کتاب مدل‌سازی پیش‌بینی‌کننده با R: از مبانی تا تکنیک‌های تخصصی یادگیری ماشین
, ,

کتاب مدل‌سازی پیش‌بینی‌کننده با R: از مبانی تا تکنیک‌های تخصصی یادگیری ماشین

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000019341 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 مدل‌سازی پیش‌بینی‌کننده با R: از مبانی تا تکنیک‌های تخصصی یادگیری ماشین

موضوع کلی: علم داده

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی علم داده و یادگیری ماشین
  • 2. مقدمه‌ای بر R و RStudio
  • 3. انواع داده‌ها در R
  • 4. ساختارهای داده در R (بردارها، ماتریس‌ها، لیست‌ها، دیتا فریم‌ها)
  • 5. دستکاری داده‌ها با dplyr
  • 6. تجسم داده‌ها با ggplot2
  • 7. مقدمه‌ای بر آمار توصیفی
  • 8. آمار استنباطی و آزمون فرضیه‌ها
  • 9. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
  • 10. مقیاس‌بندی و نرمال‌سازی داده‌ها
  • 11. مهندسی ویژگی: استخراج و انتخاب ویژگی
  • 12. مقدمه‌ای بر مدل‌سازی پیش‌بینی‌کننده
  • 13. انواع الگوریتم‌های یادگیری ماشین
  • 14. رگرسیون خطی ساده
  • 15. رگرسیون خطی چندگانه
  • 16. رگرسیون لجستیک
  • 17. ارزیابی مدل‌های رگرسیونی
  • 18. تنظیم مدل‌های رگرسیونی
  • 19. دسته‌بندی: مفاهیم و معیارها
  • 20. K-نزدیکترین همسایه (KNN)
  • 21. درخت‌های تصمیم
  • 22. جنگل تصادفی (Random Forest)
  • 23. ماشین‌های بردار پشتیبان (SVM)
  • 24. ارزیابی مدل‌های دسته‌بندی
  • 25. تنظیم مدل‌های دسته‌بندی
  • 26. خوشه‌بندی: مفاهیم و معیارها
  • 27. K-Means Clustering
  • 28. خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
  • 29. DBSCAN Clustering
  • 30. ارزیابی مدل‌های خوشه‌بندی
  • 31. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 32. تحلیل تفکیک خطی (LDA)
  • 33. روش‌های انتخاب ویژگی
  • 34. انتخاب ویژگی بر اساس فیلتر (Filter Methods)
  • 35. انتخاب ویژگی بر اساس پوشش (Wrapper Methods)
  • 36. انتخاب ویژگی تعبیه‌شده (Embedded Methods)
  • 37. اعتبارسنجی متقابل (Cross-Validation)
  • 38. اعتبارسنجی Bootstrap
  • 39. تنظیم ابرپارامترها: جستجوی شبکه‌ای (Grid Search)
  • 40. تنظیم ابرپارامترها: جستجوی تصادفی (Random Search)
  • 41. بهینه‌سازی Bayesian
  • 42. مدل‌های خطی تعمیم‌یافته (GLM)
  • 43. مدل‌های افزودنی تعمیم‌یافته (GAM)
  • 44. مدل‌های بقا
  • 45. تحلیل سری‌های زمانی
  • 46. شبکه‌های عصبی: مقدمه و مبانی
  • 47. پیاده‌سازی شبکه‌های عصبی با Keras
  • 48. شبکه‌های عصبی کانولوشنال (CNN)
  • 49. شبکه‌های عصبی بازگشتی (RNN)
  • 50. یادگیری عمیق برای پردازش زبان طبیعی (NLP)
  • 51. یادگیری عمیق برای بینایی ماشین (Computer Vision)
  • 52. مدل‌سازی متن: کیسه کلمات (Bag of Words)
  • 53. TF-IDF
  • 54. Word Embeddings (Word2Vec, GloVe)
  • 55. مدل‌سازی موضوع (Topic Modeling)
  • 56. تحلیل احساسات (Sentiment Analysis)
  • 57. تشخیص تقلب (Fraud Detection)
  • 58. سیستم‌های توصیه‌گر (Recommender Systems)
  • 59. پیش‌بینی مشتری (Customer Churn Prediction)
  • 60. تحلیل سبد بازار (Market Basket Analysis)
  • 61. بهینه‌سازی موتور جستجو (SEO)
  • 62. مدیریت ریسک اعتباری (Credit Risk Management)
  • 63. تحلیل تصاویر پزشکی
  • 64. تشخیص اشیاء در تصاویر
  • 65. پردازش زبان طبیعی در حوزه سلامت
  • 66. تحلیل داده‌های مالی
  • 67. پیش‌بینی قیمت سهام
  • 68. مدل‌های سری زمانی مالی
  • 69. یادگیری تقویتی (Reinforcement Learning)
  • 70. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 71. یادگیری فعال (Active Learning)
  • 72. یادگیری انتقال (Transfer Learning)
  • 73. یادگیری چندگانه (Multi-Task Learning)
  • 74. یادگیری ناهموار (Imbalanced Learning)
  • 75. متدهای Ensemble: Bagging
  • 76. متدهای Ensemble: Boosting (AdaBoost, Gradient Boosting)
  • 77. XGBoost
  • 78. LightGBM
  • 79. CatBoost
  • 80. پایپ‌لاین‌های یادگیری ماشین
  • 81. استقرار مدل‌های یادگیری ماشین
  • 82. استقرار مدل‌ها با Shiny
  • 83. استقرار مدل‌ها با Docker
  • 84. استقرار مدل‌ها در Cloud (AWS, Azure, GCP)
  • 85. مانیتورینگ مدل‌ها
  • 86. مدیریت نسخه مدل‌ها
  • 87. توضیح‌پذیری مدل (Explainable AI – XAI)
  • 88. روش‌های LIME
  • 89. روش‌های SHAP
  • 90. اخلاق در یادگیری ماشین
  • 91. حریم خصوصی داده‌ها
  • 92. تعصب در الگوریتم‌ها
  • 93. امنیت مدل‌ها
  • 94. مقدمه‌ای بر Big Data
  • 95. کار با داده‌های بزرگ با Spark و R
  • 96. یادگیری ماشین توزیع‌شده
  • 97. بهینه‌سازی عملکرد کد R
  • 98. مستندسازی کد R
  • 99. تست کد R
  • 100. مقدمه‌ای بر یادگیری ماشین خودکار (AutoML)

📚 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 مدل‌سازی پیش‌بینی‌کننده با R: از مبانی تا تکنیک‌های تخصصی یادگیری ماشین”

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

محصولات مشابه

پیمایش به بالا