طرح درس آشنایی با تحلیل خوشهبندی در نرمافزار R
<p>به نام خدا</p><p><strong>طرح درس آشنایی با تحلیل خوشه‌بندی در نرم‌افزار&nbsp;R</strong></p><p>این دوره در قالب پنج جلسه دو ساعتی و نیم طرح ریزی شده که مجموعا شامل 12.5 ساعت آموزش خواهد بود. درضمن به عنوان مقدمه، مفاهیم اولیه برنامه‌نویسی&nbsp;R برای خوشه‌بندی نیز مورد توجه قرار می‌گیرد.</p><p><i><strong>درس یکم- مبانی خوشه بندی</strong></i></p><ul><li>آشنایی با محیط&nbsp;R و&nbsp;Rstudio و دستورات مربوط به ساختارهای داده</li><li>انواع داده ها و شیوه اندازه گیری فاصله برای داده های کمی و کیفی</li><li>آشنایی با مفهوم خوشه بندی و معرفی روش‌های آن</li></ul><p><i><strong>درس دوم- خوشه‌بندی سلسله مراتبی</strong></i></p><ul><li>ماتریس فاصله و نحوه محاسبه آن</li><li>آشنایی با مفهوم خوشه بندی و معرفی روش های آن</li><li>خوشه بندی سلسله مراتبی و خصوصیات آن</li><li>آشنایی با مفهوم پیوند و انواع آن</li><li>خوشه بندی سلسله مراتبی تجمیعی&nbsp;– تقسیمی</li><li>آشنایی با نمودار درختی – Dendrogram</li><li>برش نمودار درختی و تفسیر آن</li></ul><p><i><strong>درس سوم- خوشه‌بندی افرازی</strong></i></p><ul><li>معرفی خوشه بندی k-means&nbsp;و خصوصیات آن</li><li>تحلیل کارایی خوشه بندی k-means</li><li>خوشه بندی با الگوریتم PAM</li><li>معرفی الگوریتم CLARA</li></ul><p><i><strong>درس چهارم- خوشه‌بندی افرازی برمبنای چگالی یا تراکم</strong></i></p><ul><li>مفاهیم&nbsp;مربوط به همسایگی و تراکم</li><li>خصوصیات اصلی خوشه‌بندی برمبنای چگالی</li><li>معرفی الگوریتم&nbsp;DBSCAN و شناسایی داده پرت به کمک آن</li></ul><p><i><strong>درس پنجم- روش‌های ارزیابی خوشه‌بندی</strong></i></p><ul><li>ارزیابی خوشه‌بندی سلسله مراتبی</li><li>ارزیابی خوشه‌بندی افرازی</li><li>کاهش تعداد رنگ با تکنیک خوشه‌بندی&nbsp;k-mean در یک فایل تصویری</li><li>معرفی روش‌های دیگر خوشه‌بندی (خوشه‌بندی مقید)</li></ul>