آموزش آشنایی با تحلیل داده‌ها (Data Analytics) - آخرین آپدیت

آشنایی با تحلیل داده‌ها Introduction to Data Analytics

• آشنایی با مدرس - پروفسور سیتا پارامسواران Meet Your Instructor - Prof. Seetha Parameswaran

• آشنایی با مدرس - پروفسور آنیش چیوکولا Meet Your Instructor - Prof. Aneesh Chivukula

• ویدئوی معرفی دوره Course Introductory Video

• تعریف تحلیل داده‌ها Definition of Data Analytics

• اهمیت تحلیل داده‌ها The Importance of Data Analytics

• اجزای کلیدی Key Components

• تحلیل توصیفی Descriptive Analytics

• تحلیل تشخیصی Diagnostic Analytics

• تحلیل پیش‌بینانه Predictive Analytics

• تحلیل تجویزی Prescriptive Analytics

• کاربردهای صنعتی Industry Applications

• چالش‌های تحلیل داده‌ها Challenges in Data Analytics

• داده‌های ساختاریافته Structured Data

• داده‌های بدون ساختار Unstructured Data

• داده‌های نیمه‌ساختاریافته Semi-Structured Data

• داده‌های کمی Quantitative Data

• داده‌های کیفی Qualitative Data

• منابع داده‌های اولیه و ثانویه Primary and Secondary Data Sources

• منابع داده‌های داخلی و خارجی Internal and External Data Sources

مبانی پایتون Python Fundamentals

• مفسر پایتون (Interpreter) Python Interpreter

• ژوپیتر پایتون Jupyter Python

• ورودی و چاپ (Input and Print) Input and Print

• تورفتگی‌ها (Indentations) Indentations

• دموی درس اول Lesson 1 Demo

• انواع اسکالر در پایتون Python Scalar Types

• اشیاء (Objects) Objects

• ویژگی‌ها (Attributes) Attributes

• متدها (Methods) Methods

• عملگرها Operators

• دموی درس دوم Lesson 2 Demo

• دستورات شرطی Conditional Statement

• دستورات شرطی تو در تو Nested Conditional Statement

• حلقه‌های For و While For and While Loops

• دموی درس سوم Lesson 3 Demo

• توابع معمولی Regular Functions

• توابع لایمبدا (Lambda) Lambda Functions

• دموی درس چهارم Lesson 4 Demo

• خواندن فایل‌ها Reading Files

• نوشتن فایل‌ها Writing Files

• دموی درس پنجم Lesson 5 Demo

ساختارهای داده بنیادی و NumPy در پایتون Fundamental Data Structures and NumPy in Python

• تاپل (Tuple) Tuple

• متدهای تاپل Tuple Methods

• رشته‌ها (Strings) Strings

• دسترسی به رشته‌ها Accessing Strings

• دموی درس اول Lesson 1 Demo

• لیست‌ها Lists

• برش لیست‌ها (Slicing) Slicing List

• متدهای لیست List Methods

• دیکشنری Dictionary

• مجموعه (Set) Set

• عملیات روی مجموعه‌ها Set Operations

• دموی درس دوم Lesson 2 Demo

• آرایه‌های NumPy NumPy Arrays

• انواع داده در NumPy NumPy Data Types

• عملیات ریاضی با NumPy Arithmetic with NumPy

• اندکس‌گذاری و برش آرایه‌ها Indexing and Slicing Arrays

• توابع NumPy NumPy Functions

• دموی درس سوم Lesson 3 Demo

تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

• سری‌ها (Series) Series

• دیتا فریم (DataFrame) DataFrame

• اندکس‌گذاری در دیتا فریم Indexing a DataFrame

• انتخاب در دیتا فریم Selection in a DataFrame

• فیلتر کردن دیتا فریم Filtering a DataFrame

• عملیات روی دیتا فریم Operations on a DataFrame

• دموی درس اول Lesson 1 Demo

• آمار توصیفی برای داده‌های عددی Descriptive Statistics for Numerical Data

• آمار توصیفی برای داده‌های طبقه‌بندی شده Descriptive Statistics for Categorical Data

• رابطه داده‌ها: همبستگی و کوواریانس Data Relationship: Correlation and Covariance

