گروه آموزشی : ریاضی
دانشکده : علوم پایه
رشته تحصیلی : دكتري تخصصي - آمار
مرتبه علمي : استادیار

طرح درس داده کاوی پیشرفته


تاریخ : 1403/07/07
بازدید : 27

طرح درس داده‌کاوی پیشرفته

فعالیت‌های کلاسی و تکالیف

اهداف آموزشی

موضوع

هفته

مطالعه فصل اول کتاب و معرفی ابزارهای داده‌کاوی

آشنایی با مفاهیم اولیه، تاریخچه و کاربردهای داده‌کاوی

مقدمه‌ای بر داده‌کاوی پیشرفته

هفته 1

انجام تمرین پیش‌پردازش داده‌ها بر روی یک مجموعه داده ساده و پیاده سازی با نرم افزار R

تکنیک‌های پاکسازی، کاهش، و نرمال‌سازی داده‌ها

جمع‌آوری و پیش‌پردازش داده‌ها

هفته 2

اجرای تمرین بر روی مجموعه داده نامتوازن

بررسی روش‌های نمونه‌برداری و تکنیک‌های تعادل‌سازی داده‌ها

روش‌های نمونه‌برداری و تنظیم داده‌ها

هفته 3

پیاده‌سازی الگوریتم دسته‌بندی با نرم افزار R

معرفی و پیاده‌سازی الگوریتم‌های K-نزدیکترین همسایه و درخت تصمیم

الگوریتم‌های دسته‌بندی پایه‌ای

هفته 4

تمرین و پروژه دسته‌بندی با داده‌های واقعی و پیاده سازی با نرم افزار R

بررسی جنگل تصادفی، ماشین بردار پشتیبان (SVM) و درخت‌های تقویتی

الگوریتم‌های دسته‌بندی پیشرفته

هفته 5

انجام یک پروژه عملی ارزیابی مدل با Cross-Validation

معرفی معیارهای ارزیابی مدل‌ها و تکنیک‌های اعتبارسنجی

ارزیابی و اعتبارسنجی مدل‌ها

هفته 6

پیاده‌سازی و تحلیل خوشه‌بندی با ابزارهای داده‌کاوی

بررسی K-Means، و خوشه‌بندی سلسله‌مراتبی

الگوریتم‌های خوشه‌بندی پایه‌ای

هفته 7

پروژه خوشه‌بندی پیشرفته با استفاده از داده‌های پیچیده

بررسی الگوریتم‌های DBSCAN و خوشه‌بندی طیفی

الگوریتم‌های خوشه‌بندی پیشرفته

هفته 8

تمرین کاهش ابعاد و تحلیل نتایج

بررسی روش‌های PCA و LDA برای کاهش ابعاد

کاهش ابعاد و انتخاب ویژگی‌ها

هفته 9

پیاده‌سازی PCA بر روی داده‌های پیچیده و پیاده سازی با نرم افزار R

بررسی کاربردهای PCA و روش‌های انتخاب ویژگی در داده‌های بزرگ

تحلیل مولفه‌های اصلی و کاربردها

هفته 10

پروژه کوچک داده‌کاوی متن و تحلیل وب

تکنیک‌های تحلیل متن، وب‌کاوی و استخراج اطلاعات

روش‌های داده‌کاوی در متن و وب

هفته 11

پیاده سازی با نرم افزار R

تکنیک‌های تحلیل متن، وب‌کاوی و استخراج اطلاعات

ادامه روش‌های داده‌کاوی در متن و وب

هفته 12

تمرین با ابزارهای یادگیری عمیق مانند TensorFlow

معرفی شبکه‌های عصبی و روش‌های یادگیری عمیق

یادگیری عمیق و شبکه‌های عصبی

هفته 13

ارائه و بحث در کلاس پیاده سازی با نرم افزار R

تحلیل موردی پروژه‌های موفق داده‌کاوی پیشرفته

مطالعات موردی و بررسی‌های عملی

هفته 14

ارائه و بحث در کلاس پیاده سازی با نرم افزار R

تحلیل موردی پروژه‌های موفق داده‌کاوی پیشرفته

ادامه مطالعات موردی و بررسی‌های عملی

هفته 15

انجام پروژه پایانی و بررسی آن در کلاس و گرفتن آزمون عملی

مرور مباحث تدریس شده و آماده‌سازی برای امتحان پایان‌ترم

مرور، جمع‌بندی و آزمون عملی

هفته 16

منابع پیشنهادی:

1.      Data Mining: Concepts and Techniques, Jiawei HanMicheline KamberJian Pei. Third Edition

2.      R and Data Mining: Examples and Case Studies. Yanchang Zhao.