرگمی و یا گمراهی می شوند.

از مهم ترین تکنیک های عملی داده کاوی که کاربرد زیادی در علوم مختلف دارد، می توان به خوشه بندی K میانگین اشاره کرد، که با توجه به بار محاسباتی زیاد آن، استفاده از کامپیوتر در انجام این فرایند، کمک شایانی به کاربران می کند. در این راستا بسته نرم افزاری SPSS قابلیت انجام این گونه محاسبات را دارد و به محققین در تحلیل خوشه بندی تفکیکی بر مبنای

در بخش ابتدایی این آموزش، پس از بیان مقدمات لازم برای محاسبات علمی در R، به محاسبات عددی و در بخش دوم به آمار و احتمالات و محاسبات مربوط به آن ها پرداخته شده است. اگر کاربران به حل مسائل تصادفی فکر کرده باشند و یا با آن روبه رو شده باشند، کاربرد آمار و احتمالات را می بینند و همچنین در دنیایی که دنیای داده ها است، برای جمع آوری، نظم دادن، تحلیل و تفسیر آن

استفاده از نمودارهای کنترل کیفی امروزه در بخش های کنترل کیفیت کارگاه ها و کارخانجات ترسیم می شود و مهندسین از طریق این نمودارها قادر به تشخیص صحت فرآیند تولید یا ارائه خدمات هستند. در این فرادرس، ابتدا فنون آماری مرتب با کنترل کیفیت آماری معرفی شده، سپس نمودارها و روش های آماری برای حل مسائل کیفیت به کار گرفته می شوند. هدف اصلی درس کنترل کیفیت