| # | عنوان | توضیحات |
|---|---|---|
| 1 | هدف کلی | آموزش مباحث پیشرفته و کاربردی در حیطه داده کاوی و فراگیری مفاهیمی از کاهش بعد، طبقه بندی های ماشینی، خوشه بندی، روش های ارزیابی، تحلیل داده ها با استفاده از شبکه های عصبی و الگوریتم ژنتیک. |
| 2 | شایستگی های پایه | لازم است دانشجویان با دروس رگرسیون و جبرخطی و اصول برنامه‌نویسی آشنایی داشته باشند. |
| 3 | اهداف یادگیری | در این درس مطالب مختلفی در حیطه های اهمیت داده کاوی، فرایند داده کاوی، فنون داده کاوی، روش های فروکاهی بعد، روش های طبقه بندی داده های کیفی و کمی، درخت تصمیم، تحلیل ممیزی، رگرسیون لوژستیک (دوجمله ای و چندجمله ای)، بیز ناپخته، طبقه بندی ماشین بردار پشتیبان و طبقه بندی نزدیک ترین همسایگی آموزش داده می شود. |
| 4 | روش تدریس | به منظور آشنایی و تسلط به درس داده کاوی پیشرفته در راستای مفاهیم ذکرشده در اهداف یادگیری، جزوه هایی در اختیار دانشجویان قرارداده می شود که مفاهیم آن در کلاس تدریس می گردد و لازم است دانشجویان در مباحث کلاس مشارکت داشته باشند. همچنین چند کتاب برای آشنایی با مفاهیم مورد نیاز معرفی می گردد. همین طور به منظور مهارت یابی لازم است دانشجویان یک سری داده واقعی با استفاده از نرم افزار پایتون را تحلیل و تفسیر کنند. |
| 5 | وظایف دانشجو | حضور منظم در کلاس و مشارکت در مباحث درسی، انجام و ارائه تمرین ها و پروژه ها به موقع. |
| 6 | منبع | در این درس از منابع متعدد زیر استفاده می شود Tan, P.N., Steinbach, M. and Kumar, V. (2016). Introduction to Data Mining, 2nd Edition, Addison Wesley, Boston. Hastie, T., Tibshirani, R. and Friedman, J. (2013). The Elements of Statistical Learning, Data Mining, Inference, and Prediction, 2nd Edition. Springer. Jake VanderPlas, J. (2016). Python Data Science Handbook: Essential Tools for Working with Data, O'Reilly Media. Torgo, L. (2010). Data Mining with R: Learning with Case Studies, Chapman and Hall, Boca Raton, Florida. Han, J., Kamber, M. and Pei, J. (2011). Data Mining: Concepts and Techniques, 3rd Edition, Morgan Kaufmann, SA. Hastie, T. and Tibshirani, R. (2009). The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd Edition, Springer, USA. Tan, P, -N, ; Steinbach, M.; Karpatne, A. and Kumar, V. (2018). Introduction to Data Mining, Pearson. Salcedo, J. (2019). Machine Learning for Data Mining, Packet Publishing. Bhatnagar, V. (2014). Data Mining and Analysis in the Engineering Field 1st Edition, IGI Global |
| 7 | مواد و امکانات آموزشی | از آنجا که بخش عملی کار مورد تاکید است، امکان نمایش برنامه‌ها در کلاس باید فراهم باشد |
| 8 | نحوه ارزشیابی | حل تمرین های تحویلی، مشارکت در فعالیت های کلاسی و انجام پروژه: 8 نمره - میان ترم: 6 نمره پایان ترم: 6 نمره |