کتاب صوتی داده‌کاوی و کشف الگوهای پنهان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی و کشف الگوهای پنهان

موضوع کلی: توسعه نرم‌افزار و سیستم‌های پردازش داده

موضوع میانی: هوش مصنوعی (Artificial Intelligence)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌کاوی
• 2. جمع‌آوری و آماده‌سازی داده‌ها
• 3. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
• 4. کاوش داده‌ها: روش‌های آماری پایه
• 5. تصویرسازی داده‌ها برای درک بهتر
• 6. مفاهیم اساسی آمار توصیفی
• 7. مفاهیم اساسی آمار استنباطی
• 8. خوشه‌بندی داده‌ها: الگوریتم K-Means
• 9. خوشه‌بندی سلسله‌مراتبی
• 10. تحلیل مولفه‌های اصلی (PCA)
• 11. کاهش ابعاد داده‌ها
• 12. درخت تصمیم‌گیری: مفاهیم و کاربردها
• 13. الگوریتم C4.5 برای ساخت درخت تصمیم
• 14. ارزیابی و بهینه‌سازی درخت‌های تصمیم
• 15. شبکه‌های عصبی مصنوعی: مقدمه‌ای
• 16. شبکه‌های عصبی چندلایه
• 17. بهینه‌سازی شبکه‌های عصبی با الگوریتم Backpropagation
• 18. قوانین وابستگی: الگوریتم Apriori
• 19. تحلیل سبد خرید (Market Basket Analysis)
• 20. رگرسیون خطی: مفاهیم و کاربردها
• 21. رگرسیون چندگانه
• 22. مدل‌سازی سری‌های زمانی: مفاهیم پایه
• 23. پیش‌بینی با استفاده از مدل‌های سری زمانی
• 24. تحلیل رگرسیون لجستیک
• 25. خلاصه سازی داده‌ها
• 26. شناسایی ناهنجاری‌ها (Outlier Detection)
• 27. روش‌های تشخیص ناهنجاری مبتنی بر آمار
• 28. روش‌های تشخیص ناهنجاری مبتنی بر یادگیری ماشین
• 29. داده‌کاوی در داده‌های متنی
• 30. پردازش زبان طبیعی (NLP)
• 31. استخراج ویژگی از متن
• 32. تحلیل احساسات (Sentiment Analysis)
• 33. داده‌کاوی در شبکه‌های اجتماعی
• 34. تحلیل گراف (Graph Analysis)
• 35. الگوریتم‌های مرکزی در تحلیل گراف
• 36. داده‌کاوی در پایگاه‌داده‌ها
• 37. SQL برای داده‌کاوی
• 38. استفاده از ابزارهای داده‌کاوی: Weka
• 39. استفاده از ابزارهای داده‌کاوی: RapidMiner
• 40. ارزیابی مدل‌های داده‌کاوی: دقت و صحت
• 41. ارزیابی مدل‌های داده‌کاوی: Recall و Precision
• 42. اعتبارسنجی متقابل (Cross-Validation)
• 43. انتخاب ویژگی (Feature Selection)
• 44. مهندسی ویژگی (Feature Engineering)
• 45. داده‌کاوی و حریم خصوصی