سرفصل های دوره

1- Data Mining Process 
     - Gather data
     - Preprocess data
     - Learn a model
     - Evaluate the model
     - Use the model
 2- Pre-process Data
     - Cleaning
     - Reducing
     - Transforming
 3- Frequent Item-set mining
     - Apriori
 4- Regression & Classification 
     - Least Squares
     - Ridge
     - Lasso
     - Decision tree
     - KNN
     - Bayes Method
     - Neural Networks
     - Support Vector Machines
     - Model Evaluation
     - Ensemble Methods
 5- Clustering
     - Partition-based: K-means
     - Hierarchical: BIRCH
     - Density-based: DBSCAN
     - Grid-based: CLIQUE
     - Clustering evaluating
 6- Deep Learning
     - Deep Neural Network
     - Convolutional Neural Network
     - LSTM
 7- Python Libraries
     - Data structures : Numpy, Pandas
     - Visualization : Matplotlib, Bokeh
     - Machine learning : Scikit
     - Deep learning : Keras, Tensorflow
 8- Advanced Topic
     - Reinforcement learning
     - Text data & Word embedding
     - Image data & Image classification

فرصت های شغلی بعد از آموزش پایتون

• ساخت بازی های رایانه ای
• توسعه و ساخت وب
• توسعه و ساخت اپلیکیشن
• تحلیل پایگاه داده
• امنیت ، شبکه و هک
• اسکریپت نویسی و خودکارسازی
• یادگیری ماشین و علم داده