آموزش جامع داده کاوی و یادگیری ماشین با پایتون – کاملا پروژه محور

یادگیری ماشینی با پایتون (Machine learning) در حال حاضر یکی از محبوب ترین و پرطرفدارترین مهارت‌ها در دنیا به شمار می رود. در حال حاضر، در اکثر فرصت های شغلی‌ مرتبط با علوم داده (Data science)، تسلط به کتابخانه های مختلف برای یادگیری ماشینی با پایتون یک ضرورت محسوب می‌شود. 

از کتابخانه های معروف برای تحلیل داده با پایتون می‌توان به Numpy، Pandas، Matplotlib  و Scikit learn اشاره کرد.

با مراجعه به سایت Gloss door که یک سایت کاریابی بین المللی است، خواهید دید که متقاضیانی که به کتابخانه های ذکر شده تسلط داشته باشند، شانس بسیار خوبی برای همکاری با شرکت های بزرگ دارند. 

آناکوندا (Anaconda)، توزیع متن باز (open-source distribution) پایتون است که شامل کتابخانه های علوم داده و یادگیری ماشینی می‌شود و از قابلیت های منحصر به فردی نظیر ارائه بسترهای مختلفی برای کدنویسی (بسترهای Spyder، Jupyter notebook و Anaconda prompt)، تسهیل فرآیند کدنویسی و گرفتن خروجی، نصب راحت پکیج‌های پایتون و … برخوردار است.

این دوره آموزشی شامل چه مباحثی است؟

در این دوره آموزشی، سعی شده است تمامی تکنیک ها و مراحل داده کاوی با پایتون و یادگیری ماشینی با پایتون به صورت گام به گام و با انجام پروژه های واقعی پوشش داده شوند. همچنین برای افرادی که با زبان پایتون آشنایی ندارند، مبانی برنامه نویسی به زبان پایتون مرور می شود و سعی می شود که نکات مهم جهت کسب آمادگی لازم برای تحلیل داده با پایتون توضیح داده شوند.

از آنجا که فضای Jupyter notebook از راحتی و جذابیت خاصی در میان متخصصین علوم داده برخوردار است، در این آموزش نیز از این فضا استفاده می‌شود.

از مزایای تحلیل داده با پایتون، می توان به موارد زیر اشاره نمود:

• وارد کردن انواع دیتاست با فرمت‌های مختلف 
• قابلیت پردازش دیتا با حجم زیاد
• تحلیل‌های آماری ساده و پیشرفته (Statistical Analysis)
• پیش پردازش دیتا (data preprocessing)
• مصور سازی دیتا (Data visualization)
• انتخاب ویژگی (Feature selection)
• پیاده سازی الگوریتم‌های یادگیری ماشینی (Machine learning)
• Ensemble
• ارزیابی مدل (Confusion matrix and model accuracy)

سرفصل های دوره آموزش داده کاوی و یادگیری ماشینی با پایتون

فصل 1 – آشنایی با دوره

• معروفی دوره
• نصب و راه اندازی

فصل 2- مرور مبانی برنامه نویسی با پایتون با تمرکز بر داده کاوی و یادگیری ماشینی

• شروع کار با پایتون
• انواع ساختار داده
• برنامه‌ های کنترلی
• انواع توابع
•  Iteratorها
• Comprehensionها
• Generator‌ها
• کلاس‌ها

فصل 3- جبر خطی برای داده کاوی و یادگیری ماشین

• آشنایی با جبر خطی
• کاربرد جبر خطی در داده کاوی و یادگیری ماشین
• بردارهای و محاسبات برداری در پایتون (ضرب داخلی، نرم برداری و …)
• ماتریس‌ها و محاسبات ماتریسی در پایتون ( ضرب داخلی، ضرب اسکالر و …)
• برنامه نویسی عملیات ریاضی برای ماتریس‌ها  (چرخش ماتریس، معکوس کردن و …)

فصل 4- آشنایی با کتابخانه‌های داده‌کاوی و یادگیری ماشین

• کار با کتابخانه Numpy
• کار با کتابخانه Pandas
• مصورسازی دیتا با کتابخانه Matplotlib
• مصورسازی دیتا با کتابخانه Seaborn

فصل 5– وارد کردن دیتاست ها

• وارد کردن انواع دیتاست (CSV, URL، Excel، Text، SAS، STATA)

