اپلیکیشن اندرویدی فلش‌کارت آموزشی مقدمه‌ای کاربردی بر الگوریتم XGBoost برای تحلیل داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای کاربردی بر الگوریتم XGBoost برای تحلیل داده

موضوع کلی: یادگیری ماشین و هوش مصنوعی

موضوع میانی: الگوریتم‌های یادگیری تقویتی و درخت تصمیم

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری ماشین
• 2. مبانی یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری نظارت شده
• 5. یادگیری نظارت نشده
• 6. یادگیری تقویتی
• 7. مقدمه ای بر الگوریتم های درختی
• 8. درختان تصمیم
• 9. ساختار درخت تصمیم
• 10. نحوه ساخت درخت تصمیم
• 11. معیارهای تقسیم در درخت تصمیم
• 12. اطلاعات متقابل
• 13. شاخص جینی
• 14. کاهش واریانس
• 15. تنظیم درختان تصمیم
• 16. مشکل بیش برازش
• 17. روش های تنظیم درخت
• 18. هرس درختان تصمیم
• 19. مقدمه ای بر تقویت گرادیان
• 20. مفهوم تقویت گرادیان
• 21. تقویت گرادیان گوسی
• 22. تقویت گرادیان با گرادیان کاهشی
• 23. آغاز XGBoost
• 24. معماری XGBoost
• 25. تفاوت XGBoost با سایر الگوریتم ها
• 26. ویژگی های کلیدی XGBoost
• 27. بهینه سازی XGBoost
• 28. الگوریتم های منظم سازی در XGBoost
• 29. L1 و L2 Regularization
• 30. تنظیم پارامترهای XGBoost
• 31. جستجوی شبکه‌ای
• 32. جستجوی تصادفی
• 33. بهینه سازی پارامترهای کلیدی
• 34. مدیریت داده های از دست رفته در XGBoost
• 35. روش های جایگزینی داده های از دست رفته
• 36. استفاده از XGBoost با داده های ناقص
• 37. کاربرد XGBoost در طبقه بندی
• 38. تنظیمات XGBoost برای طبقه بندی
• 39. ارزیابی مدل های طبقه بندی
• 40. معیارهای ارزیابی طبقه بندی
• 41. دقت، حساسیت، ویژگی
• 42. منحنی ROC و AUC
• 43. کاربرد XGBoost در رگرسیون
• 44. تنظیمات XGBoost برای رگرسیون
• 45. ارزیابی مدل های رگرسیون
• 46. معیارهای ارزیابی رگرسیون
• 47. MSE، MAE، R-squared
• 48. انتخاب ویژگی با XGBoost
• 49. اهمیت ویژگی ها در XGBoost
• 50. فیلتر کردن ویژگی ها
• 51. روش های wrapper
• 52. کاربرد XGBoost در پیش بینی سری های زمانی
• 53. مدل سازی سری های زمانی
• 54. ویژگی های مبتنی بر زمان
• 55. بهینه سازی برای سری های زمانی
• 56. ارزیابی مدل های سری زمانی
• 57. کاربرد XGBoost در داده های متنی
• 58. پردازش زبان طبیعی
• 59. بردارهای ویژگی متنی
• 60. کاربرد XGBoost در داده های تصویری
• 61. پردازش تصویر
• 62. ویژگی های استخراج شده از تصاویر
• 63. کاربرد XGBoost در توصیه گرها
• 64. سیستم های توصیه گر
• 65. فیلترینگ مبتنی بر محتوا
• 66. فیلترینگ مشارکتی
• 67. کاربرد XGBoost در تشخیص ناهنجاری
• 68. تشخیص ناهنجاری
• 69. شناسایی الگوهای غیرعادی
• 70. کاربرد XGBoost در تحلیل بازار سهام
• 71. پیش بینی قیمت سهام
• 72. شاخص های تکنیکال
• 73. کاربرد XGBoost در بهداشت و درمان
• 74. تشخیص بیماری
• 75. پیش بینی نتایج درمانی
• 76. کاربرد XGBoost در امور مالی
• 77. تشخیص تقلب
• 78. ارزیابی ریسک اعتباری
• 79. کاربرد XGBoost در بهینه سازی فرآیندها
• 80. بهینه سازی تولید
• 81. مدیریت زنجیره تامین
• 82. کاربرد XGBoost در علوم اجتماعی
• 83. تحلیل افکار عمومی
• 84. پیش بینی رفتار رای دهندگان
• 85. کاربرد XGBoost در محیط زیست
• 86. پیش بینی آلودگی هوا
• 87. مدیریت منابع طبیعی
• 88. کاربرد XGBoost در انرژی
• 89. بهینه سازی مصرف انرژی
• 90. پیش بینی تقاضای انرژی
• 91. کاربرد XGBoost در آموزش
• 92. پیش بینی موفقیت تحصیلی
• 93. شخصی سازی یادگیری
• 94. کاربرد XGBoost در امنیت سایبری
• 95. تشخیص نفوذ
• 96. شناسایی بدافزار
• 97. پیاده سازی XGBoost با Python
• 98. کتابخانه XGBoost در Python
• 99. نحوه نصب و استفاده
• 100. مثال عملی با داده های واقعی