آموزش داده کاوی برای هوش مصنوعی

ویژه ها
- جلسه 1: مقدمهای بر دادهکاوی و ارتباط آن با هوش مصنوعی
- جلسه 2:راهاندازی محیط و کتابخانههای ضروری
- جلسه 3:جمعآوری و بارگذاری داده
- جلسه 4:پاکسازی داده (Data Cleaning)
- جلسه 5:مهندسی ویژگی (Feature Engineering)
- جلسه 6:تحلیل اکتشافی داده (EDA)
- جلسه 7:کاهش ابعاد و انتخاب ویژگی
- جلسه 8: خوشهبندی (Clustering) — کشف ساختارهای پنهان
- جلسه 9:قوانین انجمنی (Association Rules)
- جلسه 10:طبقهبندی با روشهای دادهکاوی
- جلسه 11:ارزیابی و اعتبارسنجی مدلها
- جلسه 12:پروژه نهایی: از داده تا بینش
پیش نیاز ها
- آشنایی با پایههای پایتون (متغیر، لیست، تابع، کار با فایل)
- نصب Python 3.8+ و کتابخانههای اصلی (نصب با pip)
- علاقه به تحلیل داده و حل مسئله