Бүх сургалт ХУГАЦААГҮЙ буюу НАСАН ТУРШИЙН!
1900 оны үед Buckminster Fuller-ийн тооцоолсноор хүний мэдлэг нэг зуун өнгөрөхөд хоёр дахин нэмэгдэж байгааг гаргасан байна.
Харин орчин үед мэдээллийн хэмжээ 13 сар тутамд хоёр дахин өсч байгааг тооцоо гарсан бол тун удалгүй 12 цаг тутамд бүх мэдээлэл хоёр дахин нэмэгдэх эринд ирснийг IBM мэдэгджээ. Өдөр бүр цаг цагаар нийгэм, техник, байгаль, эрүүл мэнд, цаг уур гэх мэт олон шинжлэх ухааны салбарт өдөр бүр хурдацтай өсөн нэмэгдсээр байна.Энэхүү асар ихээр цугларсан мэдээллийг боловсруулах, шинжлэх, зүй тогтлыг илрүүлэн загварчлах, дүгнэх, урьдчилан таамаглах шинэ арга технологийг хөгжүүлэх зайлшгүй шаардлагатай болсон бөгөөд дэлхий даяаар судлаачид энэ чиглэлд ихээхэн анхаарал тавьж байна.
Энэ талын судалгааны нэг чиглэл бол англиар “Data mining” буюу “Өгөгдлийн тандалт” юм. “Өгөгдлийн олборлолт” гэж нэрлэх тохиолдол бас байдаг. Өөрөөр хэлбэл их хэмжээний өгөгдлөөс мэдлэг, дүгнэлт гаргаж авах, олборлох, тандах гэж тайлбарлаж болно.
Мөн мэдлэг олборлолт (knowledge extraction), өгөгдөл эсвэл загварын шинжилгээ (data, pattern, model analysis), өгөгдлийн археологи (data archaeology), өгөгдөл ухах (data dredging), өгөгдлөөс мэдлэг илрүүлэх, нээх (Knowledge Discovery from Data) гэх мэт олон нэр байдаг.
Машин сургалт (machine learning) нь дадлага, туршлагаар дамжин автоматаар сайжрах компъютерын алгоритмуудын судладаг бөгөөөд олон шинжлэх ухааны салбаруудад ашиглагдаж байгаа бөгөөд хиймэл оюуны дэд салбар юм. Машин сургалтын алгоритмууд нь тодорхой программчлалгүйгээр сургалтын өгөгдөлд тулгуурлан шийдвэр гаргах, урьдчилан таамаглах математик загвар байгуулдаг.
Харин өгөгдлийн тандалт нь хяналтгүй, хяналттай судалгааны аргаар өгөгдлийг шинжлэн машин сургалттай нилээд хамааралтай салбар юм. Бизнесийн асуудлыг шийдэхийн тулд энэ арга нь урьдчилан таамаглах шинжилгээ хийдэг.
Иймд энэхүү сургалтаар сүүлийн үед тренд болоод байгаа өгөгдлийг цэгцлэн урьдчилан боловсруулж, шинжилж, машин сургалтын аргуудаар түүний ирээдүйн төлөвийг илэрхийлэх загвар (pattern), мэдлэг (knowledge) үүсгэн, тайлбарлаж чаддаг болох юм.
Орчин үед хамгийн эрэлттэй, хамгийн өндөр цалинтай мэргэжлийн эхэнд өгөгдөл боловсруулах, машин сургалтаар загвар гаргадаг мэргэжил орж ирсэн байна. Тиймээс энэ сэдэв нь өөрийн каррерийг өсгөх, бизнесийг шинэ технологиор хурдасгах, хиймэл оюуны гайхалтай технологи бүтээх хүсэлтэй хүн бүрийн сурах зүйлийн эхний жагсаалтанд орж байгаа билээ.
Ингээд сургалт дээрээ уулзацгаая!
