1- مقدمه

1-1- چرا داده‌کاوی؟

1-2- داده‌کاوی چیست؟

1-3- یک دید چندبعدی از داده‌کاوی

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

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

1-6- از چه تکنولوژی‌هایی استفاده می‌شود؟

1-7- چه کاربردهایی مدنظر است؟

1-8- بحث‌های اصلی در داده‌کاوی

1-9- تاریخچه‌ای مختصر از داده‌کاوی و جامعه داده‌کاوی

2- شناخت داده‌ها

2-1- اشیاء داده‌ای و انواع صفت‌ها

2-2- توصیف آماری داده‌ها

2-3- مصورسازی داده‌ها

2-4- اندازه‌گیری میزان شباهت و عدم شباهت داده‌ها

3- پیش‌پردازش داده‌ها

3-1- پیش‌پردازش داده‌ها (یک دید کلی)

3-2- پاک‌سازی داده‌ها

3-3- یکپارچه‌سازی داده‌ها

3-4- کاهش داده‌ها

3-5- تغییر شکل داده‌ها و گسسته‌سازی داده‌ها

4- انبار داده و پردازش تحلیلی برخط

4-1- مفاهیم پایه

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

4-3- طراحی و استفاده از انبار داده

4-4- پیاده‌سازی انبار داده

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

5- الگوهای پرتکرار، وابستگی‌ها و همبستگی‌ها

5-1- مفاهیم پایه

5-2- روش‌های کاوش الگوهای پرتکرار

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

5-2-2- بهبود کارآیی روش Apriori

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

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

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

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

6- طبقه‌بندی – مفاهیم و روش‌های پایه

6-1- مفاهیم پایه

6-2- استنتاج درخت تصمیم

6-3- روش‌های طبقه‌بندی بیز

6-4- طبقه‌بندی مبتنی بر قانون

6-5- ارزیابی و انتخاب مدل

6-6- روش‌های بهبود دقت طبقه‌بندی (روش‌های تجمیعی)

7- طبقه‌بندی – مفاهیم و روش‌های پیشرفته

7-1- شبکه‌های باور بیزین

7-2- شبکه‌های عصبی (انتشار رو به عقب)

7-3- ماشین‌های بردار پشتیبان

7-4- طبقه‌بندی با استفاده از الگوهای پرتکرار

7-5- رهیافت نزدیکترین همسایه‌ها (یادگیرنده‌های تنبل)

7-6- الگوریتم ژنتیک

7-7- دیگر روش‌های طبقه‌بندی

7-8- مطالب اضافی در مورد طبقه‌بندی

8- خوشه‌بندی – مفاهیم و روش‌های پایه

8-1- مفاهیم پایه

8-2- روش‌های افرازبندی

8-3- روش‌های سلسله مراتبی

8-4- روش‌های مبتنی بر چگالی

8-5- روش‌های مبتنی بر مشبک

8-6- ارزیابی خوشه‌بندی