ML-6
- Clustering: K-Means, Hierarchical clustering, DBSCAN
- Dimensionality reduction: PCA, t-SNE, UMAP
- Association rule mining (Apriori, FP-growth)
- Applications in anomaly detection and customer segmentation
ML-7
- Bagging, Boosting, Stacking
- Random Forest
- AdaBoost, Gradient Boosting, XGBoost
- Advantages and real-world use cases
یادگیری بدون نظارت (Unsupervised Learning)
- الگوریتمهای خوشهبندی: K-means، خوشهبندی سلسلهمراتبی، DBSCAN
- کاهش ابعاد: PCA، t-SNE، UMAP
- قوانین انجمنی (Association Rules): Apriori، FP-growth
- کاربردها در تشخیص ناهنجاری و بخشبندی مشتریان
یادگیری تجمعی (Ensemble Learning)
- Bagging، Boosting، Stacking
- Random Forest
- AdaBoost، Gradient Boosting، XGBoost
- مزایا و کاربردهای صنعتی