کتاب طراحی و ساخت موتورهای جستجو: از الگوریتم‌های کلاسیک تا مدل‌های مدرن
, ,

کتاب طراحی و ساخت موتورهای جستجو: از الگوریتم‌های کلاسیک تا مدل‌های مدرن

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000008184 دسته: , , برچسب: , , , , , , , , , , , , , , , , , , , , , ,

📚 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 طراحی و ساخت موتورهای جستجو: از الگوریتم‌های کلاسیک تا مدل‌های مدرن

موضوع کلی: علم داده

موضوع میانی: کاوش و تحلیل متن

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر علم داده و کاوش متن
  • 2. مروری بر بازیابی اطلاعات و موتورهای جستجو
  • 3. اصطلاحات کلیدی و تعاریف پایه در بازیابی اطلاعات
  • 4. مدل بولی و معایب آن
  • 5. مدل فضای برداری و TF-IDF
  • 6. محاسبه شباهت در فضای برداری: Cosine Similarity
  • 7. پیش پردازش متن: Tokenization و Normalization
  • 8. حذف کلمات توقف (Stop Words)
  • 9. ریشه یابی (Stemming) و لِماتیزاسیون (Lemmatization)
  • 10. نمایه سازی معکوس (Inverted Index): ساختار و پیاده سازی
  • 11. بهینه سازی اندازه نمایه معکوس
  • 12. نمایه سازی چند زبانه
  • 13. ارزیابی سیستم های بازیابی اطلاعات: دقت و بازخوانی (Precision & Recall)
  • 14. معیار F1 و سایر معیارهای ترکیبی
  • 15. MAP (Mean Average Precision) و MRR (Mean Reciprocal Rank)
  • 16. ارزیابی آفلاین در مقابل ارزیابی آنلاین
  • 17. آزمون A/B در موتورهای جستجو
  • 18. رتبه بندی بر اساس ارتباط (Relevance Ranking)
  • 19. مدل زبانی برای بازیابی اطلاعات
  • 20. احتمال رخداد کلمات و تخمین هموارسازی (Smoothing)
  • 21. مدل زبانی unigram و n-gram
  • 22. مدل زبانی با استفاده از روش‌های یادگیری ماشین
  • 23. ارزیابی مدل های زبانی: پرپلکسیتی (Perplexity)
  • 24. مقدمه ای بر یادگیری ماشین برای رتبه بندی (Learning to Rank)
  • 25. روش های نقطه ای (Pointwise) در Learning to Rank
  • 26. روش های زوجی (Pairwise) در Learning to Rank
  • 27. روش های لیستی (Listwise) در Learning to Rank
  • 28. الگوریتم RankSVM
  • 29. الگوریتم LambdaMART
  • 30. الگوریتم Gradient Boosting Decision Trees (GBDT) برای رتبه بندی
  • 31. الگوریتم AdaRank
  • 32. ویژگی های مورد استفاده در Learning to Rank: Feature Engineering
  • 33. ترکیب ویژگی ها و انتخاب ویژگی
  • 34. مقدمه ای بر شبکه های عصبی برای بازیابی اطلاعات
  • 35. شبکه های عصبی feedforward
  • 36. شبکه های عصبی بازگشتی (Recurrent Neural Networks)
  • 37. شبکه های حافظه بلندمدت (LSTM) و دروازه بازگشتی (GRU)
  • 38. Embedded Word ها: Word2Vec و GloVe
  • 39. استفاده از Word Embeddings در بازیابی اطلاعات
  • 40. Sentence Embeddings: Doc2Vec و InferSent
  • 41. مدل های زبانی مبتنی بر ترنسفورمرها (Transformer-based Language Models)
  • 42. معرفی BERT و کاربردهای آن در بازیابی اطلاعات
  • 43. Fine-tuning BERT برای رتبه بندی
  • 44. استفاده از مدل های ترنسفورمر برای سوال و پاسخ (Question Answering)
  • 45. مدل های زبانی مبتنی بر ترنسفورمر برای تولید متن (Text Generation)
  • 46. مقدمه ای بر جستجوی معنایی (Semantic Search)
