آموزش داده یابی یا Data Mining در زبان Python

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با دیتا ساینس یاد می گیرید.

عنوان اصلی : Data Science Foundations: Data Mining in Python

سرفصل ها :

معرفی :
پایتون برای داده کاوی
آنچه شما باید بدانید
فایل های تمرینی
1. مقدماتی:
ابزارهای داده کاوی
مدل داده کاوی CRISP-DM
حریم خصوصی، حق چاپ و تعصب
تایید نتایج
2. کاهش ابعاد:
بررسی اجمالی کاهش ابعاد
مجموعه داده ارقام دست نویس
PCA
LDA
t-SNE
چالش: PCA
راه حل: PCA
3. خوشه بندی:
نمای کلی خوشه بندی
مجموعه داده پنگوئن
خوشه بندی سلسله مراتبی
ک-یعنی
DBSCAN
چالش: K-means
راه حل: K-means
4. طبقه بندی:
بررسی اجمالی طبقه بندی
مجموعه داده Spambase
KNN
بیز ساده لوح
درختان تصمیم
چالش: KNN
راه حل: KNN
5. تجزیه و تحلیل انجمن:
بررسی اجمالی تحلیل انجمن
مجموعه داده مواد غذایی
پیشین
Eclat
FP-Growth
چالش: Apriori
راه حل: Apriori
6. استخراج سری زمانی:
استخراج سری زمانی
مجموعه داده مسافران هوایی
تجزیه سری زمانی
آریما
MLP
چالش: تجزیه
راه حل: تجزیه
7. متن کاوی:
نمای کلی متن کاوی
مجموعه داده ایلیاد
تجزیه و تحلیل احساسات: طبقه بندی باینری
تحلیل احساسات: امتیازدهی احساسات
جفت کلمات
چالش: امتیاز دادن به احساسات
راه حل: امتیازدهی احساسات
نتیجه :
مراحل بعدی