سپنتا کتاب اکسپرس
کتاب راهنمای جامع Google Colaboratory برای متخصصان داده

کتاب راهنمای جامع Google Colaboratory برای متخصصان داده

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 راهنمای جامع Google Colaboratory برای متخصصان داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. مقدمات و آشنایی با Google Colaboratory
  • 2. نصب و راه‌اندازی محیط Colab
  • 3. کار با سلول‌های کد و متن در Colab
  • 4. اجرای کد پایتون در Colab
  • 5. مدیریت کتابخانه‌ها و وابستگی‌ها
  • 6. کار با فایل‌ها و دایرکتوری‌ها در Colab
  • 7. ذخیره و بارگذاری داده‌ها در Colab
  • 8. اتصال به Google Drive
  • 9. تنظیمات پیشرفته Colab
  • 10. استفاده از GPU و TPU در Colab
  • 11. مقدمه‌ای بر علم داده
  • 12. مفهوم و چرخه حیات علم داده
  • 13. ابزارها و کتابخانه‌های کلیدی علم داده در پایتون
  • 14. آشنایی با NumPy برای محاسبات عددی
  • 15. آشنایی با Pandas برای تحلیل داده
  • 16. ساختار داده‌های Pandas: Series و DataFrame
  • 17. عملیات اولیه با DataFrame
  • 18. فیلتر کردن و انتخاب داده‌ها
  • 19. گروه‌بندی و تجمیع داده‌ها
  • 20. ادغام و پیوستن DataFrame ها
  • 21. پاکسازی داده‌های پرت و گمشده
  • 22. نمودارها و بصری‌سازی داده‌ها با Matplotlib
  • 23. نمودارهای پایه Matplotlib
  • 24. سفارشی‌سازی نمودارها
  • 25. نمودارهای پیشرفته با Seaborn
  • 26. مقدمه‌ای بر یادگیری ماشین
  • 27. مفاهیم اساسی یادگیری ماشین
  • 28. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 29. مراحل ساخت مدل یادگیری ماشین
  • 30. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 31. ارزیابی مدل‌های یادگیری ماشین
  • 32. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 33. معیارهای ارزیابی مدل‌های رگرسیون
  • 34. مقدمه‌ای بر رگرسیون خطی
  • 35. پیاده‌سازی رگرسیون خطی در Scikit-learn
  • 36. مقدمه‌ای بر رگرسیون لجستیک
  • 37. پیاده‌سازی رگرسیون لجستیک در Scikit-learn
  • 38. مقدمه‌ای بر درختان تصمیم
  • 39. پیاده‌سازی درختان تصمیم در Scikit-learn
  • 40. مقدمه‌ای بر جنگل‌های تصادفی
  • 41. پیاده‌سازی جنگل‌های تصادفی در Scikit-learn
  • 42. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 43. پیاده‌سازی SVM در Scikit-learn
  • 44. مقدمه‌ای بر خوشه‌بندی (Clustering)
  • 45. الگوریتم K-Means
  • 46. پیاده‌سازی K-Means در Scikit-learn
  • 47. مقدمه‌ای بر کاهش ابعاد
  • 48. تحلیل مؤلفه‌های اصلی (PCA)
  • 49. پیاده‌سازی PCA در Scikit-learn
  • 50. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 51. کار با متن در پایتون
  • 52. پاکسازی و پیش‌پردازش متن
  • 53. کیسه‌کلمات (Bag-of-Words)
  • 54. TF-IDF
  • 55. مقدمه‌ای بر مدل‌های زبانی
  • 56. کار با کتابخانه NLTK
  • 57. کار با کتابخانه spaCy
  • 58. مقدمه‌ای بر شبکه‌های عصبی
  • 59. مفاهیم پایه شبکه‌های عصبی
  • 60. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 61. پیاده‌سازی MLP با TensorFlow/Keras
  • 62. مقدمه‌ای بر یادگیری عمیق
  • 63. کار با داده‌های تصویری
  • 64. شبکه‌های عصبی کانولوشنی (CNN)
  • 65. پیاده‌سازی CNN برای طبقه‌بندی تصویر
  • 66. مقدمه‌ای بر یادگیری تقویتی
  • 67. کار با داده‌های سری زمانی
  • 68. تحلیل سری زمانی با Pandas
  • 69. مدل‌سازی سری زمانی
  • 70. پیاده‌سازی مدل‌های سری زمانی در Colab
  • 71. مقدمه‌ای بر Big Data
  • 72. مفاهیم Big Data
  • 73. ابزارهای Big Data (اشاره کوتاه)
  • 74. کار با داده‌های حجیم در Colab (با محدودیت)
  • 75. بهینه‌سازی کد برای کارایی
  • 76. اشکال‌زدایی کد در Colab
  • 77. مدیریت نسخه با Git (اشاره کوتاه)
  • 78. انتشار مدل‌های یادگیری ماشین
  • 79. مقدمه‌ای بر مهندسی ویژگی
  • 80. تکنیک‌های مهندسی ویژگی
  • 81. اعتبارسنجی متقابل (Cross-validation)
  • 82. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 83. روش‌های Grid Search و Random Search
  • 84. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی (در چارچوب قوانین)
  • 85. مقدمه‌ای بر سیستم‌های توصیه‌گر (در چارچوب قوانین)
  • 86. مقدمه‌ای بر داده‌کاوی (در چارچوب قوانین)
  • 87. اخلاق در علم داده
  • 88. حریم خصوصی داده‌ها
  • 89. امنیت داده‌ها
  • 90. کاربرد علم داده در حوزه‌های مجاز (صنعتی، اقتصادی، بهداشتی)
  • 91. مقدمه‌ای بر هوش مصنوعی (در چارچوب تعریف شده)
  • 92. مقدمه‌ای بر یادگیری ماشین توزیع شده (اشاره کوتاه)
  • 93. مقدمه‌ای بر یادگیری قابل توضیح (Explainable AI)
  • 94. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 95. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 96. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 97. مقدمه‌ای بر پردازش تصویر پیشرفته
  • 98. مقدمه‌ای بر پردازش صدا
  • 99. مقدمه‌ای بر رباتیک (مفاهیم پایه)
  • 100. مقدمه‌ای بر سیستم‌های خبره (اشاره کوتاه)

📚 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.