• تحلیل تک‌متغیره Univariate Analysis

• تحلیل دومتغیره Bivariate Analysis

• دموی درس دوم Lesson 2 Demo

• نمودارهای پراکندگی (Scatter Plots) Scatter Plots

• نمودارهای خطی Line Plots

• نمودارهای میله‌ای Bar Plots

• هیستوگرام‌ها Histograms

• دموی درس سوم Lesson 3 Demo

پاکسازی و آماده‌سازی داده‌ها Data Cleaning and Preparation

• خواندن داده‌ها از فرمت متنی Reading Data from Text Format

• نوشتن داده‌ها در فرمت متنی Writing Data to Text Format

• مشکلات کیفیت داده‌ها Data Quality Issues

• دموی درس اول Lesson 1 Demo

• فیلتر کردن داده‌های گم‌شده Filtering out Missing Data

• پر کردن داده‌های گم‌شده Filling in Missing Data

• دموی درس دوم Lesson 2 Demo

• حذف داده‌های تکراری Removing Duplicates

• تبدیل داده‌ها با استفاده از Mapping Transforming Data Using Mapping

• جایگزینی مقادیر Replacing Values

• گسسته‌سازی و دسته‌بندی (Binning) Discretisation and Binning

• کدگذاری داده‌های طبقه‌بندی شده Encoding Categorical Data

• شناسایی داده‌های پرت (Outliers) Detecting Outliers

• فیلتر کردن داده‌های پرت Filtering Outliers

• دموی درس سوم Lesson 3 Demo

• جدا کن، اعمال کن، ترکیب کن (Split Apply Combine) Split - Apply - Combine

• مرحله جداسازی (Split) Split Step

• مرحله اعمال (Apply) Apply Step

• مرحله ترکیب (Combine) Combine Step

• دموی درس چهارم Lesson 4 Demo

مهندسی ویژگی Feature Engineering

• کاهش ابعاد Dimensionality Reduction

• کاهش تعداد (Numerosity Reduction) Numerosity Reduction

• روش‌های نمونه‌برداری Sampling Methods

• روش‌های فیلتر Filter Methods

• فیلترهای مبتنی بر همبستگی Correlation Based Filters

• فیلترهای مبتنی بر آنتروپی Entropy-Based Filters

• روش‌های Wrapper Wrapper Methods

• انتخاب پیشرو (Forward Selection) Forward Selection

• حذف پس‌رو (Backward Elimination) Backward Elimination

• روش‌های Embedded Embedded Methods

• اطلاعات متقابل (Mutual Information) Mutual Information

• تحلیل کوواریانس Covariance Analysis

• تحلیل مؤلفه‌های اصلی (PCA) Principal Component Analysis

رگرسیون Regression

• کاربردها Applications

• رگرسیون خطی ساده Simple Linear Regression

• رگرسیون حداقل مربعات معمولی Ordinary Least Squares Regression

• مدل‌های خطی Linear Models

• گرادیان کاهشی (Gradient Descent) Gradient Descent

• معیارهای ارزیابی Evaluation Metrics

• انتخاب مدل در رگرسیون Model Selection in Regression

• روش‌های هموارسازی (Smoothing) Smoothing Methods

• مدل‌های منظم شده (Regularised) Regularised Models

• مدل‌های غیرخطی Nonlinear Models

طبقه‌بندی (Classification) Classification

• کاربردها Applications

• طبقه‌بندی دوتایی (Binary) Binary Classification

• طبقه‌بندی چندکلاسه Multiclass Classification

• ساخت درخت‌های تصمیم - بخش اول Building Decision Trees - Part 1

• ساخت درخت‌های تصمیم - بخش دوم Building Decision Trees - Part 2

• مسائل طراحی Design Issues

• معیارهای ناخالصی - بخش اول Measures of Impurity - Part 1

• معیارهای ناخالصی - بخش دوم Measures of Impurity - Part 2

• اعتبارسنجی متقاطع (Cross Validation) Cross-Validation

• بیش‌برازش (Overfitting) Overfitting

• جنگل‌های تصادفی (Random Forests) Random Forests

• مرزهای تصمیم Decision Boundaries

• رگرسیون لجستیک Logistic Regression

• تحلیل متمایزکننده (Discriminant Analysis) Discriminant Analysis

• ارزیابی عملکرد طبقه‌بندی کننده - بخش اول Classifier’s Performance Evaluation - Part 1

• ارزیابی عملکرد طبقه‌بندی کننده - بخش دوم Classifier’s Performance Evaluation - Part 2

خوشه‌بندی (Clustering) Clustering

• کاربردها Applications

• انواع خوشه‌ها Types of Clusters

• انواع الگوریتم‌های خوشه‌بندی Types of Clustering Algorithms

• معیارهای شباهت Similarity Measures

• ماتریس فاصله Distance Matrix

• الگوریتم k-Means k-Means Algorithm

• الگوریتم Fuzzy C-Means Fuzzy C-Means Algorithm

• روش‌های تجمعی پایین به بالا Bottom-Up Agglomerative Methods

• روش‌های تقسیمی بالا به پایین Top-Down Divisive Methods

• معیارهای فاصله در روش‌های سلسله‌مراتبی Distance Measures in Hierarchical Methods

• جنبه‌های اعتبارسنجی خوشه Aspects of Cluster Validation

• شاخص‌های خارجی External Indices

• شاخص‌های داخلی Internal Indices

پیامدهای اخلاقی Ethical Implications

• حریم خصوصی داده‌ها Data Privacy

• حریم خصوصی مدل Model Privacy

• استراتژی‌های ارتقای حریم خصوصی Privacy Enhancing Strategies

• انصاف در داده‌ها (Data Fairness) Data Fairness

• انصاف در مدل Model Fairness

• انصاف الگوریتمی Algorithmic Fairness

• امنیت مدل - بخش اول Model Security - Part 1

• امنیت مدل - بخش دوم Model Security - Part 2

• طبقه‌بندی حساس به هزینه Cost-Sensitive Classification

• یادگیری حساس به هزینه Cost-Sensitive Learning

• داده‌کاوی خصمانه - بخش اول Adversarial Data Mining - Part 1

• داده‌کاوی خصمانه - بخش دوم Adversarial Data Mining - Part 2

• داده‌کاوی مقاوم (Robust) - بخش اول Robust Data Mining - Part 1

• داده‌کاوی مقاوم (Robust) - بخش دوم Robust Data Mining - Part 2

• داده‌کاوی خصمانه و مقاوم Adversarial and Robust Data Mining