سپنتا کتاب اکسپرس
کتاب جنبه‌های نظری یادگیری از داده‌های جمع‌آوری شده

کتاب جنبه‌های نظری یادگیری از داده‌های جمع‌آوری شده

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 جنبه‌های نظری یادگیری از داده‌های جمع‌آوری شده

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: جنبه‌های نظری MARL

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر یادگیری از داده ها
  • 2. تعریف یادگیری ماشینی
  • 3. انواع یادگیری ماشینی (نظارت شده، بدون نظارت، تقویتی)
  • 4. هدف یادگیری از داده ها
  • 5. اهمیت داده در یادگیری ماشینی
  • 6. چرخه حیات پروژه یادگیری ماشینی
  • 7. مراحل اصلی یادگیری از داده ها
  • 8. مفاهیم کلیدی در یادگیری از داده ها
  • 9. تعریف داده
  • 10. انواع داده (ساختاریافته، نیمه ساختاریافته، بدون ساختار)
  • 11. منابع داده
  • 12. جمع آوری داده
  • 13. روش های جمع آوری داده
  • 14. ابزارهای جمع آوری داده
  • 15. چالش های جمع آوری داده
  • 16. کیفیت داده
  • 17. اهمیت کیفیت داده
  • 18. ابعاد کیفیت داده (دقت، کامل بودن، سازگاری، به موقع بودن، یکپارچگی)
  • 19. روش های ارزیابی کیفیت داده
  • 20. روش های بهبود کیفیت داده
  • 21. پاکسازی داده
  • 22. شناسایی داده های پرت (Outliers)
  • 23. روش های شناسایی داده های پرت
  • 24. مدیریت داده های پرت
  • 25. شناسایی مقادیر گمشده (Missing Values)
  • 26. روش های مقابله با مقادیر گمشده
  • 27. همسان سازی داده ها (Data Matching)
  • 28. حذف داده های تکراری
  • 29. تبدیل داده ها (Data Transformation)
  • 30. نرمال سازی داده ها (Data Normalization)
  • 31. استاندارد سازی داده ها (Data Standardization)
  • 32. کدگذاری متغیرهای دسته ای (Categorical Encoding)
  • 33. مهندسی ویژگی (Feature Engineering)
  • 34. اهمیت مهندسی ویژگی
  • 35. روش های ساخت ویژگی های جدید
  • 36. ترکیب ویژگی ها
  • 37. استخراج ویژگی ها
  • 38. انتخاب ویژگی (Feature Selection)
  • 39. اهمیت انتخاب ویژگی
  • 40. روش های مبتنی بر فیلتر (Filter Methods)
  • 41. روش های مبتنی بر پوشش (Wrapper Methods)
  • 42. روش های تعبیه شده (Embedded Methods)
  • 43. روش های مبتنی بر مدل (Model-based Methods)
  • 44. کاهش ابعاد (Dimensionality Reduction)
  • 45. اهمیت کاهش ابعاد
  • 46. تحلیل مولفه های اصلی (PCA)
  • 47. تجزیه مقادیر منفرد (SVD)
  • 48. توزیع همسایگی تصادفی غیرخطی (t-SNE)
  • 49. یادگیری عمیق برای کاهش ابعاد
  • 50. مدل های یادگیری نظارت شده
  • 51. رگرسیون خطی (Linear Regression)
  • 52. رگرسیون لجستیک (Logistic Regression)
  • 53. ماشین بردار پشتیبان (SVM)
  • 54. درخت تصمیم (Decision Trees)
  • 55. جنگل تصادفی (Random Forests)
  • 56. تقویت گرادیان (Gradient Boosting)
  • 57. شبکه های عصبی (Neural Networks)
  • 58. شبکه های عصبی کانولوشنال (CNN)
  • 59. شبکه های عصبی بازگشتی (RNN)
  • 60. یادگیری بدون نظارت
  • 61. خوشه بندی (Clustering)
  • 62. K-Means Clustering
  • 63. خوشه بندی سلسله مراتبی (Hierarchical Clustering)
  • 64. DBSCAN
  • 65. مدل های مخلوط گاوسی (Gaussian Mixture Models)
  • 66. قوانین انجمنی (Association Rules)
  • 67. Apriori Algorithm
  • 68. FP-Growth Algorithm
  • 69. کاهش ابعاد (تکرار، با تمرکز بر کاربرد)
  • 70. مدل های یادگیری تقویتی
  • 71. مفاهیم اولیه یادگیری تقویتی
  • 72. عامل (Agent)
  • 73. محیط (Environment)
  • 74. حالت (State)
  • 75. عمل (Action)
  • 76. پاداش (Reward)
  • 77. سیاست (Policy)
  • 78. تابع ارزش (Value Function)
  • 79. یادگیری Q (Q-Learning)
  • 80. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 81. ارزیابی مدل (Model Evaluation)
  • 82. متریک های ارزیابی برای رگرسیون
  • 83. MSE, RMSE, MAE, R-squared
  • 84. متریک های ارزیابی برای طبقه بندی
  • 85. دقت (Accuracy)
  • 86. صحت (Precision)
  • 87. بازیابی (Recall)
  • 88. امتیاز F1 (F1-Score)
  • 89. منحنی ROC و AUC
  • 90. ماتریس درهم ریختگی (Confusion Matrix)
  • 91. اعتبارسنجی متقابل (Cross-Validation)
  • 92. اعتبارسنجی K-Fold
  • 93. اعتبارسنجی Leave-One-Out
  • 94. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 95. جستجوی شبکه‌ای (Grid Search)
  • 96. جستجوی تصادفی (Random Search)
  • 97. بهینه سازی بیزین (Bayesian Optimization)
  • 98. تفسیرپذیری مدل (Model Interpretability)
  • 99. اهمیت تفسیرپذیری
  • 100. روش های تفسیر مدل (LIME, SHAP)

📚 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.