کتاب جنبه‌های نظری یادگیری از داده‌های برداری
, ,

کتاب جنبه‌های نظری یادگیری از داده‌های برداری

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000028163 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 جنبه‌های نظری یادگیری از داده‌های برداری

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: جنبه‌های نظری MARL

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر داده های برداری
  • 2. مفهوم فضای برداری
  • 3. بردارهای ویژگی
  • 4. نمایش داده ها به صورت بردار
  • 5. ابعاد بردار
  • 6. فضاهای برداری با ابعاد بالا
  • 7. یادگیری از داده های برداری
  • 8. انواع یادگیری ماشینی
  • 9. یادگیری نظارت شده
  • 10. یادگیری بدون نظارت
  • 11. یادگیری تقویتی
  • 12. یادگیری نیمه نظارت شده
  • 13. یادگیری عمیق
  • 14. مدل های خطی
  • 15. رگرسیون خطی
  • 16. رگرسیون لجستیک
  • 17. ماشین های بردار پشتیبان (SVM)
  • 18. شبکه های عصبی
  • 19. شبکه های عصبی پرسپترون چند لایه (MLP)
  • 20. شبکه های عصبی کانولوشنی (CNN)
  • 21. شبکه های عصبی بازگشتی (RNN)
  • 22. شبکه های حافظه طولانی کوتاه مدت (LSTM)
  • 23. شبکه های ترانسفورمر
  • 24. مدل های غیرخطی
  • 25. درختان تصمیم
  • 26. جنگل های تصادفی
  • 27. تقویت گرادیان (Gradient Boosting)
  • 28. K-نزدیکترین همسایه (KNN)
  • 29. تکنیک های کاهش ابعاد
  • 30. تحلیل مؤلفه های اصلی (PCA)
  • 31. تجزیه مقادیر منفرد (SVD)
  • 32. t-توزیع همسایه های تصادفی غرق شده (t-SNE)
  • 33. یادگیری چند بعدی مقیاس بندی (MDS)
  • 34. نقشه های خودسازمانده (SOM)
  • 35. تکنیک های خوشه بندی
  • 36. K-Means
  • 37. خوشه بندی سلسله مراتبی
  • 38. DBSCAN
  • 39. خوشه بندی مبتنی بر مدل
  • 40. خوشه بندی طیفی
  • 41. تکنیک های طبقه بندی
  • 42. طبقه بندی بیز ساده (Naive Bayes)
  • 43. K-نزدیکترین همسایه (KNN)
  • 44. ماشین های بردار پشتیبان (SVM)
  • 45. درختان تصمیم
  • 46. جنگل های تصادفی
  • 47. شبکه های عصبی
  • 48. استخراج ویژگی
  • 49. انتخاب ویژگی
  • 50. مهندسی ویژگی
  • 51. یادگیری نمایش (Representation Learning)
  • 52. یادگیری ویژگی های سطحی
  • 53. یادگیری ویژگی های عمیق
  • 54. تعبیه کلمات (Word Embeddings)
  • 55. Word2Vec
  • 56. GloVe
  • 57. FastText
  • 58. تعبیه گذاری های سراسری
  • 59. تعبیه گذاری های مبتنی بر گراف
  • 60. تعبیه گذاری های مبتنی بر تصویر
  • 61. تعبیه گذاری های مبتنی بر ویدئو
  • 62. ارزیابی مدل های یادگیری از داده های برداری
  • 63. معیارهای ارزیابی طبقه بندی
  • 64. دقت (Accuracy)
  • 65. دقت (Precision)
  • 66. بازیابی (Recall)
  • 67. امتیاز F1
  • 68. منحنی ROC و AUC
  • 69. معیارهای ارزیابی رگرسیون
  • 70. خطای میانگین مربعات (MSE)
  • 71. ریشه خطای میانگوی مربعات (RMSE)
  • 72. خطای میانگین مطلق (MAE)
  • 73. ضریب تعیین (R-squared)
  • 74. معیارهای ارزیابی خوشه بندی
  • 75. شاخص سیلوئت (Silhouette Score)
  • 76. شاخص دیویس-بولدین (Davies-Bouldin Index)
  • 77. شاخص وارونگی (Inertia)
  • 78. اعتبارسنجی متقابل (Cross-Validation)
  • 79. اعتبارسنجی K-Fold
  • 80. اعتبارسنجی Leave-One-Out
  • 81. اعتبارسنجی Stratified K-Fold
  • 82. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 83. جستجوی شبکه‌ای (Grid Search)
  • 84. جستجوی تصادفی (Random Search)
  • 85. بهینه سازی بیز (Bayesian Optimization)
  • 86. تشدید گرادیان (Gradient Boosting)
  • 87. تکنیک های کاهش بیش برازش (Overfitting)
  • 88. منظم سازی (Regularization)
  • 89. L1 Regularization
  • 90. L2 Regularization
  • 91. Dropout
  • 92. Early Stopping
  • 93. تکنیک های کاهش کم برازش (Underfitting)
  • 94. افزایش پیچیدگی مدل
  • 95. مهندسی ویژگی بیشتر
  • 96. جمع آوری داده های بیشتر
  • 97. یادگیری تطبیقی (Adaptive Learning)
  • 98. یادگیری آنلاین (Online Learning)
  • 99. یادگیری تدریجی (Incremental Learning)
  • 100. یادگیری انتقالی (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

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب جنبه‌های نظری یادگیری از داده‌های برداری”

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

محصولات مشابه

پیمایش به بالا