آموزش الگوریتم خوشه بندی K-Means (تئوری + پایتون) !

در این دوره (دوره الگوریتم خوشه بندی K-Means) هم بخش تئوری و هم بخش کدنویسی با پایتون از الگوریتم K-Means به صورت خیلی کامل توضیح داده شده است!

توجه: فروش این محصول متوقف شده است!

دلیل متوقف شدن فروش این محصول این است که در دوره یادگیری ماشین خودمون، به مبحث خوشه‌بندی به طور مبسوط‌تر پرداختیم! فلذا اگر علاقه‌مند هستید به اون دوره مراجعه کنید.

چرا کولاک گزینه خوبی است؟!

• این دوره (دوره الگوریتم K-Means) به شدت مبسوط است! [حدود 1 ساعت و 50 دقیقه دوره کاملاً مفید! شامل 18 قسمت!!!] دیگه خودتون تا آخرش بخونید که چقدر دوره مبسوط هست!
• هم بخش تئوری و هم بخش عملی [پایتون] از الگوریتم خوشه بندی K-Means پوشش داده شده است! [مثلاً در بخش تئوری با اسلایدهای انیمیشن‌دار به صورت مرحله به مرحله الگوریتم K-Means براتون توضیح داده میشه تا هیچ ابهامی در مورد خود الگوریتم بافی نمونه!] در بخش کدنویسی هم که خط به خط توضیح داده میشه و به طور کامل مورد بررسی قرار میگیره!
• فیلم‌هایی با کیفیت بالا به لحاظ سبک آموزشی! [در تمام دوره‌های پایتون کولاک سعی شده تا به سبک بزرگان دنیا فیلم‌ها ضبط شود!] احتمالاً شما هم با آموزش‌هایی روبرو شدید که فیم آموزشی 50 دقیقه است! و باید از اول تا آخر و به صورت کسل‌کننده‌ای بشینید تمام اون 50 دقیقه رو نگاه کنید! اما در کولاک خبری از این موارد نیست! و برای اولین بار در بین موسسات داخل کشور، فیلم‌ها به صورت کاملاً بهینه در اختیار شما قرار میگیره! یعنی بعد از تهیه دوره خواهید دید که فیلم‌ها به بخش‌های کوچکی تقسیم شده اند! و مدت زمان هر فیلم از حدود 10 الی 12 دقیقه تجاوز نمیکند! این نوع بخش‌بندی که چندین مزیت دارد:
  • اولاً مدرس و دانشجو میدانند که در آن آموزش قرار است چه محتوایی انتقال داده شود و تمرکز بالایی روی آن مبحث خواهند داشت!
  • از لحاظ روحی و انگیزشی هم این نوع بخش‌بندی خیلی مفیدتر و اصولی‌تر است! برای همین هم شرکت‌های خارجی معروف در حوزه آموزش، در تمام دوره‌هاشوون این نکته رو رعایت میکنن! وقتی شما قدم‌های کوچیک کوچیک بر میدارید، طبیعتاً خودتون هم از این حس تمام شدن بخش‌ها احساس خوبی خواهید داشت! تا اینکه یهو مواجه بشید با یک فیلم 50 دقیقه‌ای [یا حتی گاهاً 2 ساعت و 50 دقیقه‌ای!] پس در کولاک سعی شده این بخش‌بندی مباحث و سرفصل‌ها به نحو احسنت انجام شود!
• شما میتونید با برنامه‌ای که ما بهتون میدیم پیش برید! که در زیر این برنامه ارائه میشه!

برنامه پیشنهادی برای مطالعه دوره خوشه بندی K-Means !

برنامه استاندارد [مخصوص کسایی که عجله ندارن]!

شنبه: تا قسمت 6 فیلم‌ها رو ببینید و تمرین کنید و سعی کنید توی اون مباحث به تسلط برسید!

چهار شنبه: از قسمت 7 تا 14 رو ببینید و سعی کنید در این مباحث به تسلط برسید! در ضمن جلسه قبلی رو هم مرور کنید!

یک شنبه: از قسمت 15 تا آخر! در این جلسه نه تنها مباحث این جلسه رو باید سعی کنید مسلط بشید بلکه جلسه‌های قبلی رو مرور کنید!

برنامه فشرده [مخصوص کسایی که عجله دارن]!

شنبه و دوشنبه و پنج شنبه و محتوای هر روز هم دقیقاً مانند سه روزی است که در برنامه استاندارد گفتیم!

