کتاب داده‌کاوی: کشف الگوهای پنهان با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی: کشف الگوهای پنهان

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: Data Science Development Lifecycle Programs

📋 سرفصل‌های دوره

• 1. مبانی داده‌کاوی و کاربردهای آن
• 2. مفاهیم کلیدی در داده‌کاوی
• 3. انواع داده‌ها و آماده‌سازی آن‌ها برای داده‌کاوی
• 4. پیش‌پردازش داده‌ها: پاکسازی و تبدیل داده‌ها
• 5. انتخاب ویژگی و کاهش ابعاد
• 6. روش‌های خوشه‌بندی: الگوریتم‌های پایه
• 7. خوشه‌بندی سلسله مراتبی
• 8. خوشه‌بندی مبتنی بر چگالی (DBSCAN)
• 9. ارزیابی خوشه‌بندی: معیارهای کیفیت
• 10. درخت تصمیم: مبانی و الگوریتم
• 11. ساخت درخت تصمیم و انتخاب ویژگی
• 12. ارزیابی و بهینه‌سازی درخت تصمیم
• 13. جنگل تصادفی: مبانی و کاربردها
• 14. تقویت یادگیری: معرفی و انواع
• 15. شبکه‌های عصبی مصنوعی: مفاهیم پایه
• 16. شبکه‌های عصبی چندلایه
• 17. یادگیری عمیق و معماری‌های آن
• 18. الگوریتم‌های طبقه‌بندی: KNN و SVM
• 19. SVM: هسته‌ها و کاربردها
• 20. قانون وابستگی: الگوریتم Apriori
• 21. قانون وابستگی: الگوریتم FP-Growth
• 22. تحلیل سبد خرید و کاربردهای آن
• 23. تشخیص ناهنجاری: روش‌های آماری
• 24. تشخیص ناهنجاری: روش‌های مبتنی بر یادگیری ماشین
• 25. کاربرد داده‌کاوی در بازاریابی
• 26. داده‌کاوی و پیش‌بینی فروش
• 27. داده‌کاوی در تشخیص تقلب
• 28. داده‌کاوی در حوزه سلامت
• 29. داده‌کاوی و تحلیل شبکه‌های اجتماعی
• 30. داده‌کاوی در تحلیل متن
• 31. پردازش زبان طبیعی (NLP) و داده‌کاوی
• 32. استخراج اطلاعات از متن
• 33. تحلیل احساسات و نظرات مشتریان
• 34. داده‌کاوی و تحلیل تصاویر
• 35. داده‌کاوی در سیستم‌های توصیه‌گر
• 36. توصیه‌گرهای مبتنی بر محتوا
• 37. توصیه‌گرهای مبتنی بر همکاری
• 38. داده‌کاوی و تحلیل داده‌های مکانی
• 39. داده‌کاوی و تحلیل سری‌های زمانی
• 40. تکنیک‌های پیش‌بینی سری‌های زمانی
• 41. ارزیابی مدل‌های داده‌کاوی
• 42. اعتبارسنجی متقابل (Cross-Validation)
• 43. انتخاب مدل و تنظیم پارامترها
• 44. ابزارهای داده‌کاوی: مقدمه‌ای بر Weka
• 45. ابزارهای داده‌کاوی: مقدمه‌ای بر RapidMiner