سپنتا کتاب اکسپرس
کتاب طراحی مدل‌های یادگیری ماشین برای شناسایی الگوهای پیچیده عرضه و تقاضا

کتاب طراحی مدل‌های یادگیری ماشین برای شناسایی الگوهای پیچیده عرضه و تقاضا

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 طراحی مدل‌های یادگیری ماشین برای شناسایی الگوهای پیچیده عرضه و تقاضا

موضوع کلی: سرمایه‌گذاری کمی و معاملات الگوریتمی

موضوع میانی: مدل‌سازی عوامل تأثیرگذار بر عرضه و تقاضا

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر شناسایی الگوهای پیچیده
  • 2. مفاهیم اساسی عرضه و تقاضا
  • 3. محدودیت های مدل های سنتی
  • 4. نیاز به مدل های یادگیری ماشین
  • 5. انواع الگوهای پیچیده
  • 6. اهمیت داده ها در مدل سازی
  • 7. جمع آوری و پیش پردازش داده ها
  • 8. پاکسازی و نرمال سازی داده ها
  • 9. مهندسی ویژگی برای داده های عرضه و تقاضا
  • 10. انتخاب ویژگی های مرتبط
  • 11. مبانی یادگیری ماشین
  • 12. انواع الگوریتم های یادگیری ماشین
  • 13. رگرسیون خطی برای پیش بینی تقاضا
  • 14. رگرسیون لجستیک برای دسته بندی تقاضا
  • 15. درختان تصمیم برای مدل سازی عرضه
  • 16. جنگل های تصادفی برای پیش بینی تقاضای پیچیده
  • 17. ماشین های بردار پشتیبان (SVM)
  • 18. شبکه های عصبی مصنوعی
  • 19. شبکه های عصبی کانولوشنال (CNN)
  • 20. شبکه های عصبی بازگشتی (RNN)
  • 21. حافظه بلند کوتاه مدت (LSTM)
  • 22. شبکه های حافظه طولانی کوتاه مدت (GRU)
  • 23. مدل های سری زمانی
  • 24. ARIMA برای پیش بینی تقاضا
  • 25. SARIMA برای الگوهای فصلی
  • 26. Prophet برای پیش بینی تقاضای تجاری
  • 27. مدل های مبتنی بر عامل
  • 28. شبیه سازی عامل محور
  • 29. کاربرد مدل های مبتنی بر عامل در عرضه و تقاضا
  • 30. مدل های گرافیکی
  • 31. شبکه های بیزی
  • 32. میدان های تصادفی شرطی
  • 33. مدل های ترکیب (Ensemble Methods)
  • 34. بوستینگ گرادیان
  • 35. XGBoost
  • 36. LightGBM
  • 37. مدل های ادغام (Hybrid Models)
  • 38. ترکیب سری زمانی و یادگیری ماشین
  • 39. ترکیب مدل های مبتنی بر عامل و یادگیری ماشین
  • 40. ارزیابی مدل های یادگیری ماشین
  • 41. معیارهای ارزیابی رگرسیون
  • 42. میانگین خطای مطلق (MAE)
  • 43. میانگین مربعات خطا (MSE)
  • 44. ریشه میانگین مربعات خطا (RMSE)
  • 45. معیارهای ارزیابی دسته بندی
  • 46. دقت (Accuracy)
  • 47. صحت (Precision)
  • 48. بازیابی (Recall)
  • 49. امتیاز F1
  • 50. منحنی ROC و AUC
  • 51. اعتبارسنجی متقابل (Cross-Validation)
  • 52. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 53. جستجوی گرید (Grid Search)
  • 54. جستجوی تصادفی (Random Search)
  • 55. بهینه سازی بیزین (Bayesian Optimization)
  • 56. تفسیرپذیری مدل (Model Interpretability)
  • 57. اهمیت تفسیرپذیری در تصمیم گیری
  • 58. روش های تفسیرپذیری
  • 59. LIME
  • 60. SHAP
  • 61. کاربردها در مدیریت زنجیره تامین
  • 62. پیش بینی تقاضای خرده فروشی
  • 63. مدیریت موجودی
  • 64. بهینه سازی قیمت گذاری
  • 65. پیش بینی عرضه در بازارهای انرژی
  • 66. شناسایی نوسانات قیمت
  • 67. مدیریت ریسک در بازارهای مالی
  • 68. شناسایی الگوهای تقاضای مصرف کننده
  • 69. تحلیل رفتار مشتری
  • 70. شخصی سازی پیشنهادات
  • 71. کاربرد در بازارهای آنلاین
  • 72. بهینه سازی موتورهای توصیه گر
  • 73. شناسایی تقاضای پنهان
  • 74. کاربرد در بخش کشاورزی
  • 75. پیش بینی تولید محصول
  • 76. مدیریت منابع آب
  • 77. بهینه سازی توزیع محصولات
  • 78. کاربرد در بخش حمل و نقل
  • 79. پیش بینی ترافیک
  • 80. بهینه سازی مسیرهای تحویل
  • 81. مدیریت ناوگان
  • 82. کاربرد در بخش سلامت
  • 83. پیش بینی شیوع بیماری
  • 84. مدیریت منابع بیمارستانی
  • 85. بهینه سازی زنجیره تامین دارو
  • 86. ملاحظات اخلاقی در مدل سازی
  • 87. سوگیری داده ها
  • 88. انصاف در الگوریتم ها
  • 89. حریم خصوصی داده ها
  • 90. مقیاس پذیری و کارایی مدل ها
  • 91. پیاده سازی مدل ها در محیط عملیاتی
  • 92. نظارت و به روز رسانی مدل ها
  • 93. چالش های آینده در شناسایی الگوهای پیچیده
  • 94. روندهای نوظهور در یادگیری ماشین
  • 95. یادگیری تقویتی (Reinforcement Learning)
  • 96. یادگیری فدرال (Federated Learning)
  • 97. یادگیری چندوظیفه ای (Multi-task Learning)
  • 98. یادگیری بدون نظارت (Unsupervised Learning)
  • 99. خوشه بندی (Clustering)
  • 100. کاهش ابعاد (Dimensionality Reduction)

📚 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.