فصل 6- تحلیل آماری

• آمار توصیفی
• رسم نمودار آماری
• همبستگی
• Crosstab (ساده و پیشرفته)
• جدول Pivot (ساده و پیشرفته)
• رسم نمودار heatmap با جدول Pivot
• انواع آزمون‌های فرضیه ( آزمون‌های میانگین)
• P- value
• انواع آزمون‌های نرمال 
• انواع آزمون‌ها فرضیه (آزمون ‌های ناپارامتری)
• نمونه گیری تصادفی ساده بر روی دیتاست محصولات
• Stratified Sampling

فصل 7- پیش پردازش داده

• پیش پردازش اولیه داده
• پر کردن مقادیر Null (کمی، کیفی اسمی و ترتیبی)
• فیلتر کردن رکورد یا وِیژگی
• مدیریت دیتای کیفی (اسمی و ترتیبی)
• تولید ویژگی (feature generation)
• ساخت Dummy  برای ویژگی‌های کیفی
•  Reclassification (طبقه بندی مجدد مقادیر)
• Join (اتصال)
• Append (در پروژه‌های داده کاوی توضیح داده می‌شود)
• بخش بندی دیتا (Train_Test_Split)
• نرمالسازی
• استاندارد سازی
• انتخاب ویژگی
• انتخاب ویژگی‌های مهم برای داده کاوی با جنگل تصادفی
• انتخاب ویژگی‌های مهم برای داده کاوی با الگوریتم KNN
• کاهش ابعاد

فصل 8- سری زمانی

• پیش بینی فروش میانه، بدبینانه و خوشبینانه کلا برای یک شرکت تجاری بین المللی
• مقایسه روند فروش محصولات شرکت طی چهار سال گذشته

فصل 9- رگرسیون خطی

• آشنایی با رگرسیون خطی
• پیش بینی ارزش خانه در شهر بوستون با ساخت معادله رگرسیونی خطی ساده و چندگانه

فصل 10- خوشه بندی

• آشنایی با خوشه بندی
• خوشه بندی بر روی دیتاست Iris  با الگوریتم سلسله مراتبی
• خوشه بندی بر روی دیتاست Iris  با الگوریتم K-means
• خوشه بندی مشتریان بانک (پروژه محور)
• خارج کردن دیتاست خوشه بندی شده از محیط
• مقایسه عملکرد الگوریتم DBSCAN و K-means در خوشه بندی مقادیر با پراکندگی کم

فصل 11- طبقه بندی

• آشنایی با مفهوم و الگوریتم طبقه بندی
• نوشتن برنامه “انتخاب بهترین الگوریتم طبقه بندی”
• بازاریابی مستقیم بر روی دیتای کمپین بازاریی مشتریان بالقوه یک مؤسسه بانکی در پرتغال با کمک انتخاب وِیژگی و الگوریتم رگرسیون لجستیک
• ساخت سیستم تشخیص چهره به کمک الگوریتم بردار حمایت ماشینی (SVM)
• طبقه بندی متون اخبار به کمک شبکه بیز
• طبقه بندی بیماران دیابتی با درخت تصمیم + انتخاب وِیژگی (جنگل تصادفی) 
• طبقه بندی گل‌های دیتاست Iris با الگوریتم KNN + انتخاب وِیژگی
• نمودار ROC (ارزیابی مدل داده کاوی)
• Confusion Matrix (ارزیابی مدل داده کاوی)
• گزارش طبقه بندی (ارزیابی مدل داده کاوی)

فصل 12- مدیریت ارتباط با مشتری (CRM)

• آنالیر RFM بر شناسایی مشتریان وفادار و سودآور یک شرکت تجاری بین المللی

فصل 13- قواعد انجمنی (Association Rules)

• آشنایی با قواعد انجمنی
• پروژه تحلیل سبد بازار (Market basket analysis) یک شرکت خرده فروشی بین المللی

حاصل دوره

دانشجویان عزیز پس از گذراندن این دوره آموزشی می توانند پروژه های داده کاوی با پایتون و یادگیری ماشینی با پایتون را انجام دهند. همچنین به دلیل محبوبیت و اهمیت بالای این تخصص ها در داخل و خارج از ایران، در استخدام، مهاجرت تحصیلی و کاری دانشجویان بسیار موثر خواهد بود.

توجه : با هدف یادگیری کامل و تسلط به مباحث دوره، در صورت داشتن هر گونه سؤال، راهنمایی و نیاز به توضیحات بیشتر در خصوص فرآیندها و عملگرهای آموزش، دانشجویان محترم می توانند با ارسال تیکت از طریق بخش حساب کاربری و تیکت پشتیبانی با بنده در ارتباط باشند.