ارسال: #1

پیشنهاد میکنم مطالبی رو که حدس میزنیم توی امتحان میاد Share کنیم. یه چیزی شبیه نمونه سوال مطرح کنیم.

لیست تمریناتی که تا الان داشتیم رو عنوان کنیم و ببینیم مثلا از تمرینات ممکنه چه جوری سوال بیاد. مطالب غیر تمرین رو هم همینطور.

- تمرین ‫‪Data Warehousing‬‬: کشیدن جداول Fact و Dimension ممکن است در امتحان باشد اما پیاده سازی نیاز به SQL دارد.
- تمرین DataMining: نیاز به برنامه xlminer داشت. فکر نمیکنم بشه تو امتحان از این تمرین سوال داد.
- تمرین الگوریتم ژنتیک: به احتمال خیلی زیاد مشابهش میاد اما نمیدونم چه جوری حل میشه.
- تمرین شبکه های عصبی: به وسیله نرم افزار Mathlab حل میشود.

این موارد نیز توسط دوستان در گروه مطرح شده است:
- تعريف پارامتر هاي اصلي الگوريتم زنتيک
- به نظرم یک جدول نمونه میاد که درخت تصمیم را باید بکشیم که بعد برچسب هاشو مشخص کنیم
- به نظرم یه نمونه سوال که با روش k-mean و با استفاده از روش اقلیدسی حلش کنیم
-

ارسال: #2

با توجه به صحبتهای استاد در کلاس من موارد زیر را نیز توصیه میکنم:
محاسبه اعداد confidenceوsupportدر بحث Association
تفاوت databaseو datawarehouseو تعریف kbms از تمرین اول
تعریف واژه های کلیدی زیر:
iteration
tenfold
overfitting
Elitism
Frequented patterns
induction and deduction
backpropagation
ODS
staging
همچنین به نظر من انواع معماری های طراحی datawarehouse را با مزایا و معایب بخوانید.

ارسال: #3

چند مورد دیگر که در گروه MIS مطرح شده:
مزاياي GA را نام ببريد
iteration را درGA توضيح دهيد
در خصوص NN هم احتمالا یکی از گیت ها را بدهند و توضیح حل هم بخواهند.
فکر کنم DM process هم یکی از سوالات تعریفی کلی باشه.
مراحل الگوریتم ژنتیک
تفاوت OLTP و DW
انواع معماریهای DW
Association (مهم)
مراحل Pre Processing
انواع درخت های تصمیم
اجزای ANN
تعریف اصطلاح Converge یا همگرایی در شبکه های عصبی
چند نمونه از روشهای Unsupervised
مفهوم Training و مشکلات Training ضعیف و Overfeed و ...

ارسال: #4

لطفاً جواب تمرين اول اين درس (تفاوت MSS با DSS) ؟

ارسال: #5

سلام
مبحث GA به بعد در این ترم تدریس نشده است آیا این استاد طوری است که مباحث تدریس نکرده هم سوال بده یا خیر؟