سپنتا کتاب اکسپرس
کتاب مدل‌سازی انتشار بیماری‌ها با علم داده

کتاب مدل‌سازی انتشار بیماری‌ها با علم داده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 مدل‌سازی انتشار بیماری‌ها با علم داده

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی علم داده
  • 2. مقدمه بر مدل‌سازی انتشار بیماری
  • 3. مفاهیم پایه همه‌گیرشناسی
  • 4. انواع داده‌های سلامت
  • 5. جمع‌آوری داده‌های سلامت
  • 6. پاکسازی داده‌ها
  • 7. کاوش داده‌های سلامت
  • 8. تجسم داده‌های سلامت
  • 9. مبانی برنامه‌نویسی پایتون
  • 10. متغیرها و انواع داده در پایتون
  • 11. ساختارهای داده در پایتون (لیست‌ها، تاپل‌ها، دیکشنری‌ها)
  • 12. دستورات شرطی در پایتون
  • 13. حلقه‌ها در پایتون
  • 14. توابع در پایتون
  • 15. ماژول‌ها و پکیج‌ها در پایتون
  • 16. مبانی NumPy
  • 17. آرایه‌های NumPy
  • 18. عملیات بر روی آرایه‌های NumPy
  • 19. عملیات ریاضی و منطقی با NumPy
  • 20. مبانی Pandas
  • 21. ساختار داده DataFrame
  • 22. بارگذاری و ذخیره‌سازی داده‌ها با Pandas
  • 23. انتخاب و فیلتر کردن داده‌ها در Pandas
  • 24. دستکاری ستون‌ها و ردیف‌ها در Pandas
  • 25. ترکیب و ادغام DataFrames
  • 26. خلاصه‌سازی داده‌ها با Pandas
  • 27. مدیریت داده‌های گمشده
  • 28. مدیریت داده‌های پرت
  • 29. تجسم داده‌ها با Matplotlib
  • 30. مبانی نمودارها
  • 31. نمودارهای خطی
  • 32. نمودارهای پراکندگی
  • 33. نمودارهای میله‌ای
  • 34. نمودارهای هیستوگرام
  • 35. نمودارهای جعبه‌ای
  • 36. تجسم داده‌ها با Seaborn
  • 37. نمودارهای آماری پیشرفته
  • 38. نقشه‌های حرارتی
  • 39. نمودارهای چندگانه
  • 40. تحلیل اکتشافی داده (EDA) برای داده‌های سلامت
  • 41. شناسایی الگوها در داده‌های سلامت
  • 42. شناسایی روندها در داده‌های سلامت
  • 43. شناسایی همبستگی‌ها در داده‌های سلامت
  • 44. مقدمه بر مدل‌سازی ریاضی انتشار بیماری
  • 45. مدل‌های کلاسیک انتشار بیماری (SIR)
  • 46. مفهوم نرخ سرایت (R0)
  • 47. پارامترهای مدل SIR
  • 48. تحلیل حساسیت مدل SIR
  • 49. پیاده‌سازی مدل SIR با پایتون
  • 50. مدل‌های بیماری پویا (SEIR)
  • 51. پارامترهای مدل SEIR
  • 52. تفسیر نتایج مدل SEIR
  • 53. مدل‌های پیشرفته‌تر انتشار بیماری
  • 54. مدل‌های فضایی انتشار بیماری
  • 55. مدل‌های مبتنی بر عامل (Agent-Based Models)
  • 56. مقدمه بر یادگیری ماشین
  • 57. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 58. مفاهیم یادگیری نظارت شده
  • 59. رگرسیون خطی
  • 60. رگرسیون لجستیک
  • 61. مدل‌های درخت تصمیم
  • 62. مدل‌های جنگل تصادفی (Random Forests)
  • 63. ماشین بردار پشتیبان (SVM)
  • 64. مقدمه بر یادگیری بدون نظارت
  • 65. خوشه‌بندی (Clustering)
  • 66. الگوریتم K-Means
  • 67. تحلیل مؤلفه‌های اصلی (PCA)
  • 68. ارزیابی مدل‌های یادگیری ماشین
  • 69. معیارهای ارزیابی رگرسیون
  • 70. معیارهای ارزیابی طبقه‌بندی
  • 71. اعتبارسنجی متقابل (Cross-validation)
  • 72. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 73. کاربرد یادگیری ماشین در مدل‌سازی انتشار بیماری
  • 74. پیش‌بینی شیوع بیماری
  • 75. شناسایی عوامل خطر
  • 76. دسته‌بندی مناطق پرخطر
  • 77. توصیه اقدامات کنترلی
  • 78. کاربرد شبکه‌های عصبی (Neural Networks)
  • 79. مبانی شبکه‌های عصبی
  • 80. شبکه‌های عصبی کانولوشنال (CNN)
  • 81. شبکه‌های عصبی بازگشتی (RNN)
  • 82. کاربرد RNN در تحلیل سری‌های زمانی بیماری
  • 83. مدل‌سازی انتشار بیماری با شبکه‌های عصبی
  • 84. ارزیابی مدل‌های یادگیری ماشین برای انتشار بیماری
  • 85. مدل‌سازی زمان‌بندی انتشار بیماری
  • 86. مدل‌سازی پیش‌بینی شدت شیوع
  • 87. مدل‌سازی تأثیر مداخلات بهداشتی
  • 88. استفاده از داده‌های مکانی در مدل‌سازی
  • 89. مقدمه بر GIS و تحلیل مکانی
  • 90. یکپارچه‌سازی داده‌های مکانی با داده‌های سلامت
  • 91. مدل‌سازی انتشار بیماری با در نظر گرفتن عوامل مکانی
  • 92. تحلیل خوشه‌بندی مکانی شیوع
  • 93. استفاده از داده‌های شبکه‌های اجتماعی
  • 94. جمع‌آوری داده از منابع غیرسنتی
  • 95. تحلیل احساسات و اخبار مربوط به بیماری
  • 96. شناسایی الگوهای انتشار بر اساس اطلاعات شبکه‌های اجتماعی
  • 97. مقدمه بر مدل‌سازی کووید-19
  • 98. مدل‌های خاص کووید-19
  • 99. نقش علم داده در مدیریت همه‌گیری کووید-19
  • 100. تجزیه و تحلیل داده‌های واکسیناسیون

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.