اپلیکیشن اندرویدی فلش‌کارت آموزشی داده‌کاوی و الگوکاوی با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی و الگوکاوی با پایتون

موضوع کلی: علوم داده و تحلیل هوشمند

موضوع میانی: تحلیل آماری و پردازش داده‌های ساختاریافته با پایتون

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌کاوی و الگوکاوی
• 2. جمع‌آوری و آماده‌سازی داده‌ها
• 3. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
• 4. کاوش در داده‌ها با استفاده از کتابخانه Pandas
• 5. تجسم داده‌ها با Matplotlib و Seaborn
• 6. آمار توصیفی برای داده‌کاوی
• 7. مفاهیم احتمال و توزیع‌های آماری
• 8. مقدمه‌ای بر یادگیری ماشین
• 9. رگرسیون خطی و چندگانه
• 10. رتبه‌بندی داده‌ها و الگوریتم‌های آن
• 11. دسته‌بندی داده‌ها: روش‌های پایه
• 12. درخت‌های تصمیم‌گیری
• 13. جنگل تصادفی
• 14. ماشین‌های بردار پشتیبان (SVM)
• 15. خوشه‌بندی K-means
• 16. خوشه‌بندی سلسله‌مراتبی
• 17. ارزیابی مدل‌های یادگیری ماشین
• 18. اعتبارسنجی متقابل (Cross-Validation)
• 19. انتخاب ویژگی و کاهش ابعاد
• 20. مقدمه‌ای بر داده‌های سری زمانی
• 21. تجزیه و تحلیل سری‌های زمانی
• 22. پیش‌بینی سری‌های زمانی با مدل‌های ARIMA
• 23. مفاهیم داده‌کاوی وب
• 24. استخراج اطلاعات از وب
• 25. تحلیل شبکه‌های اجتماعی
• 26. پردازش زبان طبیعی (NLP) مقدماتی
• 27. مدل‌سازی موضوعی با LDA
• 28. تحلیل احساسات
• 29. مقدمه‌ای بر داده‌کاوی متن
• 30. داده‌کاوی تصاویر: مفاهیم پایه
• 31. تشخیص الگو در تصاویر
• 32. یادگیری عمیق و شبکه‌های عصبی
• 33. شبکه‌های عصبی کانولوشنی (CNN)
• 34. شبکه‌های عصبی بازگشتی (RNN)
• 35. کاربرد داده‌کاوی در بازاریابی
• 36. کاربرد داده‌کاوی در تشخیص تقلب
• 37. کاربرد داده‌کاوی در پزشکی
• 38. داده‌کاوی و امنیت سایبری
• 39. مفاهیم پایگاه داده‌های NoSQL
• 40. کار با پایگاه داده MongoDB
• 41. کار با پایگاه داده Cassandra
• 42. مقایسه پایگاه داده‌های رابطه‌ای و NoSQL
• 43. مقدمه‌ای بر Apache Spark
• 44. پردازش داده‌های بزرگ با Spark
• 45. استفاده از Spark MLlib برای یادگیری ماشین