کتاب صوتی داده‌کاوی و بصری‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی و بصری‌سازی

موضوع کلی: برنامه نویسی مقدماتی

موضوع میانی: Data Visualization

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌کاوی
• 2. جمع‌آوری و آماده‌سازی داده‌ها
• 3. پاکسازی داده‌ها و مدیریت مقادیر گمشده
• 4. تبدیل داده‌ها و نرمال‌سازی
• 5. مفاهیم آماری در داده‌کاوی
• 6. تحلیل اکتشافی داده‌ها (EDA)
• 7. مصورسازی داده‌ها با نمودارهای پایه
• 8. انتخاب ویژگی و کاهش ابعاد
• 9. خوشه‌بندی: الگوریتم‌های K-Means
• 10. خوشه‌بندی سلسله مراتبی
• 11. ارزیابی خوشه‌بندی
• 12. دسته‌بندی: مفاهیم و روش‌ها
• 13. درخت تصمیم‌گیری
• 14. جنگل تصادفی
• 15. ماشین بردار پشتیبان (SVM)
• 16. شبکه‌های عصبی مصنوعی: مقدمه‌ای
• 17. شبکه‌های عصبی عمیق
• 18. ارزیابی مدل‌های دسته‌بندی
• 19. رگرسیون خطی
• 20. رگرسیون چندگانه
• 21. رگرسیون لجستیک
• 22. تحلیل سری‌های زمانی
• 23. پیش‌بینی با مدل‌های ARIMA
• 24. مدل‌سازی داده‌های گسسته
• 25. تحلیل سبد خرید
• 26. قواعد وابستگی
• 27. روش‌های کاهش ابعاد: PCA
• 28. تحلیل مؤلفه‌های مستقل (ICA)
• 29. بصری‌سازی داده‌های چندبعدی
• 30. نقشه‌های حرارتی
• 31. نمودارهای پراکندگی
• 32. نمودارهای جعبه‌ای
• 33. نمودارهای خطی
• 34. بصری‌سازی شبکه‌ای
• 35. داشبوردهای تعاملی
• 36. ابزارهای بصری‌سازی داده‌ها: Tableau
• 37. ابزارهای بصری‌سازی داده‌ها: Power BI
• 38. ابزارهای بصری‌سازی داده‌ها: Python (Matplotlib, Seaborn)
• 39. کاربرد داده‌کاوی در بازاریابی
• 40. کاربرد داده‌کاوی در پزشکی
• 41. کاربرد داده‌کاوی در امور مالی
• 42. کاربرد داده‌کاوی در تشخیص تقلب
• 43. مفاهیم داده‌کاوی بزرگ (Big Data)
• 44. پردازش داده‌های جریانی
• 45. چالش‌ها و ملاحظات اخلاقی در داده‌کاوی