کتاب صوتی داده‌کاوی و آماده‌سازی داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی و آماده‌سازی داده‌ها

موضوع کلی: مهندسی داده و اتوماسیون فرآیندها

موضوع میانی: ادغام و هماهنگ‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌کاوی و کاربردهای آن
• 2. جمع‌آوری داده‌ها: روش‌ها و منابع
• 3. انواع داده‌ها و ویژگی‌های آنها
• 4. پیش‌پردازش داده‌ها: اهمیت و مراحل
• 5. پاکسازی داده‌ها: مقابله با داده‌های از دست رفته
• 6. تبدیل داده‌ها: نرمال‌سازی و استانداردسازی
• 7. کاهش ابعاد داده‌ها: روش‌های اصلی
• 8. انتخاب ویژگی: روش‌های فیلتر و پوشه‌ای
• 9. تحلیل اکتشافی داده‌ها (EDA)
• 10. تصویرسازی داده‌ها: نمودارها و گراف‌ها
• 11. مقدمه‌ای بر خوشه‌بندی
• 12. الگوریتم K-Means
• 13. ارزیابی خوشه‌بندی: شاخص‌های اعتبار
• 14. خوشه‌بندی سلسله‌مراتبی
• 15. تشخیص ناهنجاری: روش‌های آماری
• 16. تشخیص ناهنجاری: روش‌های مبتنی بر یادگیری ماشین
• 17. مقدمه‌ای بر طبقه‌بندی
• 18. درخت تصمیم‌گیری: مفاهیم و کاربردها
• 19. جنگل تصادفی: بهبود دقت طبقه‌بندی
• 20. ماشین بردار پشتیبان (SVM)
• 21. نورون‌های مصنوعی و شبکه‌های عصبی
• 22. شبکه‌های عصبی عمیق: معرفی و کاربردها
• 23. ارزیابی طبقه‌بندی: ماتریس درهم‌ریختگی
• 24. روش‌های ارزیابی مدل: دقت، صحت، بازیابی
• 25. اعتبارسنجی متقابل (Cross-Validation)
• 26. تنظیم هایپرپارامترها: روش‌های جستجو
• 27. مقدمه‌ای بر رگرسیون
• 28. رگرسیون خطی ساده و چندگانه
• 29. رگرسیون لجستیک: کاربردها و تفسیر
• 30. ارزیابی رگرسیون: معیار R-squared
• 31. انتخاب مدل: مقایسه و ارزیابی مدل‌های رگرسیون
• 32. مقدمه‌ای بر تحلیل سری‌های زمانی
• 33. تجزیه سری‌های زمانی: روند، فصلی، و تصادفی
• 34. مدل‌های ARIMA: مفاهیم و کاربردها
• 35. پیش‌بینی سری‌های زمانی: روش‌های مختلف
• 36. کاربرد داده‌کاوی در بازاریابی
• 37. کاربرد داده‌کاوی در تشخیص تقلب
• 38. کاربرد داده‌کاوی در سیستم‌های توصیه‌گر
• 39. کاربرد داده‌کاوی در تحلیل شبکه‌های اجتماعی
• 40. داده‌کاوی و حریم خصوصی: ملاحظات اخلاقی
• 41. ابزارهای داده‌کاوی: معرفی و مقایسه
• 42. Python برای داده‌کاوی: مقدمه‌ای
• 43. R برای داده‌کاوی: مقدمه‌ای
• 44. Weka: یک ابزار متن‌باز داده‌کاوی
• 45. آینده داده‌کاوی و چالش‌های پیش رو