ببخشید اینجوری میگم! ولی چون برای خودم پیش اومده میگم! وقتی یک دوره رو تهیه میکنیم! جو گیر میشیم [هممون همین شکلی هستیم!] و میخوایم یک شبه اونو تموم کنیم! باور کنید اگر این کار رو بکنین، به ته دوره که برسید اول یادتون میره! پس لطفاً با همون برنامه پیشنهادی ما پیش برید! و مرور یادتون نره!

شاید مرور جلسات پیش، یکم براتون جذاب نباشه و دوست داشته باشید یهویی تموم کنید دوره رو! ولی به نظرم اشتباه میکنید! به نظرم مرور خیلی بخش مهمی است! و اگر سعی کنید مباحث رو بخونید و اصولی مرور کنید [حتی بعد از دوره] مطمئن باشید در این مبحث به تسلط خیلی خوبی میرسید!

پیش نیاز های این دوره !

برای این دوره باید موارد زیر رو بلد باشید!

• زبان برنامه نویسی پایتون ! [اگر بلد نیستید، میتونید به دوره پایتون کولاک که رضایت خوب کاربرها رو هم به همراه داشته استفاده کنید!]

آموزش زبان برنامه نویسی پایتون + فیلم + جزوه + تمرین !

• آشنایی مقدماتی با پکیج‌های numpy و pandas و matplotlib ! [این دوره هم به زودی در کولاک موجود می‌شود!]

سرفصل های دوره الگوریتم خوشه بندی K-Means !

• مروری بر انواع الگوریتم‌های یادگیری ماشین !
• محاسبه فاصله و روش‌های مختلف آن !
• مرکز ثقل [مفهوم + مثال عملی از نحوه محاسبه]!
• الگوریتم خوشه بندی K-Means به صورت قدم به قدم و به صورت کامل !
• چالش نقطه شروع الگوریتم K-Means و بحث درباره آن!
• چالش انتخاب k (تعداد خوشه مناسب) ذر الگوریتم K-Means و بحث کامل درباره آن! + آموزش نحوه انتخاب k مناسب به صورت قدم به قدم!
• چالش الگوریتم K-Means با داده های دسته ای (categorical data) ! در این موارد باید چه کرد؟ و از چه الگوریتم‌هایی میتوان استفاده کرد؟!
• چگونه در PyCharm کدها رو بخش بخش اجرا کنیم؟! [این مورد در ادامه برای پیاده سازی الگوریتم های مختلف یادگیری ماشین به شدت ضروری است!]
• بررسی و توضیح دیتاستی که در طول آموزش با آن کار خواهیم کرد و نحوه وارد کردن آن در زبان برنامه نویسی پایتون !
• نحوه انتخاب k مناسب (تعداد خوشه های مناسب) در الگوریتم K-Means در زبان برنامه نویسی پایتون !
• چگونگی ساخت مدل خوشه بندی K-Means با پکیج scikit-learn (یا همان sklearn) به صورت کامل و قدم به قدم!
• با مشکل شروع تصادفی خوشه بندی K-Means چه کنیم و چه روش‌هایی برای بهبود وجود دارد؟! [در این بخش ما الگوریتم KMeans++ را برای رفع مشکل شروع تصادفی الگوریتم K-Means انتخاب میکنیم! و نحوه پیاده سازی آن در پکیج Scikit-Learn را نیز آموزش خواهیم داد]!
• آموزش پیش‌بینی توسط مدل K-Means ساخته شده در گام قبلی! این مورد طبیعتاً برای مشاهدات آتی به شدت ضروری است!
• نحوه بدست آوردن مراکز خوشه ها حاصل از پیاده سازی الگوریتم K-Means در پایتون !
• آموزش کامل مصورسازی نتایج خوشه بندی های انجام شده توسط الگوریتم KMean !
• توضیح روش های خوشه بندی مبتنی بر فاصله (distance based clustering) ! و خوشه بندی مبتنی بر چگالی (density based clustering) و مقایسه آن‌ها! و اینکه K-Means جزو کدام دسته قرار میگیرد؟! و همچنین بیان اینکه هر کدام چه مشکلاتی دارند و چه خوبی‌هایی دارند؟! برای چه مسائلی کدامیک بهتر هستند؟! و سوالاتی از این دست!
• چالش خوشه بندی K-Means با داده های دور افتاده (داده های پرت یا همان outliers)! و اینکه در این مواقع بهتر است از چه الگوریتمی استفاده کنیم؟!

دوره الگوریتم K-Means کولاک،دوره‌ای تمام عیار !

همانطور که از مباحث هم مشکل است، مباحث خیلی خیلی کامل است! حتی میتونید دوره‌های معروف خارجی مثل بخش K-Means دوره A-to-Z رو با این دوره مقایسه کنید! به وضوح مطالب این دوره یک سر و گردن بالاتر از همه دوره هاست!