1-1- چرا داده‌کاوی؟

2-1- داده‌کاوی چیست؟

3-1- یک دید چندبعدی از داده‌کاوی

4-1- چه نوع داده‌هایی را می‌توان کاوش نمود؟

5-1- چه نوع الگوهایی را می‌توان کاوش نمود؟

6-1- از چه تکنولوژی‌هایی استفاده می‌شود؟

7-1- چه کاربردهایی مدنظر است؟

8-1- بحث‌های اصلی در داده‌کاوی

9-1- تاریخچه‌ای مختصر از داده‌کاوی و جامعه داده‌کاوی

1-2- اشیاء داده‌ای و انواع صفت‌ها

2-2- توصیف آماری داده‌ها

3-2- مصورسازی داده‌ها

4-2- اندازه‌گیری میزان شباهت و عدم شباهت داده‌ها

1-3- پیش‌پردازش داده‌ها (یک دید کلی)

2-3- پاک‌سازی داده‌ها

3-3- یکپارچه‌سازی داده‌ها

4-3- کاهش داده‌ها

5-3- تغییر شکل داده‌ها و گسسته‌سازی داده‌ها

2-4- مدل‌سازی انبار داده (مکعب داده و OLAP)

3-4- طراحی و استفاده از انبار داده

4-4- پیاده‌سازی انبار داده

5-4- تعمیم داده‌ها با استفاده از استقرای مبتنی بر صفت

1-5- مفاهیم پایه

1-2-5- رهیافت تولید و تست کاندیدها (Apriori)

2-2-5- بهبود کارآیی روش Apriori

3-2-5- رهیافت رشد الگوهای پرتکرار (FPGrowth)

4-2-5- کاوش الکوهای پرتکرار از داده‌های با فرمت عمودی (ECLAT)

5-2-5- کاوش الگوهای پرتکرار بسته و الگوهای بیشینه

3-5- کدام الگوها جذاب هستند؟ (روش‌های ارزیابی الگوها)

1-6- مفاهیم پایه

2-6- استنتاج درخت تصمیم

3-6- روش‌های طبقه‌بندی بیز

4-6- طبقه‌بندی مبتنی بر قانون

5-6- ارزیابی و انتخاب مدل

1-7- شبکه‌های باور بیزین

2-7- شبکه‌های عصبی (انتشار رو به عقب)

3-7- ماشین‌های بردار پشتیبان

4-7- طبقه‌بندی با استفاده از الگوهای پرتکرار

5-7- رهیافت نزدیکترین همسایه‌ها (یادگیرنده‌های تنبل)

6-7- الگوریتم ژنتیک

7-7- دیگر روش‌های طبقه‌بندی

8-7- مطالب اضافی در مورد طبقه‌بندی

1-8- مفاهیم پایه

2-8- روش‌های افرازبندی

3-8- روش‌های سلسله مراتبی

4-8- روش‌های مبتنی بر چگالی

6-8- ارزیابی خوشه‌بندی