در این مقاله ضمن بررسی روش های نرمالسازی داده ها در داده کاوی به تشریح روش Z-score در نرمال سازی و کاربرد آن در تشخیص داده های پرت با انجام یک تمرین به صورت فیلم آموزشی با پایتون می‌پردازیم.

بررسی مفاهیم دو مدل دسته بندی K نزدیک ترین همسایگی یا KNN و درخت تصمیم یا Decision Tree و پیاده سازی و مقایسه این دو مدل Classification به صورت فیلم آموزشی در پایتون

معرفی الگوریتم شبکه عصبی ، مزایای کاربرد زبان برنامه نویسی پایتون در داده کاوی ، و اجرای یک نمونه پروژه داده کاوی با الگوریتم شبکه عصبی در Python برای رده بندی و تعیین کلاس داده ها

بررسی الگوریتم Support Vector Machine یا ماشین بردار پشتیبان و مقایسه دقت چهار مدل SVM ، KNN ، درخت تصمیم و شبکه عصبی از طریق RMSE و MSE در پایتون در یک فیلم آموزشی

در این مقاله ضمن بررسی مفاهیم کاهش بعد ( کاهش ویژگی یا کاهش مشخصه ) و تحلیل مولفه های اصلی یا PCA به پیاده سازی یک مثال کاربردی به صورت فیلم آموزشی در پایتون میپردازیم.

در این مقاله ضمن بررسی مفاهیم و تفاوت های داده های پرت یا outlier ها با داده های نویز در علم داده کاوی به پیاده سازی یک تمرین ساده به صورت فیلم آموزشی در محیط پایتون می‌پردازیم.

در این مقاله ضمن معرفی کاربردی 10 کتابخانه مصورسازی پایتون به پیاده سازی یک مثال ساده به صورت فیلم آموزشی در محیط python می‌پردازیم.

چالش های به‌کارگیری تکنیک های استاندارد یادگیری ماشین برای متوازن سازی داده ها در دیتاست هایی با کلاس های نامتوازن کدامند؟ حل مسائلی چون کشف ناهنجاری و کشف تقلب با دیتاست هایی با داده های نامتوازن

بررسی مفاهیم گسسته سازی یا discretization و توابع اعداد تصادفی و معرفی کاربردهای آن در داده کاوی و پیاده سازی یک مثال در پایتون به صورت یک فیلم آموزشی

معرفی الگوریتم های مورد نیاز دانشمند داده شامل رگرسیون ، تنظیمی ، مثال محور و حافظه محور ، کاهش بعد ، Deep Learning ، قوانین وابستگی ، آموزش گروهی ، بیزی ، درخت تصمیم ، خوشه بندی ، شبکه عصبی