عنوان درس: داده کاوی (Data Mining (Concepts and Techniques
توصیف مختصر: این درس با هدف آشنایی عمیق با داده‌کاوی و کاربردهای آن از منظر عملی و نظری ارائه می‌شود: از مفاهیم پایه و اهمیت داده‌کاوی، اشیاء داده و انواع ویژگی‌ها تا توصیف آماری داده‌ها و ابزارهای IT مرتبط، به‌خصوص Rapid Miner، همراه با مباحث پیش‌پردازش داده‌ها و کار با عملگرهای مختلف. سپس با مفاهیم انبار داده و الگوهای داده‌کِی نظارتی و غیرنظارتی آشنا می‌شویم و با تمرکز بر پیاده‌سازی عملی چند مدل با پایتون و استفاده از ابزارهای پیشرفته، مهارت‌های تحلیل داده و طراحی مدل‌های داده‌کاوی را توسعه می‌دهیم. در کنار این موارد، فصل‌ها به نحوی طراحی شده‌اند که توانایی انتخاب و کاربرد مناسب تکنیک‌ها و ابزارها در پروژه‌های واقعی داده‌کاوی تقویت شود.
اهداف درس:
آشنايي با مفهوم داده‌کاوی، اهميت آن و فرایند کلی انجام پروژه داده‌کاوی
شناخت اشیاء داده، انواع ویژگی‌ها و نقش آنها در مدل‌سازی
آشنايي با روش‌های توصیفی آماری و خلاصه‌سازی داده‌ها
معرفی ابزارهای IT و آشنایی اولیه با Rapid Miner
یادگیری تکنیک‌های پیش‌پردازش داده‌ها، پاک‌سازی و تبدیل داده‌ها
کارآمدی در استفاده از عملگرهای پیش‌پردازش در Rapid Miner
درک مفاهیم و اصول پایه‌ای انباره داده و طراحی اولیه آن
آشنايي با الگودهی نظارتی و غیرنظارتی و کاربرد آنها
اجرای مدل‌های ساده با عملگرهای داده‌کاوی در Rapid Miner
پیاده‌سازی و مقایسه چند مدل داده‌کاوی با پایتون
انتظارات مهارتی پس از پایان درس:
توانایی تحلیل و کاوش داده‌ها برای استخراج الگوها و نکات کلیدی
توانایی اعمال pre-processing و انتخاب مدل‌های مناسب در Rapid Miner
توانایی طراحی و اجرای مدل‌های داده‌کاوی با پایتون و تفسیر نتایج
توانایی درک مفاهیم و طراحی بخش‌های مربوط به انبار داده و مدل‌های داده‌کاوی نظارتی و غیرنظارتی
توانایی ارتباط نتایج تحلیلی به مخاطبان کسب‌وکار و ارائه گزارش‌ها و نتایج تصمیم‌گیرنده محور
