1- مقدمه
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
2- شناخت دادهها
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
3- پیشپردازش 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
4- انبار داده و پردازش تحلیلی برخط
1-4- مفاهیم پایه
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
5- الگوهای پرتکرار، وابستگیها و همبستگیها
1-5- مفاهیم پایه
2-5- روشهای کاوش الگوهای پرتکرار
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)
6- طبقهبندی – مفاهیم و روشهای پایه
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
6-6- روشهای بهبود دقت طبقهبندی (روشهای تجمیعی)
7- طبقهبندی – مفاهیم و روشهای پیشرفته
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
8- خوشهبندی – مفاهیم و روشهای پایه
1-8- مفاهیم پایه
2-8- روشهای افرازبندی
3-8- روشهای سلسله مراتبی
4-8- روشهای مبتنی بر چگالی
5-8- روشهای مبتنی بر مشبک
6-8- ارزیابی خوشهبندی
9- وب معنایی و گراف دانش
1-9- وب معنایی و گراف دانش (بخش اول)
2-9- وب معنایی و گراف دانش (بخش دوم)