کتاب داده کاوی با Python انتشارات آتی‌نگر

درباره کتاب داده‌کاوی با Python

تمرکز این کتاب روی تکنیک‌های داده‌کاوی و پیاده‌سازی آن‌ها در زبان پایتون است و مطالب آن در هشت بخش گردآوری شده است. 

در بخش اول (فصل‌های اول و دوم) مروری اجمالی روی مفاهیم پایه داده‌کاوی خواهیم داشت. اکتشافات داده‌ها و کاهش ابعاد موضوعات بخش دوم (فصل سوم و چهارم) کتاب را تشکیل می‌دهند. بخش سوم که تنها شامل فصل پنجم است، به موضوع مهم ارزیابی کارایی می‌پردازد. در بخش چهارم (فصل‌های ششم تا سیزدهم) با روش‌های متعدد یادگیری با ناظر آشنا می‌شویم. ترتیب این فصل‌ها بر اساس سطح پیچیدگی روش‌ها سازمان‌دهی شده‌اند. تمرکز فصل پنجم (فصل‌های چهاردهم و پانزدهم) روی روش‌های بی ناظر است: کاوش قواعد انجمنی و خوشه بندی. بخش ششم (فصل‌های شانزدهم تا هجدهم) به موضوع پیش‌بینی سری‌های زمانی تخصیص داده شده است. تحلیل شبکه‌های اجتماعی و متن‌کاوی، موضوعاتی هستند که در بخش هفتم کتاب ( فصل‌های نوزدهم و بیستم) به آن‌ها پرداخته شده است. در بخش پایانی کتاب نیز چندین پروژه کاربردی در دنیای واقعی بررسی می‌شود. 

سرفصل‌های کتاب داده‌کاوی با Python

فصل اول: مقدمه

فصل دوم: مروری بر فرآیند داده‌کاوی

فصل سوم: مصورسازی داده‌ها

فصل چهارم: کاهش ابعاد

فصل پنجم: ارزیابی کارایی

فصل ششم: رگرسیون خطی چندگانه

فصل هفتم: K نزدیک‌ترین همسایه

فصل هشتم: رده بیز ساده

فصل نهم: درختان رده‌بندی و رگرسیون

فصل دهم: رگرسیون لجستیک

فصل یازدهم: شبکه‌های عصبی

فصل دوازدهم: تحلیل شخصیتی

فصل سیزدهم: روش‌های ترکیبی: مدل‌سازی تلفیقی و uplift

فصل چهاردهم: قواعد انجمنی و پالایش مشارکتی

فصل پانزدهم: تحلیل خوشه

فصل شانزدهم: سری‌های زمانی

فصل هفدهم: پیش‌بینی مبتنی بر رگرسیون

فصل هجدهم: روش‌های هموارسازی

فصل نوزدهم: تحلیل شبکه اجتماعی

فصل بیستم: متن‌کاوی

فصل بیست و یکم: چند مثال کاربردی