کتاب صوتی مبانی تحلیل پیش‌بینانه و کاربردهای آن در کسب‌وکار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل پیش‌بینانه و کاربردهای آن در کسب‌وکار

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: تحلیل پیش‌بینانه داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم داده و تحلیل پیش‌بینانه
• 2. اهمیت تحلیل پیش‌بینانه در کسب‌وکار
• 3. مفاهیم پایه در تحلیل داده
• 4. انواع داده و ساختارهای داده
• 5. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
• 6. شناسایی و مدیریت مقادیر گمشده
• 7. تکنیک‌های کاهش ابعاد داده
• 8. مقدمه‌ای بر یادگیری ماشین
• 9. انواع یادگیری ماشین: نظارت‌شده و بدون نظارت
• 10. مدل‌های رگرسیون خطی
• 11. ارزیابی مدل‌های رگرسیون
• 12. مدل‌های رگرسیون لجستیک
• 13. کاربرد رگرسیون لجستیک در طبقه‌بندی
• 14. مقدمه‌ای بر درختان تصمیم
• 15. ساخت و ارزیابی درختان تصمیم
• 16. تکنیک‌های افزایش دقت درختان تصمیم
• 17. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
• 18. کاربرد SVM در مسائل طبقه‌بندی
• 19. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 20. ساختار و تابع فعال‌سازی در شبکه‌های عصبی
• 21. آموزش شبکه‌های عصبی: پس‌انتشار خطا
• 22. کاربرد شبکه‌های عصبی در پیش‌بینی
• 23. مقدمه‌ای بر خوشه‌بندی
• 24. الگوریتم K-Means
• 25. ارزیابی مدل‌های خوشه‌بندی
• 26. کاربرد خوشه‌بندی در بخش‌بندی مشتریان
• 27. مقدمه‌ای بر تحلیل سری‌های زمانی
• 28. شناسایی الگوها در سری‌های زمانی
• 29. مدل‌های ARIMA برای پیش‌بینی
• 30. ارزیابی مدل‌های سری زمانی
• 31. کاربرد تحلیل سری زمانی در پیش‌بینی فروش
• 32. مقدمه‌ای بر تحلیل سبد بازار
• 33. قوانین وابستگی و مجموعه اقلام پرتکرار
• 34. الگوریتم Apriori
• 35. کاربرد تحلیل سبد بازار در توصیه‌گرها
• 36. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 37. پیش‌پردازش متن
• 38. مدل‌سازی موضوعی (Topic Modeling)
• 39. کاربرد NLP در تحلیل احساسات
• 40. مقدمه‌ای بر یادگیری تقویتی
• 41. مفاهیم پایه در یادگیری تقویتی
• 42. کاربرد یادگیری تقویتی در بهینه‌سازی
• 43. مقدمه‌ای بر داده‌های حجیم (Big Data)
• 44. ابزارها و چارچوب‌های داده‌های حجیم
• 45. مقدمه‌ای بر پلتفرم‌های ابری برای علوم داده
• 46. کاربرد تحلیل پیش‌بینانه در بازاریابی
• 47. تحلیل پیش‌بینانه در مدیریت ریسک مالی
• 48. کاربرد در پیش‌بینی تقلب
• 49. تحلیل پیش‌بینانه در بهینه‌سازی زنجیره تأمین
• 50. کاربرد در مدیریت موجودی
• 51. تحلیل پیش‌بینانه در بهینه‌سازی منابع انسانی
• 52. کاربرد در پیش‌بینی ترک خدمت کارکنان
• 53. تحلیل پیش‌بینانه در حوزه سلامت
• 54. پیش‌بینی بیماری‌ها و تشخیص زودهنگام
• 55. کاربرد در شخصی‌سازی درمان
• 56. تحلیل پیش‌بینانه در حوزه آموزش
• 57. پیش‌بینی عملکرد تحصیلی دانش‌آموزان
• 58. کاربرد در طراحی برنامه‌های آموزشی
• 59. اخلاق در علوم داده و هوش مصنوعی
• 60. حفظ حریم خصوصی داده‌ها
• 61. مسئولیت‌پذیری در تصمیم‌گیری‌های الگوریتمی
• 62. سوگیری در داده‌ها و الگوریتم‌ها
• 63. چالش‌های پیاده‌سازی مدل‌های پیش‌بینانه
• 64. ارزیابی و انتخاب مدل مناسب
• 65. تفسیرپذیری مدل‌های پیش‌بینانه
• 66. مقدمه‌ای بر مدل‌های یادگیری عمیق (Deep Learning)
• 67. شبکه‌های عصبی کانولوشنی (CNN)
• 68. کاربرد CNN در بینایی ماشین
• 69. شبکه‌های عصبی بازگشتی (RNN)
• 70. کاربرد RNN در پردازش توالی‌ها
• 71. مقدمه‌ای بر مدل‌های ترنسفورمر (Transformer)
• 72. کاربرد ترنسفورمر در NLP
• 73. مقدمه‌ای بر هوش مصنوعی مولد
• 74. کاربرد هوش مصنوعی مولد در تولید محتوا
• 75. اخلاق در هوش مصنوعی مولد
• 76. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
• 77. تکنیک‌های خلاقانه در مهندسی ویژگی
• 78. مقدمه‌ای بر مدل‌های ترکیبی (Ensemble Methods)
• 79. تقویت گرادیان (Gradient Boosting)
• 80. ماشین‌های تقویت‌شده (XGBoost)
• 81. کاربرد مدل‌های ترکیبی در افزایش دقت
• 82. مقدمه‌ای بر یادگیری انتقال (Transfer Learning)
• 83. کاربرد یادگیری انتقال در مسائل با داده کم
• 84. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
• 85. کاربرد یادگیری فدرال در حفظ حریم خصوصی
• 86. مقدمه‌ای بر داده‌کاوی در پایگاه‌های داده
• 87. استخراج اطلاعات از پایگاه‌های داده رابطه‌ای
• 88. مقدمه‌ای بر معماری‌های سیستم‌های توصیه‌گر
• 89. فیلترینگ مشارکتی
• 90. فیلترینگ مبتنی بر محتوا
• 91. مقدمه‌ای بر بهینه‌سازی مدل‌ها
• 92. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 93. روش‌های اعتبارسنجی متقابل (Cross-Validation)
• 94. مقدمه‌ای بر ابزارهای بصری‌سازی داده‌ها
• 95. نمودارهای مؤثر برای نمایش داده‌ها
• 96. کاربرد بصری‌سازی در درک مدل‌ها
• 97. مقدمه‌ای بر استقرار مدل‌های پیش‌بینانه
• 98. چرخه عمر مدل در تولید
• 99. مانیتورینگ و به‌روزرسانی مدل‌ها
• 100. مقدمه‌ای بر کاربردهای پیشرفته تحلیل داده