سپنتا کتاب اکسپرس
کتاب مبانی Google Colaboratory برای دانشمندان داده

کتاب مبانی Google Colaboratory برای دانشمندان 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 مبانی Google Colaboratory برای دانشمندان داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر Google Colaboratory
  • 2. آشنایی با محیط Colab
  • 3. ایجاد و مدیریت نوت‌بوک‌ها
  • 4. اجرای کد پایتون در Colab
  • 5. استفاده از سلول‌های کد و متن
  • 6. نصب و وارد کردن کتابخانه‌ها
  • 7. مدیریت فایل‌ها در Colab
  • 8. آپلود و دانلود فایل‌ها
  • 9. اتصال به Google Drive
  • 10. همگام‌سازی با GitHub
  • 11. مبانی برنامه‌نویسی پایتون
  • 12. انواع داده‌ها در پایتون
  • 13. متغیرها و عملگرها
  • 14. ساختارهای کنترلی (شرطی و حلقه‌ها)
  • 15. توابع در پایتون
  • 16. ماژول‌ها و بسته‌ها
  • 17. کار با رشته‌ها
  • 18. کار با لیست‌ها و تاپل‌ها
  • 19. کار با دیکشنری‌ها و مجموعه‌ها
  • 20. مقدمه‌ای بر علم داده
  • 21. مفهوم داده و انواع آن
  • 22. جمع‌آوری داده
  • 23. پاکسازی داده
  • 24. پیش‌پردازش داده
  • 25. تحلیل اکتشافی داده (EDA)
  • 26. تصویرسازی داده
  • 27. مبانی کتابخانه NumPy
  • 28. آرایه‌های NumPy
  • 29. عملیات بر روی آرایه‌های NumPy
  • 30. توابع ریاضی NumPy
  • 31. مبانی کتابخانه Pandas
  • 32. ساختار داده DataFrame
  • 33. عملیات بر روی DataFrame
  • 34. فیلتر کردن و انتخاب داده‌ها
  • 35. گروه‌بندی و تجمیع داده‌ها
  • 36. ادغام و اتصال DataFrame ها
  • 37. کار با داده‌های سری زمانی
  • 38. مبانی کتابخانه Matplotlib
  • 39. رسم نمودارهای خطی
  • 40. رسم نمودارهای پراکندگی
  • 41. رسم نمودارهای میله‌ای
  • 42. رسم نمودارهای هیستوگرام
  • 43. سفارشی‌سازی نمودارها
  • 44. مبانی کتابخانه Seaborn
  • 45. نمودارهای آماری Seaborn
  • 46. رسم نقشه‌های حرارتی
  • 47. رسم نمودارهای جعبه‌ای
  • 48. رسم نمودارهای ویولن
  • 49. مقدمه‌ای بر یادگیری ماشین
  • 50. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 51. مراحل کلی مدل‌سازی
  • 52. ارزیابی مدل‌ها
  • 53. تقسیم داده‌ها به مجموعه آموزش و تست
  • 54. مبانی رگرسیون خطی
  • 55. پیاده‌سازی رگرسیون خطی در پایتون
  • 56. ارزیابی مدل رگرسیون
  • 57. مبانی رگرسیون لجستیک
  • 58. پیاده‌سازی رگرسیون لجستیک
  • 59. ارزیابی مدل طبقه‌بندی
  • 60. مبانی ماشین‌های بردار پشتیبان (SVM)
  • 61. پیاده‌سازی SVM
  • 62. مبانی درخت‌های تصمیم
  • 63. پیاده‌سازی درخت تصمیم
  • 64. مبانی جنگل‌های تصادفی
  • 65. پیاده‌سازی جنگل تصادفی
  • 66. مبانی خوشه‌بندی K-Means
  • 67. پیاده‌سازی K-Means
  • 68. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 69. کار با متن در پایتون
  • 70. توکنیزاسیون
  • 71. حذف کلمات توقف (Stop Words)
  • 72. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
  • 73. نمایش برداری متن (Bag-of-Words)
  • 74. نمایش TF-IDF
  • 75. کار با کتابخانه NLTK
  • 76. کار با کتابخانه spaCy
  • 77. مقدمه‌ای بر شبکه‌های عصبی
  • 78. مفهوم نورون مصنوعی
  • 79. شبکه‌های عصبی پیش‌خور (Feedforward)
  • 80. تابع فعال‌سازی
  • 81. آموزش شبکه‌های عصبی
  • 82. مقدمه‌ای بر TensorFlow
  • 83. نصب TensorFlow
  • 84. مبانی تنسورها
  • 85. ساخت مدل‌های ساده با Keras
  • 86. آموزش و ارزیابی مدل با Keras
  • 87. مقدمه‌ای بر PyTorch
  • 88. نصب PyTorch
  • 89. مبانی تِنسورهای PyTorch
  • 90. ساخت مدل‌های ساده با PyTorch
  • 91. آموزش و ارزیابی مدل با PyTorch
  • 92. کار با داده‌های حجیم در Colab
  • 93. استفاده از GPU در Colab
  • 94. بهینه‌سازی کد برای عملکرد
  • 95. نکات پیشرفته در Colab
  • 96. مدیریت وابستگی‌ها
  • 97. اشتراک‌گذاری نوت‌بوک‌ها
  • 98. مقدمه‌ای بر امنیت داده‌ها در محیط آموزشی
  • 99. اصول حفاظت از اطلاعات حساس
  • 100. رعایت حریم خصوصی کاربران

📚 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.