داده کاوی

جلسه اول - شناخت انواع داده‌ها و ویژگی‌ها

"77:40

جلسه دوم - انواع ویژگی‌ها و توصیف آماری داده‌ها

"50:47

جلسه سوم - شناخت داده‌ها (پراکندگی، توزیع نرمال، تحلیل هیستوگرام، اندازه‌گیری شباهت و عدم شباهت داده‌ها)

"78:02

جلسه چهارم - تکمیل روش‌های شباهت‌سنجی-مصورسازی داده‌ها

"40:45

جلسه پنجم - عملیات پیش‌پردازش وپاک‌سازی داده‌ها

"77:25

جلسه ششم - عملیات پیش پردازش- تجمیع داده‌ها (تحلیل همبستگی – تست کای-دو)

"70:28

جلسه هفتم - روش‌های کاهش داده- (کاهش بعد، تبدیل موجک، تبدیل HAAR)

"72:04

جلسه هشتم - روش‌های کاهش داده- هیستوگرام، خوشه‌بندی و…

"70:24

جلسه نهم - انواع روش‌های گسسته‌سازی

"66:23

جلسه دهم - انباره داده‌ها-شماهای ستاره‌ای، دانه‌برفی تحلیل الگوهای پرتکرار

"76:29

جلسه یازدهم - ایجاد قوانین انجمنی

"55:46

جلسه دوازدهم - الگوریتم Apriori

"32:48

جلسه سیزدهم - افزایش بهره‌وری الگوریتم Apriori و شروع FP-growth

"80:56

جلسه چهاردهم - الگوریتم Eclat و معیارهای ارزیابی قوانین انجمنی

"56:59

جلسه پانزدهم - مفاهیم دسته‌بندی داده‌ها

"72:00

جلسه شانزدهم - درخت تصمیم

"59:04

جلسه هفدهم - بررسی معیارهای شاخص و هرس درخت تصمیم

"68:47

جلسه هجدهم - دسته‌بندی بیزین - دسته‌بندی مبتنی بر قانون

"69:46

جلسه نوزدهم - استخراج قوانین درخت تصمیم

"65:51

جلسه بیستم - ارزیابی و مقایسه روش‌های دسته‌بندی

"69:43

جلسه بیست و یکم - Ensemble Methods

"39:20

جلسه بیست و دوم - روش‌های دسته‌بندی پیشرفته

"49:15

جلسه بیست و سوم - مفاهیم خوشه‌بندی – k-means

"74:58

جلسه بیست و چهارم - خوشه‌بندی سلسله‌مراتبی

"32:36