دوره داده‌کاوی و کشف الگو در انباره داده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره داده‌کاوی و کشف الگو در انباره داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: ذخیره سازی داده (Data Warehousing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر انباره داده و داده‌کاوی
• 2. مبانی انباره داده: ساختار و اهداف
• 3. طراحی مفهومی انباره داده
• 4. مدل‌سازی ابعادی: ستاره و برف‌دانه
• 5. استخراج، تبدیل و بارگذاری (ETL) در انباره داده
• 6. ابزارهای ETL و فرآیندهای آن
• 7. کیفیت داده در انباره داده
• 8. مفاهیم پایگاه داده رابطه‌ای برای انباره داده
• 9. مبانی داده‌کاوی و کشف الگو
• 10. مراحل فرآیند داده‌کاوی (CRISP-DM)
• 11. پیش‌پردازش داده: پاکسازی و نرمال‌سازی
• 12. پیش‌پردازش داده: ادغام و تبدیل
• 13. کشف دانش در پایگاه داده (KDD)
• 14. مقدمه‌ای بر یادگیری ماشین در داده‌کاوی
• 15. یادگیری نظارت‌شده و طبقه‌بندی
• 16. الگوریتم‌های طبقه‌بندی: درخت تصمیم
• 17. الگوریتم‌های طبقه‌بندی: ماشین بردار پشتیبان (SVM)
• 18. الگوریتم‌های طبقه‌بندی: بیز ساده
• 19. الگوریتم‌های طبقه‌بندی: شبکه‌های عصبی مقدماتی
• 20. ارزیابی مدل‌های طبقه‌بندی: دقت و صحت
• 21. ارزیابی مدل‌های طبقه‌بندی: منحنی ROC
• 22. یادگیری نظارت‌نشده و خوشه‌بندی
• 23. الگوریتم‌های خوشه‌بندی: K-Means
• 24. الگوریتم‌های خوشه‌بندی: خوشه‌بندی سلسله‌مراتبی
• 25. الگوریتم‌های خوشه‌بندی: DBSCAN
• 26. ارزیابی مدل‌های خوشه‌بندی
• 27. قوانین وابستگی و تحلیل سبد خرید
• 28. الگوریتم Apriori برای کشف قوانین وابستگی
• 29. معیارهای ارزیابی قوانین وابستگی: حمایت و اطمینان
• 30. کاربرد قوانین وابستگی در خرده‌فروشی
• 31. تحلیل سری‌های زمانی و پیش‌بینی
• 32. مدل‌های پیش‌بینی: میانگین متحرک
• 33. مدل‌های پیش‌بینی: هموارسازی نمایی
• 34. مدل‌های پیش‌بینی: ARIMA
• 35. مدل‌های پیش‌بینی: رگرسیون خطی در سری‌های زمانی
• 36. تحلیل داده‌های متنی و پردازش زبان طبیعی مقدماتی
• 37. نمایش متنی: کیسه کلمات (Bag-of-Words)
• 38. نمایش متنی: TF-IDF
• 39. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 40. شبکه‌های عصبی کانولوشنی (CNN) برای داده‌های ساختاریافته
• 41. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
• 42. مقدمه‌ای بر یادگیری عمیق برای داده‌کاوی
• 43. کاربرد داده‌کاوی در کسب و کار
• 44. تحلیل رفتار مشتری
• 45. سیستم‌های توصیه‌گر: مبانی
• 46. سیستم‌های توصیه‌گر مبتنی بر محتوا
• 47. سیستم‌های توصیه‌گر مبتنی بر همکاری
• 48. سیستم‌های توصیه‌گر ترکیبی
• 49. مقدمه‌ای بر داده‌های کلان (Big Data)
• 50. معماری‌های داده کلان: Hadoop
• 51. معماری‌های داده کلان: Spark
• 52. ذخیره‌سازی داده کلان: NoSQL
• 53. کاربرد داده‌کاوی در سلامت
• 54. تحلیل داده‌های پزشکی و پیش‌بینی بیماری
• 55. کاربرد داده‌کاوی در مالی
• 56. تشخیص تقلب و مدیریت ریسک
• 57. کاربرد داده‌کاوی در صنعت
• 58. بهینه‌سازی فرآیندهای تولید
• 59. کاربرد داده‌کاوی در آموزش
• 60. شخصی‌سازی یادگیری و پیش‌بینی ترک تحصیل
• 61. مقدمه‌ای بر اخلاق در داده‌کاوی
• 62. حریم خصوصی داده‌ها
• 63. امنیت داده‌ها در انباره داده
• 64. نمایش داده‌ها و بصری‌سازی (Visualization)
• 65. اصول بصری‌سازی مؤثر
• 66. ابزارهای بصری‌سازی: Tableau (مقدماتی)
• 67. ابزارهای بصری‌سازی: Power BI (مقدماتی)
• 68. مقدمه‌ای بر یادگیری تقویتی
• 69. کاربردهای یادگیری تقویتی در بهینه‌سازی
• 70. مقدمه‌ای بر داده‌کاوی پیشرفته
• 71. کشف الگوهای پرتکرار (Frequent Pattern Mining)
• 72. کشف الگوهای دنباله‌ای (Sequential Pattern Mining)
• 73. کشف الگوهای مکانی (Spatial Pattern Mining)
• 74. کشف الگوهای زمانی (Temporal Pattern Mining)
• 75. کشف الگوهای شبکه‌ای (Network Pattern Mining)
• 76. مقدمه‌ای بر داده‌کاوی گراف
• 77. کاربرد داده‌کاوی در تحلیل شبکه‌های اجتماعی
• 78. تحلیل احساسات در داده‌های متنی
• 79. کشف آنومالی و داده‌های پرت (Outlier Detection)
• 80. روش‌های مبتنی بر فاصله برای کشف آنومالی
• 81. روش‌های مبتنی بر چگالی برای کشف آنومالی
• 82. روش‌های مبتنی بر مدل برای کشف آنومالی
• 83. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 84. کاربرد یادگیری انتقالی در داده‌کاوی
• 85. اصول مهندسی ویژگی (Feature Engineering)
• 86. انتخاب ویژگی و کاهش ابعاد
• 87. روش‌های کاهش ابعاد: PCA
• 88. روش‌های کاهش ابعاد: t-SNE
• 89. مقدمه‌ای بر داده‌کاوی در زمان واقعی (Real-time Data Mining)
• 90. چالش‌های داده‌کاوی در زمان واقعی
• 91. مروری بر آخرین روندها در داده‌کاوی
• 92. مطالعات موردی پیشرفته در داده‌کاوی
• 93. پروژه‌های عملی داده‌کاوی
• 94. مبانی پیاده‌سازی انباره داده در سازمان
• 95. راهنمای عملی طراحی و پیاده‌سازی
• 96. ارزیابی و نگهداری انباره داده
• 97. مباحث پیشرفته در ETL