علم داده و داده‌کاوی

1. مقدمه‌ای بر علم داده و تفکر داده-محور
2. آشنایی با متدولوژی‌های علم داده (مانند CRISP-DM)
3. جمع‌آوری داده‌ها: کار با فایل‌ها، پایگاه‌های داده (SQL) و APIها
4. مبانی وب اسکرپینگ (Web Scraping) با کتابخانه‌هایی مانند BeautifulSoup
5. پاک‌سازی داده‌ها (Data Cleaning): مدیریت داده‌های گمشده، مقادیر پرت و ناسازگاری‌ها
6. تبدیل و مرتب‌سازی داده‌ها (Data Wrangling) با Pandas
7. تحلیل اکتشافی داده (Exploratory Data Analysis – EDA): آمار توصیفی
8. بصری‌سازی داده‌ها با Matplotlib و Seaborn برای کشف الگو
9. اصول داستان‌سرایی با داده (Data Storytelling)
10. مهندسی ویژگی (Feature Engineering): ایجاد، انتخاب و تبدیل ویژگی‌ها
11. کاهش ابعاد (Dimensionality Reduction) با PCA
12. مقدمه‌ای بر کاربرد مدل‌های یادگیری ماشین (به عنوان ابزار)
13. داده‌کاوی: کشف الگوهای پنهان
14. تحلیل سبد خرید (Market Basket Analysis) با الگوریتم Apriori
15. اصول ارزیابی مدل و اعتبارسنجی متقابل (Cross-Validation)
16. ارتباط نتایج: ساخت داشبوردهای تعاملی ساده
17. ملاحظات حریم خصوصی و اخلاق در علم داده
18. پروژه نهایی: انجام یک پروژه کامل علم داده روی یک مجموعه داده واقعی

مقدمه‌ای بر علم داده و نقش آن در دنیای امروز:

• تعریف علم داده، تفاوت با یادگیری ماشین، آمار و BI
• چرخه حیات علم داده
• نقش دانشمند داده

پایتون برای علم داده: مرور عمیق‌تر:

• NumPy، Pandas: تکنیک‌های پیشرفته دستکاری و تحلیل داده
• Matplotlib، Seaborn، Plotly: تجسم‌سازی داده‌های پیچیده

مدیریت و جمع‌آوری داده‌ها:

• کار با APIها برای جمع‌آوری داده‌های وب
• Web Scraping با Beautiful Soup و Scrapy
• مقدمه‌ای بر پایگاه‌های داده NoSQL (MongoDB, Cassandra) و کاربردهای آن‌ها
• مفاهیم Data Lake و Data Lakehouse

پیش‌پردازش و پاکسازی داده‌ها:

• شناسایی و مدیریت مقادیر پرت (Outlier Detection)
• تکنیک‌های imputing برای مقادیر گمشده
• نرمال‌سازی و استانداردسازی پیشرفته
• مواجهه با داده‌های نامتوازن (Imbalanced Data)

آمار کاربردی برای علم داده (Advanced Statistics):

• آمار توصیفی و استنباطی
• آزمون‌های فرضیه پیشرفته (ANOVA, Chi-squared)
• رگرسیون خطی و لجستیک (مرور و رویکردهای پیشرفته)
• مقدمه‌ای بر سری‌های زمانی (Time Series Analysis) و مدل‌های ARIMA

یادگیری ماشین کاربردی (مرور و نکات کاوش داده):

• طبقه‌بندی، رگرسیون، خوشه‌بندی، کاهش ابعاد (تمرکز بر کاربردها در کاوش داده)
• استفاده از Scikit-learn برای ساخت پایپ‌لاین‌های کامل

کاوش داده (Data Mining) – کشف الگوها:

• قوانین انجمنی (Association Rule Mining): الگوریتم Apriori و کاربردهای آن
• تحلیل توالی (Sequence Mining)
• تشخیص ناهنجاری (Anomaly Detection) – رویکردهای آماری

تحلیل متن و داده‌های بدون ساختار (Text Mining):

• مقدمه‌ای بر پردازش زبان طبیعی (NLP) برای کاوش داده
• بردارسازی متن
• تحلیل احساسات (Sentiment Analysis)
• موضوع‌کاوی (Topic Modeling) با LDA

سیستم‌های توصیه‌گر (Recommender Systems) – رویکرد جامع:

• فیلترینگ مشارکتی (Collaborative Filtering)
• فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
• مفاهیم ماتریس فاکتورسازی (Matrix Factorization)

اخلاق و حریم خصوصی در علم داده:

• اهمیت حریم خصوصی داده (Data Privacy) و حفاظت از داده‌ها
• بایاس و عدالت در الگوریتم‌ها و داده‌ها
• مقررات داده (GDPR, CCPA) و تبعات آن برای پروژه‌های علم داده

اصول استقرار مدل‌های علم داده (Data Science Deployment – MLOps Lite):

• ذخیره و بارگذاری مدل‌های پایتون
• ساخت APIهای ساده برای مدل‌ها با Flask/FastAPI
• مقدمه‌ای بر Docker برای بسته‌بندی

ابزارهای Big Data برای علم داده (مفاهیم):

• مقدمه‌ای بر Apache Spark و Hadoop (اکوسیستم و کاربردها)
• مفاهیم پردازش توزیع‌شده برای تحلیل داده

پروژه عملی ۱: تحلیل و پیش‌بینی تقاضای محصول با داده‌های سری زمانی

• شامل پیش‌پردازش سری زمانی و مدل‌سازی

پروژه عملی ۲: کاوش الگوهای خرید مشتریان با قوانین انجمنی

پروژه عملی ۳: ساخت یک سیستم تشخیص ناهنجاری در لاگ‌های سیستمی

پروژه عملی ۴: تحلیل جامع داده‌های متنی (مثلاً نظرات کاربران) و موضوع‌کاوی

کارگاه‌های عملی: حل مسائل دنیای واقعی با داده‌های پیچیده

مهارت‌های ارتباطی و داستان‌گویی با داده (Data Storytelling)

نحوه ارائه یافته‌ها به ذینفعان غیرفنی

پروژه نهایی جامع: یک پروژه End-to-End علم داده از ابتدا تا انتها

• شامل انتخاب مسئله، جمع‌آوری داده، تحلیل، مدل‌سازی، استخراج بینش و ارائه.