, ,

کتاب مقدمه‌ای بر محاسبات در داده‌کاوی (Data Mining)

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مقدمه‌ای بر محاسبات در داده‌کاوی (Data Mining)

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر محاسبات سطح بالا (HPC)
  • 2. معماری کامپیوتر و تاثیر آن بر HPC
  • 3. مبانی سیستم عامل برای HPC
  • 4. شبکه های کامپیوتری و ارتباطات در HPC
  • 5. مقدمه ای بر زبان های برنامه نویسی برای HPC (C++, Python)
  • 6. ابزارها و محیط های توسعه برای HPC
  • 7. مقدمه ای بر موازی سازی
  • 8. انواع موازی سازی: داده موازی، وظیفه موازی
  • 9. مدل های برنامه نویسی موازی: MPI, OpenMP
  • 10. آشنایی با MPI (Message Passing Interface)
  • 11. نصب و پیکربندی MPI
  • 12. برنامه نویسی MPI: ارسال و دریافت پیام
  • 13. ارتباط نقطه به نقطه در MPI
  • 14. ارتباط جمعی در MPI
  • 15. همگام سازی در MPI
  • 16. بهینه سازی برنامه های MPI
  • 17. آشنایی با OpenMP
  • 18. دستورالعمل های OpenMP
  • 19. اشتراک گذاری داده در OpenMP
  • 20. همگام سازی در OpenMP
  • 21. متغیرهای خصوصی و مشترک در OpenMP
  • 22. حلقه های موازی در OpenMP
  • 23. بخش های بحرانی در OpenMP
  • 24. بهینه سازی برنامه های OpenMP
  • 25. آشنایی با CUDA
  • 26. معماری GPU و CUDA
  • 27. نصب و پیکربندی CUDA
  • 28. برنامه نویسی CUDA: Kernelها و threadها
  • 29. مدیریت حافظه در CUDA
  • 30. بهینه سازی برنامه های CUDA
  • 31. مقدمه ای بر داده کاوی (Data Mining)
  • 32. مراحل اصلی داده کاوی
  • 33. انواع داده ها در داده کاوی
  • 34. پیش پردازش داده ها
  • 35. پاکسازی داده ها
  • 36. تبدیل داده ها
  • 37. کاهش ابعاد داده ها
  • 38. انتخاب ویژگی
  • 39. متریک های ارزیابی در داده کاوی
  • 40. آشنایی با الگوریتم های طبقه بندی
  • 41. درخت های تصمیم گیری
  • 42. ماشین بردار پشتیبان (SVM)
  • 43. شبکه های عصبی مصنوعی (ANN)
  • 44. الگوریتم K-نزدیکترین همسایه (KNN)
  • 45. ارزیابی مدل های طبقه بندی
  • 46. آشنایی با الگوریتم های خوشه بندی
  • 47. الگوریتم K-میانگین (K-Means)
  • 48. خوشه بندی سلسله مراتبی
  • 49. DBSCAN
  • 50. ارزیابی مدل های خوشه بندی
  • 51. آشنایی با الگوریتم های قانون وابستگی
  • 52. الگوریتم Apriori
  • 53. الگوریتم FP-Growth
  • 54. ارزیابی قوانین وابستگی
  • 55. محاسبات سطح بالا در پیش پردازش داده ها
  • 56. محاسبات سطح بالا در طبقه بندی
  • 57. محاسبات سطح بالا در خوشه بندی
  • 58. محاسبات سطح بالا در قانون وابستگی
  • 59. آشنایی با Hadoop
  • 60. معماری Hadoop
  • 61. MapReduce
  • 62. HDFS
  • 63. آشنایی با Spark
  • 64. معماری Spark
  • 65. Spark SQL
  • 66. Spark Streaming
  • 67. MLlib (Machine Learning Library)
  • 68. استفاده از Hadoop و Spark برای داده کاوی
  • 69. محاسبات سطح بالا با Python
  • 70. Numpy برای محاسبات عددی
  • 71. Scipy برای محاسبات علمی
  • 72. Pandas برای دستکاری داده ها
  • 73. Scikit-learn برای یادگیری ماشین
  • 74. TensorFlow و Keras برای یادگیری عمیق
  • 75. استفاده از HPC برای TensorFlow و Keras
  • 76. موازی سازی مدل های یادگیری ماشین
  • 77. بهینه سازی Hyperparameterها با استفاده از HPC
  • 78. محاسبات توزیع شده در یادگیری ماشین
  • 79. مقدمه ای بر محاسبات ابری
  • 80. معماری محاسبات ابری
  • 81. سرویس های ابری برای HPC
  • 82. سرویس های ابری برای داده کاوی
  • 83. آشنایی با AWS
  • 84. آشنایی با Azure
  • 85. آشنایی با Google Cloud Platform
  • 86. استفاده از ابر برای محاسبات داده کاوی
  • 87. امنیت در HPC و داده کاوی
  • 88. ملاحظات اخلاقی در داده کاوی
  • 89. آینده HPC و داده کاوی
  • 90. مطالعات موردی در داده کاوی با HPC
  • 91. بهینه سازی کد برای عملکرد بالا
  • 92. تحلیل کارایی برنامه های موازی
  • 93. ابزارهای پروفایلینگ برای HPC
  • 94. مقایسه مدل های برنامه نویسی موازی
  • 95. بهینه سازی مصرف انرژی در HPC
  • 96. آشنایی با GPUهای جدید و معماری آنها
  • 97. ادغام GPUها و CPUها برای HPC
  • 98. محاسبات کوانتومی و تاثیر آن بر داده کاوی
  • 99. یادگیری تقویتی و HPC
  • 100. الگوریتم های تکاملی و HPC

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مقدمه‌ای بر محاسبات در داده‌کاوی (Data Mining)”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا