سپنتا کتاب اکسپرس
کتاب صفر تا صد یادگیری ماشین با پایتون: راهنمای جامع برای مبتدیان

کتاب صفر تا صد یادگیری ماشین با پایتون: راهنمای جامع برای مبتدیان

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 صفر تا صد یادگیری ماشین با پایتون: راهنمای جامع برای مبتدیان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی برنامه‌نویسی پایتون و علم داده برای یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تاریخچه مختصر هوش مصنوعی
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربردهای یادگیری ماشین در دنیای واقعی
  • 5. معرفی زبان برنامه‌نویسی پایتون برای علم داده
  • 6. نصب پایتون و محیط توسعه (IDE)
  • 7. مبانی پایتون: متغیرها و انواع داده
  • 8. عملگرها در پایتون
  • 9. ساختارهای کنترلی: شرط‌ها (if, elif, else)
  • 10. ساختارهای کنترلی: حلقه‌ها (for, while)
  • 11. توابع در پایتون
  • 12. ساختارهای داده در پایتون: لیست‌ها
  • 13. ساختارهای داده در پایتون: تاپل‌ها
  • 14. ساختارهای داده در پایتون: مجموعه‌ها (Sets)
  • 15. ساختارهای داده در پایتون: دیکشنری‌ها
  • 16. مبانی برنامه‌نویسی شیء گرا (OOP) در پایتون
  • 17. کلاس‌ها و اشیاء در پایتون
  • 18. وراثت و چندریختی در پایتون
  • 19. مدیریت خطاها و استثناها در پایتون
  • 20. ماژول‌ها و پکیج‌ها در پایتون
  • 21. نصب کتابخانه‌های ضروری علم داده
  • 22. معرفی کتابخانه NumPy برای محاسبات عددی
  • 23. عملیات پایه‌ای با آرایه‌های NumPy
  • 24. عملیات پیشرفته با آرایه‌های NumPy
  • 25. مرتب‌سازی و جستجو در آرایه‌های NumPy
  • 26. آمار توصیفی با NumPy
  • 27. معرفی کتابخانه Pandas برای تجزیه و تحلیل داده
  • 28. ساخت DataFrame در Pandas
  • 29. کار با داده‌های گمشده (Missing Data) در Pandas
  • 30. فیلترینگ و انتخاب داده در Pandas
  • 31. عملیات گروه‌بندی (Grouping) در Pandas
  • 32. عملیات ادغام (Merging) و اتصال (Joining) در Pandas
  • 33. توابع کاربردی در Pandas
  • 34. کار با فایل‌های CSV و Excel با Pandas
  • 35. مبانی مصورسازی داده (Data Visualization)
  • 36. معرفی کتابخانه Matplotlib
  • 37. رسم نمودارهای خطی (Line Plots)
  • 38. رسم نمودارهای میله‌ای (Bar Plots)
  • 39. رسم نمودارهای پراکندگی (Scatter Plots)
  • 40. رسم هیستوگرام (Histograms)
  • 41. رسم نمودارهای دایره‌ای (Pie Charts)
  • 42. تنظیمات و شخصی‌سازی نمودارها در Matplotlib
  • 43. معرفی کتابخانه Seaborn برای مصورسازی زیبا
  • 44. مصورسازی رابطه بین متغیرها با Seaborn
  • 45. نمودارهای توزیع با Seaborn
  • 46. مصورسازی ماتریس همبستگی (Correlation Matrix)
  • 47. مقدمه‌ای بر علم داده (Data Science)
  • 48. مراحل فرآیند علم داده
  • 49. شناخت و درک داده (Data Understanding)
  • 50. پاکسازی داده (Data Cleaning)
  • 51. مهندسی ویژگی (Feature Engineering)
  • 52. انتخاب ویژگی (Feature Selection)
  • 53. ایجاد ویژگی‌های جدید
  • 54. تکنیک‌های حذف داده‌های پرت (Outliers)
  • 55. کار با داده‌های دسته‌ای (Categorical Data)
  • 56. رمزگذاری داده‌های دسته‌ای (One-Hot Encoding)
  • 57. رمزگذاری ترتیبی (Label Encoding)
  • 58. استانداردسازی و نرمال‌سازی داده‌ها (Scaling)
  • 59. معرفی الگوریتم‌های یادگیری ماشین
  • 60. یادگیری نظارت شده (Supervised Learning)
  • 61. رگرسیون خطی (Linear Regression)
  • 62. تفسیر ضرایب رگرسیون خطی
  • 63. معیارهای ارزیابی مدل رگرسیون (MSE, R-squared)
  • 64. رگرسیون چندگانه (Multiple Linear Regression)
  • 65. رگرسیون لجستیک (Logistic Regression)
  • 66. مفهوم تابع سیگموئید
  • 67. معیارهای ارزیابی مدل طبقه‌بندی (Accuracy, Precision, Recall, F1-score)
  • 68. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 69. مدل K-نزدیک‌ترین همسایه (K-Nearest Neighbors - KNN)
  • 70. انتخاب مقدار K در KNN
  • 71. درخت تصمیم (Decision Trees)
  • 72. کسب اطلاعات (Information Gain) و ضریب جینی (Gini Impurity)
  • 73. قوانین استنتاج در درخت تصمیم
  • 74. پیش‌بینی با درخت تصمیم
  • 75. مرتبط‌سازی (Pruning) درخت تصمیم
  • 76. جنگل تصادفی (Random Forest)
  • 77. تقویت گرادیان (Gradient Boosting)
  • 78. معرفی مدل‌های ساده یادگیری ماشین
  • 79. دسته‌بندی‌کننده Naive Bayes
  • 80. پیاده‌سازی Naive Bayes
  • 81. معرفی مفاهیم پایه مدل‌های Ensemble
  • 82. مدل ماشین بردار پشتیبان (Support Vector Machines - SVM)
  • 83. کاربردهای SVM
  • 84. هسته‌ها (Kernels) در SVM
  • 85. معرفی یادگیری بدون نظارت (Unsupervised Learning)
  • 86. خوشه‌بندی (Clustering)
  • 87. الگوریتم K-Means
  • 88. انتخاب تعداد خوشه‌ها (K)
  • 89. ارزیابی مدل‌های خوشه‌بندی
  • 90. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 91. کاهش ابعاد (Dimensionality Reduction)
  • 92. تجزیه مؤلفه‌های اصلی (Principal Component Analysis - PCA)
  • 93. کاربردهای PCA
  • 94. معرفی کتابخانه Scikit-learn
  • 95. ساختار کلی Scikit-learn
  • 96. نحوه استفاده از مدل‌ها در Scikit-learn
  • 97. تقسیم داده به مجموعه آموزش و آزمون
  • 98. اعتبارسنجی متقابل (Cross-Validation)
  • 99. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 100. جستجوی شبکه‌ای (Grid Search)

📚 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.