دانلود ویدیوهای آموزشی داده کاوی دانشگاه اصفهان

جلسه اول – شناخت انواع داده‌ها و ویژگی‌ها
جلسه دوم – انواع ویژگی‌ها و توصیف آماری داده‌ها
جلسه سوم – شناخت داده‌ها (پراکندگی، توزیع نرمال، تحلیل هیستوگرام، اندازه‌گیری شباهت و عدم شباهت داده‌ها)
جلسه چهارم – تکمیل روش‌های شباهت‌سنجی-مصورسازی داده‌ها
جلسه پنجم – عملیات پیش‌پردازش وپاک‌سازی داده‌ها
جلسه ششم – عملیات پیش پردازش- تجمیع داده‌ها (تحلیل همبستگی – تست کای-دو)
جلسه هفتم – روش‌های کاهش داده- (کاهش بعد، تبدیل موجک، تبدیل HAAR)
جلسه هشتم – روش‌های کاهش داده- هیستوگرام، خوشه‌بندی و…
جلسه نهم – انواع روش‌های گسسته‌سازی
جلسه دهم – انباره داده‌ها-شماهای ستاره‌ای، دانه‌برفی تحلیل الگوهای پرتکرار
جلسه یازدهم – ایجاد قوانین انجمنی
جلسه دوازدهم – الگوریتم Apriori
جلسه سیزدهم – افزایش بهره‌وری الگوریتم Apriori و شروع FP-growth
جلسه چهاردهم – الگوریتم Eclat و معیارهای ارزیابی قوانین انجمنی
جلسه پانزدهم – مفاهیم دسته‌بندی داده‌ها
جلسه شانزدهم – درخت تصمیم
جلسه هفدهم – بررسی معیارهای شاخص و هرس درخت تصمیم
جلسه هجدهم – دسته‌بندی بیزین – دسته‌بندی مبتنی بر قانون
جلسه نوزدهم – استخراج قوانین درخت تصمیم
جلسه بیستم – ارزیابی و مقایسه روش‌های دسته‌بندی
جلسه بیست و یکم – Ensemble Methods
جلسه بیست و دوم – روش‌های دسته‌بندی پیشرفته
جلسه بیست و سوم – مفاهیم خوشه‌بندی – k-means
جلسه بیست و چهارم – خوشه‌بندی سلسله‌مراتبی