  • 47. Knowledge Graph ها و نقش آنها در جستجوی معنایی
  • 48. استفاده از ontologie ها در جستجوی معنایی
  • 49. بازیابی اطلاعات با استفاده از query expansion
  • 50. جستجوی فازی (Fuzzy Search) و تصحیح املایی
  • 51. جستجوی مجاورتی (Proximity Search)
  • 52. جستجوی جغرافیایی (Geographic Search)
  • 53. مقدمه ای بر خوشه بندی متن (Text Clustering)
  • 54. الگوریتم K-Means برای خوشه بندی متن
  • 55. الگوریتم Hierarchical Clustering برای خوشه بندی متن
  • 56. الگوریتم DBSCAN برای خوشه بندی متن
  • 57. ارزیابی خوشه بندی متن
  • 58. مقدمه ای بر خلاصه سازی متن (Text Summarization)
  • 59. خلاصه سازی استخراجی (Extractive Summarization)
  • 60. خلاصه سازی انتزاعی (Abstractive Summarization)
  • 61. ارزیابی خلاصه سازی متن
  • 62. مقدمه ای بر تحلیل احساسات (Sentiment Analysis)
  • 63. روش های مبتنی بر لغتنامه (Lexicon-based) برای تحلیل احساسات
  • 64. روش های یادگیری ماشین برای تحلیل احساسات
  • 65. ارزیابی تحلیل احساسات
  • 66. مقدمه ای بر تشخیص موجودیت نامگذاری شده (Named Entity Recognition)
  • 67. روش های مبتنی بر قوانین (Rule-based) برای NER
  • 68. روش های یادگیری ماشین برای NER
  • 69. ارزیابی NER
  • 70. مقدمه ای بر Topic Modeling
  • 71. الگوریتم Latent Dirichlet Allocation (LDA)
  • 72. ارزیابی Topic Modeling
  • 73. کاوش متن در شبکه های اجتماعی
  • 74. تحلیل ترندها و احساسات در شبکه های اجتماعی
  • 75. شناسایی کاربران تاثیرگذار (Influencers)
  • 76. بازیابی اطلاعات شخصی (Personalized Information Retrieval)
  • 77. توصیه گرها (Recommender Systems)
  • 78. فیلترسازی مشارکتی (Collaborative Filtering)
  • 79. توصیه گرها مبتنی بر محتوا (Content-based Recommender Systems)
  • 80. توصیه گرهای هیبریدی (Hybrid Recommender Systems)
  • 81. امنیت در موتورهای جستجو: مقابله با حملات SEO
  • 82. جلوگیری از محتوای اسپم (Spam) و تقلب (Fraud)
  • 83. حریم خصوصی در موتورهای جستجو
  • 84. ملاحظات اخلاقی در طراحی موتورهای جستجو
  • 85. موتورهای جستجو برای زبان های مختلف
  • 86. جستجوی صوتی (Voice Search)
  • 87. جستجوی تصویری (Image Search)
  • 88. جستجوی ویدئویی (Video Search)
  • 89. چالش های جستجو در حجم بالای داده (Big Data)
  • 90. معماری موتورهای جستجو در مقیاس بزرگ
  • 91. پردازش ابری (Cloud Computing) برای موتورهای جستجو
  • 92. شاخص های عملکردی (KPIs) برای موتورهای جستجو
  • 93. مانیتورینگ و Logging موتورهای جستجو
  • 94. بهینه سازی موتورهای جستجو (SEO)
  • 95. آینده موتورهای جستجو: روندهای نوظهور
  • 96. یادگیری تقویتی (Reinforcement Learning) برای رتبه بندی
  • 97. جستجوی مبتنی بر پاسخگویی (Answer Engine)
  • 98. معماری های سرویس گرا (Microservices Architecture) برای موتورهای جستجو
  • 99. امنیت و مقیاس پذیری در موتورهای جستجو
  • 100. حقوق مالکیت فکری در موتورهای جستجو

📚 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 طراحی و ساخت موتورهای جستجو: از الگوریتم‌های کلاسیک تا مدل‌های مدرن”

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

محصولات مشابه

پیمایش به بالا