سپنتا کتاب اکسپرس
کتاب دیتا ساینس: راهنمای کاربردی استانداردسازی و نرمال سازی

کتاب دیتا ساینس: راهنمای کاربردی استانداردسازی و نرمال سازی

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره دیتا ساینس: راهنمای کاربردی استانداردسازی و نرمال سازی

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: استانداردسازی و نرمال سازی داده

📋 سرفصل‌های دوره

  • 1. فصل اول: مقدمه ای بر دیتا ساینس
  • 2. فصل دوم: اهمیت استانداردسازی داده ها
  • 3. فصل سوم: تکنیک های اولیه استانداردسازی
  • 4. فصل چهارم: مقیاس گذاری Min-Max
  • 5. فصل پنجم: مقیاس گذاری Z-Score
  • 6. فصل ششم: مقیاس گذاری MaxAbsScaler
  • 7. فصل هفتم: مقیاس گذاری RobustScaler
  • 8. فصل هشتم: انتخاب روش مناسب استانداردسازی
  • 9. فصل نهم: پیش پردازش داده های پرت
  • 10. فصل دهم: تأثیر داده های پرت بر استانداردسازی
  • 11. فصل یازدهم: روش های مدیریت داده های پرت
  • 12. فصل دوازدهم: نرمال سازی داده ها چیست؟
  • 13. فصل سیزدهم: انواع نرمال سازی
  • 14. فصل چهاردهم: نرمال سازی لگاریتمی
  • 15. فصل پانزدهم: نرمال سازی ریشه مربعی
  • 16. فصل شانزدهم: نرمال سازی Box-Cox
  • 17. فصل هفدهم: نرمال سازی Yeo-Johnson
  • 18. فصل هجدهم: مقایسه نرمال سازی ها
  • 19. فصل نوزدهم: نرمال سازی در مقابل استانداردسازی
  • 20. فصل بیستم: موارد استفاده نرمال سازی
  • 21. فصل بیست و یکم: استانداردسازی برای الگوریتم های مبتنی بر فاصله
  • 22. فصل بیست و دوم: نرمال سازی برای مدل های احتمالی
  • 23. فصل بیست و سوم: تأثیر بر یادگیری ماشین
  • 24. فصل بیست و چهارم: استانداردسازی در رگرسیون خطی
  • 25. فصل بیست و پنجم: نرمال سازی در رگرسیون خطی
  • 26. فصل بیست و ششم: استانداردسازی در رگرسیون لجستیک
  • 27. فصل بیست و هفتم: نرمال سازی در رگرسیون لجستیک
  • 28. فصل بیست و هشتم: استانداردسازی در ماشین های بردار پشتیبان (SVM)
  • 29. فصل بیست و نهم: نرمال سازی در ماشین های بردار پشتیبان (SVM)
  • 30. فصل سی ام: استانداردسازی در الگوریتم های خوشه بندی (K-Means)
  • 31. فصل سی و یکم: نرمال سازی در الگوریتم های خوشه بندی (K-Means)
  • 32. فصل سی و دوم: استانداردسازی در درخت های تصمیم
  • 33. فصل سی و سوم: نرمال سازی در درخت های تصمیم
  • 34. فصل سی و چهارم: استانداردسازی در شبکه های عصبی
  • 35. فصل سی و پنجم: نرمال سازی در شبکه های عصبی
  • 36. فصل سی و ششم: نرمال سازی ورودی شبکه های عصبی
  • 37. فصل سی و هفتم: استانداردسازی خروجی شبکه های عصبی
  • 38. فصل سی و هشتم: نرمال سازی در پردازش زبان طبیعی (NLP)
  • 39. فصل سی و نهم: استانداردسازی در بینایی ماشین
  • 40. فصل چهلم: استانداردسازی داده های متنی
  • 41. فصل چهل و یکم: نرمال سازی داده های متنی
  • 42. فصل چهل و دوم: تکنیک های پاکسازی متن
  • 43. فصل چهل و سوم: حذف علائم نگارشی
  • 44. فصل چهل و چهارم: تبدیل به حروف کوچک
  • 45. فصل چهل و پنجم: حذف کلمات توقف (Stop Words)
  • 46. فصل چهل و ششم: ریشه یابی کلمات (Stemming)
