سپنتا کتاب اکسپرس
کتاب Google Colaboratory: دروازه‌ای به سوی علوم داده و یادگیری ماشین

کتاب Google Colaboratory: دروازه‌ای به سوی علوم داده و یادگیری ماشین

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: دروازه‌ای به سوی علوم داده و یادگیری ماشین

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. آشنایی با گوگل کُلَب و محیط آن
  • 2. نصب و راه‌اندازی اولیه گوگل کُلَب
  • 3. مفاهیم پایهٔ برنامه‌نویسی پایتون در کُلَب
  • 4. انواع سلول‌ها و نحوهٔ استفاده از آن‌ها
  • 5. اجرای دستورات پایتون و نمایش خروجی
  • 6. کار با متغیرها و انواع داده در پایتون
  • 7. ساختارهای کنترلی: دستورات شرطی (if, elif, else)
  • 8. ساختارهای کنترلی: حلقه‌ها (for, while)
  • 9. کار با توابع در پایتون
  • 10. مدیریت خطاها و استثناها (try, except)
  • 11. مقدمه‌ای بر کتابخانه‌های پایتون
  • 12. نصب و وارد کردن کتابخانه‌های مورد نیاز
  • 13. کار با NumPy برای محاسبات عددی
  • 14. آرایه‌ها و عملیات بر روی آن‌ها در NumPy
  • 15. مقدمه‌ای بر Pandas برای تحلیل داده
  • 16. ساختار داده DataFrame در Pandas
  • 17. بارگذاری داده‌ها از فایل‌های CSV و Excel
  • 18. پاکسازی و پیش‌پردازش داده‌ها در Pandas
  • 19. مدیریت مقادیر گمشده (Missing Values)
  • 20. تکنیک‌های انتخاب و فیلتر کردن داده‌ها
  • 21. عملیات گروه‌بندی و تجمیع داده‌ها
  • 22. ترکیب و ادغام DataFrameها
  • 23. مقدمه‌ای بر Matplotlib برای بصری‌سازی داده
  • 24. رسم نمودارهای خطی و پراکندگی
  • 25. رسم نمودارهای میله‌ای و هیستوگرام
  • 26. تنظیمات پیشرفتهٔ نمودارها در Matplotlib
  • 27. مقدمه‌ای بر Seaborn برای بصری‌سازی جذاب‌تر
  • 28. نمودارهای توزیع و آماری با Seaborn
  • 29. بصری‌سازی داده‌های طبقه‌بندی شده
  • 30. کار با رنگ‌ها و استایل‌ها در بصری‌سازی
  • 31. مقدمه‌ای بر یادگیری ماشین
  • 32. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 33. مفاهیم پایه: ویژگی (Feature) و برچسب (Label)
  • 34. انتخاب مجموعه داده مناسب برای آموزش
  • 35. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 36. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت شده
  • 37. رگرسیون خطی ساده
  • 38. رگرسیون خطی چندگانه
  • 39. ارزیابی مدل‌های رگرسیون (MSE, R-squared)
  • 40. مقدمه‌ای بر طبقه‌بندی
  • 41. رگرسیون لجستیک
  • 42. دسته‌بندی‌کننده‌های Naive Bayes
  • 43. ماشین‌های بردار پشتیبان (SVM) - مقدماتی
  • 44. درخت‌های تصمیم (Decision Trees)
  • 45. ارزیابی مدل‌های طبقه‌بندی (Accuracy, Precision, Recall)
  • 46. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 47. مقدمه‌ای بر یادگیری بدون نظارت
  • 48. خوشه‌بندی (Clustering)
  • 49. الگوریتم K-Means
  • 50. ارزیابی مدل‌های خوشه‌بندی
  • 51. کاهش ابعاد (Dimensionality Reduction)
  • 52. تحلیل مولفه‌های اصلی (PCA)
  • 53. کاربرد PCA در تحلیل داده
  • 54. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 55. نورون مصنوعی و توابع فعال‌سازی
  • 56. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 57. فرآیند آموزش شبکه‌های عصبی: انتشار رو به جلو
  • 58. فرآیند آموزش شبکه‌های عصبی: انتشار رو به عقب (Backpropagation)
  • 59. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
  • 60. آموزش مدل‌های طبقه‌بندی با شبکه‌های عصبی
  • 61. آموزش مدل‌های رگرسیون با شبکه‌های عصبی
  • 62. مقدمه‌ای بر کتابخانه TensorFlow
  • 63. ساختار TensorFlow و تنسورها
  • 64. ایجاد مدل‌های ساده با TensorFlow/Keras
  • 65. آموزش و ارزیابی مدل‌ها با Keras API
  • 66. کار با لایه‌های مختلف در Keras
  • 67. استفاده از توابع فعال‌سازی در Keras
  • 68. تنظیم پارامترهای بهینه‌ساز (Optimizer)
  • 69. مقدمه‌ای بر کتابخانه PyTorch
  • 70. ساختار PyTorch و تِنسورها
  • 71. ایجاد مدل‌های ساده با PyTorch
  • 72. آموزش و ارزیابی مدل‌ها با PyTorch
  • 73. تفاوت‌های کلیدی TensorFlow و PyTorch
  • 74. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 75. کار با متن و توکن‌سازی
  • 76. نمایش متن به صورت عددی (Bag-of-Words, TF-IDF)
  • 77. استفاده از NLTK برای پردازش متن
  • 78. مقدمه‌ای بر Word Embeddings (Word2Vec, GloVe)
  • 79. کار با مدل‌های زبانی ساده
  • 80. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 81. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 82. شبکه‌های حافظه کوتاه مدت (GRU)
  • 83. کاربرد RNN, LSTM, GRU در NLP
  • 84. مقدمه‌ای بر بینایی ماشین
  • 85. کار با تصاویر در پایتون
  • 86. پیش‌پردازش تصاویر برای یادگیری ماشین
  • 87. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 88. لایه‌های کانولوشن و Pooling
  • 89. ساختار CNN برای طبقه‌بندی تصاویر
  • 90. آموزش و ارزیابی مدل‌های CNN
  • 91. انتقال یادگیری (Transfer Learning) با مدل‌های از پیش آموزش دیده
  • 92. کاربرد CNN در تشخیص اشیاء
  • 93. مقدمه‌ای بر مدل‌های تولیدی
  • 94. شبکه‌های مولد تخاصمی (GANs) - مقدماتی
  • 95. استفاده از کُلَب برای پروژه‌های عملی
  • 96. ذخیره‌سازی و بارگذاری مدل‌ها
  • 97. اشتراک‌گذاری کد و نتایج در کُلَب
  • 98. بهینه‌سازی عملکرد کد در کُلَب
  • 99. کاربرد کُلَب در پروژه‌های دانشگاهی و تحقیقاتی
  • 100. مباحث پیشرفته‌تر در علوم داده و یادگیری ماشین

📚 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.