داده کاوی با پایتون

1.1. کلیات داده کاوی

00:16′

2.1. انواع مختلف داده

00:18′

1.2. محیط‌های پیاده سازی

00:09′

2.2. عملگرهای مهم پایتون

00:19′

3.2. ماتریس‌ها در پایتون

00:16′

4.2. آرایه‌ها در پایتون

00:15′

5.2. پاکسازی داده‌ها

00:17′

6.2. جداول داده‌ها در پایتون

00:15′

7.2. عملیات در جداول داده

00:19′

8.2. پیش پردازش داده‌‍‌ها

00:22′

9.2. استاندارد سازی داده

00:10′

1.3. مقدمه‌ای بر تحلیل اکتشافی داده‌ها

00:17′

2.3. تحلیل اکتشافی داده‌ها در پایتون

00:14′

3.3. نمودارها در تحلیل داده

00:10′

1.4. کلیات خوشه بندی

00:22′

2.4. عملیات خوشه بندی در پایتون

00:14′

3.4. بسته‌های خوشه بندی

00:19′

1.5. کلیات دسته بندی

00:23′

2.5. روش‌های دسته بندی

00:17′

3.5. عملیات دسته بندی در پایتون

00:19′

4.5. درخت تصمیم

00:17′

5.5. مولفه‌های مهم در دسته بندی

00:15′

1.6. آشنایی با قواعد انجمنی

00:10′

2.6. عملیات در قواعد انجمنی

00:17′

1.7. معرفی علم شبکه

00:14′

2.7. ویژگی‌های شبکه

00:12′

3.7. پایتون در تحلیل شبکه

00:16′

4.7. مولفه‌های مهم در تحلیل شبکه

00:18′

1.8. مباحث تکمیلی در پیش بینی و دسته بندی

00:16′

2.8. محیط‌های اجرای داده کاوی

00:08′

3.8. شبکه عصبی مصنوعی

00:16′

4.8. بالانس داده

00:23′

1.9. پروژه

00:07′