سپنتا کتاب اکسپرس
کتاب کاوش داده‌ها با استفاده از ابزارهای عملی

کتاب کاوش داده‌ها با استفاده از ابزارهای عملی

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 کاوش داده‌ها با استفاده از ابزارهای عملی

موضوع کلی: یادگیری ماشین و کاوش داده‌ها

موضوع میانی: ابزارها و تکنیک‌های عملی یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر کاوش داده‌ها
  • 2. تعریف کاوش داده‌ها
  • 3. اهداف کاوش داده‌ها
  • 4. مراحل کاوش داده‌ها
  • 5. مفهوم یادگیری ماشین
  • 6. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 7. اهمیت ابزارهای عملی در کاوش داده‌ها
  • 8. معرفی ابزارهای رایج کاوش داده‌ها
  • 9. نصب و پیکربندی ابزارهای کاوش داده‌ها
  • 10. مقدمه‌ای بر مجموعه داده‌ها
  • 11. انواع داده‌ها (عددی، دسته‌ای، ترتیبی)
  • 12. ساختار داده‌ها (جدولی، متنی، تصویری)
  • 13. مفهوم داده‌های بزرگ (Big Data)
  • 14. چالش‌های کار با داده‌های بزرگ
  • 15. مقدمه‌ای بر پیش‌پردازش داده‌ها
  • 16. پاکسازی داده‌ها
  • 17. مدیریت داده‌های گمشده
  • 18. مدیریت داده‌های پرت (Outliers)
  • 19. مقیاس‌بندی داده‌ها
  • 20. نرمال‌سازی داده‌ها
  • 21. استانداردسازی داده‌ها
  • 22. تبدیل داده‌ها (Log, Box-Cox)
  • 23. مهندسی ویژگی (Feature Engineering)
  • 24. انتخاب ویژگی (Feature Selection)
  • 25. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
  • 26. تحلیل مؤلفه‌های اصلی (PCA)
  • 27. تحلیل تمایز خطی (LDA)
  • 28. مقدمه‌ای بر اکتشاف داده‌ها (EDA)
  • 29. آمار توصیفی
  • 30. میانگین، میانه، مد
  • 31. انحراف معیار، واریانس
  • 32. صدک‌ها و چارک‌ها
  • 33. نمودارهای توزیع (هیستوگرام)
  • 34. نمودارهای پراکندگی (Scatter Plots)
  • 35. نمودارهای جعبه‌ای (Box Plots)
  • 36. نمودارهای میله‌ای (Bar Charts)
  • 37. نمودارهای خطی (Line Charts)
  • 38. نمودارهای دایره‌ای (Pie Charts)
  • 39. مفهوم همبستگی
  • 40. محاسبه ضریب همبستگی
  • 41. تفسیر ضریب همبستگی
  • 42. مقدمه‌ای بر مدل‌سازی پیش‌بینی‌کننده
  • 43. یادگیری با نظارت (Supervised Learning)
  • 44. رگرسیون (Regression)
  • 45. رگرسیون خطی ساده
  • 46. رگرسیون خطی چندگانه
  • 47. رگرسیون لجستیک (Logistic Regression)
  • 48. درختان تصمیم (Decision Trees)
  • 49. قوانین انجمنی (Association Rules)
  • 50. الگوریتم Apriori
  • 51. مفهوم پشتیبانی (Support)
  • 52. مفهوم اطمینان (Confidence)
  • 53. مفهوم Lift
  • 54. مقدمه‌ای بر طبقه‌بندی (Classification)
  • 55. K-نزدیک‌ترین همسایه (K-NN)
  • 56. ماشین‌های بردار پشتیبان (SVM)
  • 57. نایوب بیز (Naive Bayes)
  • 58. شبکه‌های عصبی (Neural Networks)
  • 59. مقدمه‌ای بر یادگیری بدون نظارت (Unsupervised Learning)
  • 60. خوشه‌بندی (Clustering)
  • 61. الگوریتم K-Means
  • 62. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 63. مفهوم فاصله در خوشه‌بندی
  • 64. ارزیابی مدل‌های خوشه‌بندی
  • 65. مقدمه‌ای بر ارزیابی مدل
  • 66. معیارهای ارزیابی رگرسیون (MSE, RMSE, MAE)
  • 67. معیارهای ارزیابی طبقه‌بندی
  • 68. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 69. دقت (Accuracy)
  • 70. دقت (Precision)
  • 71. بازیابی (Recall)
  • 72. امتیاز F1
  • 73. منحنی ROC
  • 74. منحنی AUC
  • 75. اعتبارسنجی متقابل (Cross-Validation)
  • 76. تقسیم داده‌ها (Train/Test Split)
  • 77. اعتبارسنجی K-fold
  • 78. مقدمه‌ای بر تنظیم پارامتر (Hyperparameter Tuning)
  • 79. جستجوی شبکه‌ای (Grid Search)
  • 80. جستجوی تصادفی (Random Search)
  • 81. مقدمه‌ای بر یادگیری افزایشی (Incremental Learning)
  • 82. مدل‌سازی سری‌های زمانی (Time Series Modeling)
  • 83. مقدمه‌ای بر داده‌های متنی
  • 84. پردازش زبان طبیعی (NLP)
  • 85. نمایش متنی (Vectorization)
  • 86. TF-IDF
  • 87. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
  • 88. مقدمه‌ای بر داده‌های تصویری
  • 89. پردازش تصویر
  • 90. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 91. شبکه‌های عصبی کانولوشنال (CNN)
  • 92. شبکه‌های عصبی بازگشتی (RNN)
  • 93. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 94. مقدمه‌ای بر اخلاق در کاوش داده‌ها
  • 95. حریم خصوصی داده‌ها
  • 96. سوگیری در داده‌ها و مدل‌ها
  • 97. تفسیرپذیری مدل‌ها (Model Interpretability)
  • 98. مقدمه‌ای بر ابزارهای بصری‌سازی پیشرفته
  • 99. کار با ابزارهای تخصصی (مثلاً Tableau, Power BI)
  • 100. انتقال یادگیری (Transfer Learning)

📚 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.