کتاب صوتی مبانی تحلیل پیش‌بینانه با داده‌ها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی تحلیل پیش‌بینانه با داده‌ها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: تحلیل داده‌های پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل پیش‌بینانه
• 2. مفاهیم کلیدی در تحلیل پیش‌بینانه
• 3. کاربردهای تحلیل پیش‌بینانه در صنعت
• 4. انواع مدل‌های پیش‌بینانه
• 5. مراحل انجام یک پروژه تحلیل پیش‌بینانه
• 6. جمع‌آوری و آماده‌سازی داده‌ها
• 7. پاکسازی داده‌ها
• 8. مدیریت داده‌های گم‌شده
• 9. مهندسی ویژگی
• 10. انتخاب ویژگی
• 11. کاهش ابعاد داده
• 12. تحلیل اکتشافی داده‌ها
• 13. بصری‌سازی داده‌ها
• 14. آمار توصیفی
• 15. مبانی رگرسیون خطی
• 16. رگرسیون چندگانه
• 17. ارزیابی مدل‌های رگرسیون
• 18. مقدمه‌ای بر طبقه‌بندی
• 19. رگرسیون لجستیک
• 20. درختان تصمیم
• 21. دسته‌بندی‌کننده‌های مبتنی بر درخت
• 22. ماشین‌های بردار پشتیبان (SVM)
• 23. شبکه‌های عصبی مصنوعی
• 24. مقدمه‌ای بر یادگیری عمیق
• 25. شبکه‌های عصبی کانولوشنال (CNN)
• 26. شبکه‌های عصبی بازگشتی (RNN)
• 27. مدل‌های زبانی
• 28. یادگیری تقویتی
• 29. ارزیابی مدل‌های طبقه‌بندی
• 30. ماتریس درهم‌ریختگی
• 31. دقت، صحت، بازیابی و امتیاز F1
• 32. منحنی ROC و AUC
• 33. اعتبارسنجی متقابل
• 34. تنظیم ابرپارامترها
• 35. مدل‌های پیش‌بینانه سری زمانی
• 36. مدل‌های ARIMA
• 37. مدل‌های نمایی هموارسازی
• 38. پیش‌بینی تقاضا
• 39. پیش‌بینی فروش
• 40. مدیریت ریسک اعتباری
• 41. تشخیص تقلب
• 42. تحلیل احساسات
• 43. سیستم‌های توصیه‌گر
• 44. کشف خوشه‌
• 45. تحلیل داده‌های متنی
• 46. پردازش زبان طبیعی (NLP)
• 47. شناسایی موجودیت نام‌گذاری شده (NER)
• 48. تحلیل وابستگی
• 49. مدل‌سازی موضوعی
• 50. یادگیری عمیق برای NLP
• 51. مدل‌های ترنسفورمر
• 52. پردازش تصویر
• 53. بینایی ماشین
• 54. تشخیص اشیاء
• 55. بصری‌سازی پیشرفته داده‌ها
• 56. نقشه‌های حرارتی
• 57. نمودارهای پراکندگی پیشرفته
• 58. تحلیل بقا
• 59. مدل‌های کاکس
• 60. تفسیرپذیری مدل‌های پیش‌بینانه
• 61. مقیاس‌پذیری مدل‌های پیش‌بینانه
• 62. استقرار مدل‌های پیش‌بینانه
• 63. نظارت بر عملکرد مدل
• 64. به‌روزرسانی مدل‌های پیش‌بینانه
• 65. اخلاق در تحلیل پیش‌بینانه
• 66. حریم خصوصی داده‌ها
• 67. سوگیری در الگوریتم‌ها
• 68. مسئولیت‌پذیری در هوش مصنوعی
• 69. مطالعات موردی در تحلیل پیش‌بینانه
• 70. تحلیل پیش‌بینانه در امور مالی
• 71. تحلیل پیش‌بینانه در بازاریابی
• 72. تحلیل پیش‌بینانه در بهداشت و درمان
• 73. تحلیل پیش‌بینانه در تولید
• 74. تحلیل پیش‌بینانه در حمل و نقل
• 75. تحلیل پیش‌بینانه در خدمات دولتی
• 76. روش‌های پیشرفته مهندسی ویژگی
• 77. تکنیک‌های کاهش ابعاد غیرخطی
• 78. یادگیری عمیق برای داده‌های ساختاریافته
• 79. یادگیری انتقال
• 80. شبکه‌های مولد تخاصمی (GAN)
• 81. یادگیری ترکیبی
• 82. مدل‌های گراف عصبی
• 83. تحلیل داده‌های مکانی-زمانی
• 84. پیش‌بینی آب و هوا
• 85. تحلیل داده‌های شبکه‌های اجتماعی
• 86. مدیریت کلان داده
• 87. پلتفرم‌های پردازش کلان داده
• 88. ابزارهای تحلیل پیش‌بینانه
• 89. پایتون برای تحلیل پیش‌بینانه
• 90. کتابخانه‌های یادگیری ماشین در پایتون
• 91. مبانی تحلیل آماری
• 92. احتمالات و آمار
• 93. استنباط آماری
• 94. آزمون فرض آماری
• 95. تحلیل واریانس (ANOVA)
• 96. مبانی رگرسیون غیرخطی
• 97. مدل‌های خطی تعمیم‌یافته (GLM)
• 98. نکات پایانی در تحلیل پیش‌بینانه
• 99. مسیرهای شغلی در تحلیل پیش‌بینانه