  • 47. فصل چهل و هفتم: لمایتیزاسیون (Lemmatization)
  • 48. فصل چهل و هشتم: استانداردسازی بردارهای ویژگی
  • 49. فصل چهل و نهم: نرمال سازی بردارهای ویژگی
  • 50. فصل پنجاهم: استفاده از TF-IDF
  • 51. فصل پنجاه و یکم: نرمال سازی TF-IDF
  • 52. فصل پنجاه و دوم: استفاده از Word Embeddings
  • 53. فصل پنجاه و سوم: استانداردسازی Word Embeddings
  • 54. فصل پنجاه و چهارم: نرمال سازی Word Embeddings
  • 55. فصل پنجاه و پنجم: استانداردسازی تصاویر
  • 56. فصل پنجاه و ششم: نرمال سازی تصاویر
  • 57. فصل پنجاه و هفتم: مقیاس گذاری پیکسل ها
  • 58. فصل پنجاه و هشتم: نرمال سازی رنگ ها
  • 59. فصل پنجاه و نهم: استانداردسازی داده های سری زمانی
  • 60. فصل شصتم: نرمال سازی داده های سری زمانی
  • 61. فصل شصت و یکم: نرمال سازی فصلی
  • 62. فصل شصت و دوم: نرمال سازی روند
  • 63. فصل شصت و سوم: استانداردسازی داده های صوتی
  • 64. فصل شصت و چهارم: نرمال سازی داده های صوتی
  • 65. فصل شصت و پنجم: استانداردسازی داده های گراف
  • 66. فصل شصت و ششم: نرمال سازی داده های گراف
  • 67. فصل شصت و هفتم: چالش های استانداردسازی
  • 68. فصل شصت و هشتم: چالش های نرمال سازی
  • 69. فصل شصت و نهم: انحراف داده ها
  • 70. فصل هفتادم: تشخیص انحراف
  • 71. فصل هفتاد و یکم: اصلاح انحراف
  • 72. فصل هفتاد و دوم: معیارهای ارزیابی استانداردسازی
  • 73. فصل هفتاد و سوم: معیارهای ارزیابی نرمال سازی
  • 74. فصل هفتاد و چهارم: تأثیر بر دقت مدل
  • 75. فصل هفتاد و پنجم: تأثیر بر سرعت آموزش
  • 76. فصل هفتاد و ششم: استانداردسازی در کتابخانه Scikit-learn
  • 77. فصل هفتاد و هفتم: نرمال سازی در کتابخانه Scikit-learn
  • 78. فصل هفتاد و هشتم: مثال عملی استانداردسازی
  • 79. فصل هفتاد و نهم: مثال عملی نرمال سازی
  • 80. فصل هشتادم: ترکیب استانداردسازی و نرمال سازی
  • 81. فصل هشتاد و یکم: کاربردهای پیشرفته استانداردسازی
  • 82. فصل هشتاد و دوم: کاربردهای پیشرفته نرمال سازی
  • 83. فصل هشتاد و سوم: استانداردسازی در یادگیری عمیق
  • 84. فصل هشتاد و چهارم: نرمال سازی در یادگیری عمیق
  • 85. فصل هشتاد و پنجم: Batch Normalization
  • 86. فصل هشتاد و ششم: Layer Normalization
  • 87. فصل هشتاد و هفتم: Instance Normalization
  • 88. فصل هشتاد و هشتم: Group Normalization
  • 89. فصل هشتاد و نهم: تأثیر بر واگرایی مدل
  • 90. فصل نودم: استانداردسازی و مدل های آنسامبل
  • 91. فصل نود و یکم: نرمال سازی و مدل های آنسامبل
  • 92. فصل نود و دوم: استانداردسازی داده های نامتوازن
  • 93. فصل نود و سوم: نرمال سازی داده های نامتوازن
  • 94. فصل نود و چهارم: بهترین شیوه ها در استانداردسازی
  • 95. فصل نود و پنجم: بهترین شیوه ها در نرمال سازی
  • 96. فصل نود و ششم: ابزارهای کمکی
  • 97. فصل نود و هفتم: مقایسه کتابخانه ها
  • 98. فصل نود و هشتم: روندهای آینده
  • 99. فصل نود و نهم: جمع بندی و نکات کلیدی
  • 100. فصل صدم: منابع و مطالعات بیشتر

📚 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.