سپنتا کتاب اکسپرس
کتاب Google Colaboratory: ابزار ضروری تحلیلگران داده

کتاب Google Colaboratory: ابزار ضروری تحلیلگران 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 Google Colaboratory: ابزار ضروری تحلیلگران داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر Google Colaboratory
  • 2. آشنایی با محیط Colab
  • 3. ایجاد و مدیریت نوت‌بوک‌ها
  • 4. اجرای کد در Colab
  • 5. استفاده از سلول‌های کد و متن
  • 6. تنظیمات و سفارشی‌سازی محیط Colab
  • 7. اتصال به Google Drive
  • 8. ذخیره و بارگذاری فایل‌ها در Drive
  • 9. کار با دیتاست‌ها در Colab
  • 10. مقدمه ای بر زبان پایتون برای تحلیل داده
  • 11. متغیرها و انواع داده در پایتون
  • 12. ساختارهای کنترلی (شرطی و حلقه‌ها)
  • 13. توابع در پایتون
  • 14. مقدمه ای بر کتابخانه‌های پایتون
  • 15. نصب و مدیریت کتابخانه‌ها در Colab
  • 16. کتابخانه NumPy برای محاسبات عددی
  • 17. آرایه‌ها و عملیات بر روی آن‌ها
  • 18. توابع آماری در NumPy
  • 19. کتابخانه Pandas برای کار با داده‌های جدولی
  • 20. ساختار داده Series
  • 21. ساختار داده DataFrame
  • 22. بارگذاری و ذخیره داده‌ها با Pandas
  • 23. فیلتر کردن و انتخاب داده‌ها
  • 24. گروه‌بندی و تجمیع داده‌ها
  • 25. ادغام و پیوستن DataFrame ها
  • 26. پاکسازی و پیش‌پردازش داده‌ها
  • 27. مدیریت مقادیر گمشده (Missing Values)
  • 28. شناسایی و حذف داده‌های پرت (Outliers)
  • 29. تبدیل انواع داده‌ها
  • 30. استفاده از عبارات منظم (Regular Expressions)
  • 31. مقدمه ای بر مصورسازی داده‌ها
  • 32. کتابخانه Matplotlib برای رسم نمودار
  • 33. رسم نمودارهای خطی
  • 34. رسم نمودارهای میله‌ای
  • 35. رسم نمودارهای پراکندگی
  • 36. رسم نمودارهای هیستوگرام
  • 37. رسم نمودارهای دایره‌ای (Pie Charts)
  • 38. تنظیمات پیشرفته Matplotlib
  • 39. کتابخانه Seaborn برای مصورسازی آماری
  • 40. نمودارهای Seaborn پیشرفته
  • 41. مقدمه ای بر یادگیری ماشین
  • 42. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 43. مجموعه داده‌های آموزشی و آزمایشی
  • 44. ارزیابی مدل‌های یادگیری ماشین
  • 45. مقدمه ای بر مدل‌های رگرسیون
  • 46. رگرسیون خطی ساده
  • 47. رگرسیون خطی چندگانه
  • 48. ارزیابی مدل‌های رگرسیون
  • 49. مقدمه ای بر مدل‌های طبقه‌بندی
  • 50. رگرسیون لجستیک
  • 51. ماشین بردار پشتیبان (SVM)
  • 52. درختان تصمیم
  • 53. جنگل‌های تصادفی (Random Forests)
  • 54. ارزیابی مدل‌های طبقه‌بندی
  • 55. متریک‌های ارزیابی (دقت، صحت، بازیابی)
  • 56. مقدمه ای بر یادگیری بدون نظارت
  • 57. خوشه‌بندی (Clustering)
  • 58. الگوریتم K-Means
  • 59. شاخص‌های ارزیابی خوشه‌بندی
  • 60. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 61. کار با متن در پایتون
  • 62. توکن‌سازی (Tokenization)
  • 63. حذف کلمات توقف (Stop Words Removal)
  • 64. ریشه‌یابی کلمات (Stemming) و لماتیزاسیون (Lemmatization)
  • 65. مدل‌سازی موضوعی (Topic Modeling)
  • 66. مقدمه ای بر شبکه‌های عصبی
  • 67. مفهوم نورون مصنوعی
  • 68. معماری شبکه‌های عصبی ساده
  • 69. کتابخانه TensorFlow در Colab
  • 70. مقدمه ای بر Keras
  • 71. ساخت مدل‌های ترتیبی (Sequential Models)
  • 72. لایه‌های Dense
  • 73. توابع فعال‌سازی (Activation Functions)
  • 74. تابع هزینه (Loss Function)
  • 75. بهینه‌سازها (Optimizers)
  • 76. آموزش و ارزیابی مدل‌های شبکه عصبی
  • 77. مقدمه ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 78. کاربرد CNN در پردازش تصویر
  • 79. پیاده‌سازی CNN با Keras
  • 80. مقدمه ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 81. کاربرد RNN در پردازش دنباله‌ها
  • 82. پیاده‌سازی RNN با Keras
  • 83. استفاده از GPU در Colab برای تسریع محاسبات
  • 84. تنظیمات پیشرفته GPU
  • 85. مدیریت کتابخانه‌های سفارشی
  • 86. اشتراک‌گذاری نوت‌بوک‌ها
  • 87. اشکال‌زدایی (Debugging) کد در Colab
  • 88. بهینه‌سازی عملکرد کد در Colab
  • 89. کاربرد Colab در پروژه‌های واقعی
  • 90. مرور کلی بر ابزارهای تحلیل داده در پایتون
  • 91. پروژه‌های عملی با Colab
  • 92. نکات تکمیلی و پیشرفته در Colab

📚 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.