سپنتا کتاب اکسپرس
کتاب کشف تقلب (Fraud Detection) با یادگیری ماشین

کتاب کشف تقلب (Fraud Detection) با یادگیری ماشین

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 کشف تقلب (Fraud Detection) با یادگیری ماشین

موضوع کلی: برنامه نویسی

موضوع میانی: علم داده (Data Science)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر کشف تقلب
  • 2. اهمیت کشف تقلب
  • 3. انواع تقلب
  • 4. چالش های کشف تقلب
  • 5. نقش یادگیری ماشین در کشف تقلب
  • 6. مبانی یادگیری ماشین
  • 7. یادگیری تحت نظارت
  • 8. یادگیری بدون نظارت
  • 9. یادگیری تقویتی
  • 10. انواع الگوریتم های یادگیری ماشین
  • 11. رگرسیون خطی
  • 12. رگرسیون لجستیک
  • 13. ماشین بردار پشتیبان (SVM)
  • 14. درخت تصمیم
  • 15. جنگل تصادفی (Random Forest)
  • 16. تقویت گرادیان (Gradient Boosting)
  • 17. شبکه های عصبی
  • 18. یادگیری عمیق
  • 19. مراحل پروژه کشف تقلب با یادگیری ماشین
  • 20. تعریف مسئله و اهداف
  • 21. جمع آوری داده ها
  • 22. پیش پردازش داده ها
  • 23. مهندسی ویژگی
  • 24. انتخاب مدل
  • 25. آموزش مدل
  • 26. ارزیابی مدل
  • 27. استقرار مدل
  • 28. نظارت و نگهداری مدل
  • 29. انواع داده در کشف تقلب
  • 30. داده های تراکنشی
  • 31. داده های رفتاری
  • 32. داده های حساب کاربری
  • 33. داده های شبکه
  • 34. داده های متنی
  • 35. پیش پردازش داده ها
  • 36. پاکسازی داده ها
  • 37. مقادیر گمشده
  • 38. مقادیر پرت (Outliers)
  • 39. یکنواخت سازی داده ها
  • 40. تبدیل داده ها
  • 41. رمزگذاری متغیرهای دسته ای
  • 42. استانداردسازی و نرمال سازی
  • 43. مهندسی ویژگی
  • 44. ایجاد ویژگی های جدید
  • 45. استخراج اطلاعات زمانی
  • 46. تجمع (Aggregation)
  • 47. نسبت ها
  • 48. توابع پنجره ای (Window Functions)
  • 49. استفاده از دانش دامنه (Domain Knowledge)
  • 50. شناسایی الگوهای مشکوک
  • 51. تکنیک های کاهش ابعاد
  • 52. تحلیل مولفه های اصلی (PCA)
  • 53. توزیع توزیع های مجزا (t-SNE)
  • 54. انتخاب ویژگی
  • 55. روش های فیلترینگ
  • 56. روش های پوششی (Wrapper Methods)
  • 57. روش های تعبیه شده (Embedded Methods)
  • 58. کار با داده های نامتعادل (Imbalanced Data)
  • 59. مشکل عدم تعادل داده ها
  • 60. روش های نمونه برداری
  • 61. نمونه برداری کم (Undersampling)
  • 62. نمونه برداری زیاد (Oversampling)
  • 63. تکنیک های تولید داده مصنوعی (SMOTE)
  • 64. تکنیک های مبتنی بر هزینه (Cost-Sensitive Learning)
  • 65. مدل های ارزیابی
  • 66. معیارهای ارزیابی مدل های طبقه بندی
  • 67. دقت (Accuracy)
  • 68. صحت (Precision)
  • 69. بازیابی (Recall)
  • 70. امتیاز F1 (F1-Score)
  • 71. منحنی ROC و AUC (Area Under the Curve)
  • 72. منحنی دقت-بازیابی (Precision-Recall Curve)
  • 73. ماتریس درهم ریختگی (Confusion Matrix)
  • 74. انتخاب الگوریتم مناسب
  • 75. الگوریتم های خطی برای کشف تقلب
  • 76. رگرسیون لجستیک
  • 77. ماشین بردار پشتیبان (SVM)
  • 78. الگوریتم های مبتنی بر درخت برای کشف تقلب
  • 79. درخت تصمیم
  • 80. جنگل تصادفی (Random Forest)
  • 81. تقویت گرادیان (Gradient Boosting)
  • 82. الگوریتم های مبتنی بر شبکه عصبی برای کشف تقلب
  • 83. شبکه های عصبی ساده
  • 84. شبکه های عصبی کانولوشنی (CNN)
  • 85. شبکه های عصبی بازگشتی (RNN)
  • 86. شبکه های عصبی ترانسفورمر (Transformer Networks)
  • 87. یادگیری عمیق برای کشف تقلب
  • 88. کاربرد یادگیری عمیق در تشخیص تقلب
  • 89. مدل های آنومالی دیتکشن (Anomaly Detection)
  • 90. ماشین های بردار پشتیبان برای تشخیص ناهنجاری
  • 91. K-نزدیکترین همسایه (K-NN) برای تشخیص ناهنجاری
  • 92. مدل های مبتنی بر چگالی (Density-Based Models)
  • 93. Autoencoders
  • 94. Generative Adversarial Networks (GANs)
  • 95. کشف تقلب در حوزه های مختلف
  • 96. کشف تقلب در تراکنش های بانکی
  • 97. کشف تقلب در کارت های اعتباری
  • 98. کشف تقلب در بیمه
  • 99. کشف تقلب در تجارت الکترونیک
  • 100. کشف تقلب در شبکه های اجتماعی

📚 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.