کتاب مقدمه‌ای بر کار با کتابخانه‌های Python در Colab

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 مقدمه‌ای بر کار با کتابخانه‌های Python در Colab

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. آشنایی با محیط Google Colaboratory
  • 2. نصب و راه‌اندازی کتابخانه‌های پایتون
  • 3. نحوه وارد کردن کتابخانه‌های پرکاربرد
  • 4. مروری بر ساختار داده‌های اساسی پایتون
  • 5. کار با متغیرها و انواع داده‌ها
  • 6. دستورات شرطی و حلقه‌ها در پایتون
  • 7. توابع و ماژول‌ها در پایتون
  • 8. مقدمه‌ای بر برنامه‌نویسی شیءگرا
  • 9. مفاهیم کلاس و اشیاء
  • 10. وراثت و چندریختی در پایتون
  • 11. کار با فایل‌ها و دایرکتوری‌ها
  • 12. مدیریت خطاها و استثناها
  • 13. مقدمه‌ای بر کتابخانه NumPy
  • 14. آرایه‌ها و عملیات بر روی آن‌ها
  • 15. توابع ریاضی و آماری NumPy
  • 16. مقدمه‌ای بر کتابخانه Pandas
  • 17. ساختار داده DataFrame
  • 18. بارگذاری و ذخیره داده‌ها با Pandas
  • 19. پاکسازی و پیش‌پردازش داده‌ها
  • 20. عملیات روی ستون‌ها و ردیف‌ها
  • 21. گروه‌بندی و تجمیع داده‌ها
  • 22. ادغام و اتصال DataFrames
  • 23. کار با داده‌های سری زمانی
  • 24. مقدمه‌ای بر کتابخانه Matplotlib
  • 25. ایجاد نمودارهای خطی
  • 26. رسم نمودارهای میله‌ای
  • 27. نمودارهای پراکندگی
  • 28. نمودارهای دایره‌ای
  • 29. سفارشی‌سازی نمودارها
  • 30. مقدمه‌ای بر کتابخانه Seaborn
  • 31. نمودارهای آماری پیشرفته
  • 32. کار با Heatmaps
  • 33. نمودارهای توزیع
  • 34. نمودارهای دسته‌بندی
  • 35. مقدمه‌ای بر یادگیری ماشین
  • 36. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 37. مراحل کلی در پروژه‌های یادگیری ماشین
  • 38. مقدمه‌ای بر کتابخانه Scikit-learn
  • 39. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 40. نحوه انتخاب مدل مناسب
  • 41. ارزیابی عملکرد مدل‌ها
  • 42. مقدمه‌ای بر رگرسیون خطی
  • 43. پیاده‌سازی رگرسیون خطی با Scikit-learn
  • 44. مقدمه‌ای بر رگرسیون لجستیک
  • 45. پیاده‌سازی رگرسیون لجستیک با Scikit-learn
  • 46. مقدمه‌ای بر دسته‌بندی‌کننده‌های K-نزدیک‌ترین همسایه (KNN)
  • 47. پیاده‌سازی KNN با Scikit-learn
  • 48. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 49. پیاده‌سازی SVM با Scikit-learn
  • 50. مقدمه‌ای بر درخت‌های تصمیم
  • 51. پیاده‌سازی درخت تصمیم با Scikit-learn
  • 52. مقدمه‌ای بر جنگل‌های تصادفی
  • 53. پیاده‌سازی جنگل تصادفی با Scikit-learn
  • 54. مقدمه‌ای بر خوشه‌بندی K-Means
  • 55. پیاده‌سازی K-Means با Scikit-learn
  • 56. مقدمه‌ای بر کاهش ابعاد PCA
  • 57. پیاده‌سازی PCA با Scikit-learn
  • 58. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 59. پاکسازی متن و پیش‌پردازش
  • 60. تکنیک‌های توکنایز کردن
  • 61. حذف کلمات توقف (Stop Words)
  • 62. ریشه‌یابی کلمات (Stemming) و لماتیزاسیون (Lemmatization)
  • 63. نمایش متنی با Bag-of-Words
  • 64. نمایش متنی با TF-IDF
  • 65. مقدمه‌ای بر مدل‌های زبانی
  • 66. کار با کتابخانه NLTK
  • 67. کار با کتابخانه spaCy
  • 68. کار با کتابخانه Gensim
  • 69. مقدمه‌ای بر تحلیل احساسات
  • 70. پیاده‌سازی تحلیل احساسات با Scikit-learn
  • 71. مقدمه‌ای بر شبکه‌های عصبی
  • 72. لایه‌های شبکه‌های عصبی
  • 73. توابع فعال‌سازی
  • 74. پس‌انتشار خطا (Backpropagation)
  • 75. مقدمه‌ای بر کتابخانه TensorFlow
  • 76. ایجاد مدل‌های ساده با TensorFlow
  • 77. مقدمه‌ای بر کتابخانه Keras
  • 78. ساخت مدل‌های طبقه‌بندی با Keras
  • 79. ساخت مدل‌های رگرسیون با Keras
  • 80. کار با داده‌های تصویری
  • 81. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 82. ساخت CNN با Keras
  • 83. کار با داده‌های متنی با CNN
  • 84. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 85. ساخت RNN با Keras
  • 86. کار با داده‌های متنی با RNN
  • 87. مقدمه‌ای بر مدل‌های ترنسفورمر
  • 88. کار با مدل‌های از پیش آموزش‌دیده
  • 89. تنظیم دقیق مدل‌های ترنسفورمر
  • 90. مقدمه‌ای بر بهینه‌سازی مدل‌ها
  • 91. تنظیم هایپرپارامترها
  • 92. اعتبارسنجی متقابل (Cross-validation)
  • 93. روش‌های جلوگیری از بیش‌برازش (Overfitting)
  • 94. مقدمه‌ای بر استقرار مدل‌ها
  • 95. ذخیره و بارگذاری مدل‌های آموزش‌دیده
  • 96. مقدمه‌ای بر ابزارهای مصورسازی پیشرفته
  • 97. کار با Plotly
  • 98. کار با Bokeh
  • 99. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 100. مسئولیت‌پذیری در توسعه هوش مصنوعی

📚 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.