داده کاوی مقدماتی (Data Mining)

هفته اول

درس اول: مقدمه

کلیات

20 دی ماه 1399

ادامه کلیات

انواع داده‌ها

ویژگی داده‌ها

اشیاء و ویژگی داده‌ها

انواع ویژگی داده‌ها

ویژگی‌های گسسته و پیوسته

توصیفات آماری داده‌ها

پراکندگی داده‌ها

درس دوم: شباهت داده‌ها

شباهت داده‌های اسمی

شباهت داده‌های باینری

شباهت داده‌های عددی

شباهت داده‌های ترتیبی

شباهت داده‌ها با تنوع ویژگی‌ها

شباهت کسینوسی

مصورسازی داده‌ها

هفته دوم

درس سوم : شباهت داده‌ها

پیش پردازش داده ها

27 دی ماه 1399

پاکسازی داده‌ها

تجمیع داده‌ها

کاهش داده‌ها

تبدیل و گسسته سازی داده‌ها

درس چهارم: انبار داده

مفاهیم انبار داده

پایگاه داده عملیاتی و تحلیلی

مفاهیم پایگاه داده تحلیلی

عملیات مرسوم در انبار داده

مدلسازی انبار داده

هفته سوم

درس پنجم : قواعد انجمنی

قوانین انجمنی

4بهمن ماه 1399

مثال برای قوانین پایه

چالش در قواعد انجمنی

الگوریتم Apriori

مثال الگوریتم Apriori

بهبود الگوریتم Apriori

الگوریتم FP-Growth

الگوریتم ECLAT

قوانین جذاب

آزمون میان ترم

11 و 12 بهمن ماه 1399

هفته چهارم

درس ششم : خوشه بندی

مقدمه خوشه‌بندی

11 بهمن ماه 1399

الگوریتم K-Means

مثال دوبعدی برای الگوریتم K-Means

الگوریتم K-mediod

مثال دوبعدی برای الگوریتم K-mediod

روش خوشه بندی سلسله مراتبی

فاصله در خوشه بندی سلسله مراتبي

هفته پنجم

درس هفتم: دسته‌بندی

دسته بندی

18 بهمن ماه 1399

درس هشتم: درخت تصمیم

درخت تصمیم

الگوریتم‌های درخت تصمیم

شاخص Gini

شاخص Gini Spilt

آنتروپی

شاخص بهره اطلاعاتی

شاخص نسبت بهره

شاخص خطای طبقه بندی

مثال Gini Index

مباحث تکمیلی

هفته ششم

درس نهم: نزدیکترین همسایگی

نزدیکترین همسایگی

25 بهمن ماه 1399

درس دهم: شبکه های بیزین

دسته‌بندی بیزین

مدل احتمالاتی

استقلال

استقلال شرطی

مثال شبکه‌های بیزین

مدل گرافی

شبکه‌های بیز

استقلال در شبکه‌های بیز

استنتاج در شبکه‌های بیز

فاکتورها

حذف متغیر

نمونه برداری

آزمون پایان ترم

2 و 3 اسفند ماه 1399