Хичээлүүд :
-
17:50R программын товч танилцуулга, сонгох шалтгаан, судлах сэдвүүд
-
12:48R программ суулгах, цэсүүдтэй танилцах, энгийн жишээ турших
-
18:19Тайлбар мөр хийх, Вектор, жагсаалт, массив, хүчин зүйлс, өгөгдлийн хүрээ зэрэг өгөгдлийн объекттой ажиллах
-
19:20Хувьсагчид утга олгох, төрлийг тодорхойлох, устгах функцууд, арифметик, харьцуулах, логик, шилжүүлэх зэрэг үйлдлүүдийг турших
-
15:10Repeat loop, while loop, for loop зэрэг давталтыг энгийн жишээ ашиглан турших
-
14:31Тэмдэгт мөрийн paste(), format(), nchar(), toupper(), tolower(), substring() функцуудыг ажиллуулах
-
18:36Багц шинээр суулгах, харах, шалгах, ажлын бэлэн горимд оруулах тухай
-
13:27Ажлын хавтас харах, тохируулах, CSV файл оруулах, унших, шинжлэх, шинээр үүсгэн бичих
-
15:02Функцын нэр, төрөл, аргументуудыг тодорхойлон, үүсгэх, урьдчилан тодорхойлогдсон функцуудыг ажиллуулах, тэмдэгт мөрийн тухай
-
09:30Өгөгдлийн эх үүсвэр Excel файлтай R програм ашиглан ажиллах
-
20:00Өгөгдөл, их өгөгдөл, өгөгдлийн шинжилгээ, өгөгдлийн сангийн тухай
-
22:39Өгөгдөл тандалт, машин сургалтын тухай
-
18:01Ангиллын аргын шийдвэрийн модны үндсэн ойлголт, аргууд, түүний дотор шийдвэрийн модны C5, CART, CHAID алгоритмын тухай
-
13:40Ангиллын мод үүсгэх зүрхний өвчний өгөгдөл, өгөгдлийн сан, түүний атрибутууд, гарал үүслийн тухай
-
11:00Машин сургалтын ангиллын модны алгоритмаар зүрхний өвчний өгөгдлийн сангийн хэв шинжийн тооцооллын тухай
-
10:09Машин сургалтын ангиллын модны алгоритмаар зүрхний өвчний өгөгдлийн сангийн хэв шинжийн тооцоолол хийх
-
16:26Зүрхний өвчний төлөвийг илэрхийлэх хэв шинж, ангилагчийг тайрах, үнэлгээ хийх
-
10:47Зүрхний өвчинг таамаглах модыг тайлбарлах
-
12:13Регресс модны үндсэн ойлголт, байгуулах үйл ажиллагаа, тайрахын аргын онолыг товч тайлбарлах болно.
-
09:14Регресс модоор зүрхний өвчний хэв шинжийг тооцоолох, rpart функцаар тооцоолон, rpart, plot функцаар график байгуулна
-
18:17Зүрхний цохилтын хэмжээнээс хамаарах зүрхний өвчин таамаглах регресс модыг тайлбарлах
-
12:35С5.0 алгоритмын тухай үндсэн ойлголт, түүний математик загвар, C4.5 хуваилбараас ялгагдах ялгаа
-
11:56C5 алгоритмаар мод үүсгэх
-
09:36C5 алгоритмаар мод үүсгэх, сайжруулна, багасгана (үргэлжлэл)
-
15:33C5.0 алгоритмаар үүссэн загварыг тайлбарлах, CART алгоритмын загвартай харьцуулан тайлбарлах болно
-
16:54C5 алгоритмаар байгуулсан модыг туршилтын багцаар таамаглах, үнэлэх
-
15:41Кредит картны мэдээлэлд боловсруулалт хийн, ерөнхий чиг хандлагыг тодорхойлох
-
08:37C5.0 функцын дүрэм (rules), сайжруулалт (boost) зэрэг аргументын тухай
-
10:48CHAID алгоритмын тухай
-
17:40CHAID алгоритмаар зүрхний өвчин таамаглах
-
13:06Байесын аргын тухай (Naive Bayes)
-
19:44Байес аргаар зүрхний өвчин таамаглах
-
15:44Байесын аргаар үүссэн загварыг тайлбарлах, харьцуулах
-
11:05Дүрэмд үндэслэсэн ангиллын арга (Rule-Based Classification )
-
11:05C5 алгоритмаар зүрхний өвчин таамаглах дүрэм үүсгэх
-
17:11Дүрэмд үндэслэсэн ангиллын Sequential Covering алгоритмын тухай
-
09:06JRip функцаар зүрхний өвчин таамаглах дүрэм үүсгэх
-
12:07Ангиллын аргуудын үр дүнг харьцуулах
-
13:56Загварын үнэлгээ
-
15:02confusionMatrix() функцын тухай
-
06:45confusionMatrix() функцын тухай (үргэлжлэл)
-
18:51Загварын үнэлгээ, Holdout & Random Subsampling, Cross-Validation аргууд, train() функц, зээлийн хэрэглэгчийн мэдээлэл
-
21:33trainControl(), train() функцаар зээлийн хэрэглэгчийн өгөгдөлтэй ажиллах
-
14:14trainControl(), train() функцаар зээлийн хэрэглэгчийн өгөгдөлтэй ажиллах (үргэлжлэл)
-
09:33Repeated cross validation аргыг trainControl(), train() функцаар дамжуулан зээлийн хэрэглэгчийн өгөгдөлд турших (үргэлжлэл)
-
10:39Загварын үнэлгээний Bootstrap арга, машины хурд ба замын тэмдэглэгээний өгөгдлийн багцын тухай
-
14:11Загварын үнэлгээний Bootstrap аргаар машины хурд ба замын тэмдэглэгээний өгөгдлийн багцыг шинжлэх
-
11:10Загварын үнэлгээний Bootstrap аргаар машины хурд ба замын тэмдэглэгээний өгөгдлийн багцыг шинжлэх (үргэлжлэл)
Машин сургалт ба Python хэлний үндэс
Хугацаа: 24 цаг 22 мин | Сурагчид: 1629 | Үнэ:
49,000
|
|
== Сурагчдын сэтгэгдлүүд ==