داده‌کاوی با Python

تمرکز کتاب حاضر 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 اِجمالی روی مفاهیم پایه داده‌کاوی خواهیم داشت. اکتشاف داده‌ها و کاهش ابعاد موضوعات بخش دوم (فصل‌های 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 باناظر آشنا می‌شویم. ترتیب این فصل‌ها بر اساس سطح پیچیدگی روش‌ها سازمان‌دهی شده‌اند. تمرکز بخش پنجم (فصل‌های چهاردهم و پانزدهم) روی روش‌های بی‌ناظر است: کاوش قواعد انجمنی و خوشه‌بندی. 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.