سپنتا کتاب اکسپرس
کتاب از پایه تا پیشرفته: یادگیری ماشین با Google Colaboratory

کتاب از پایه تا پیشرفته: یادگیری ماشین با Google Colaboratory

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 از پایه تا پیشرفته: یادگیری ماشین با Google Colaboratory

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و گوگل کولب
  • 2. نصب و راه‌اندازی گوگل کولب
  • 3. آشنایی با محیط گوگل کولب
  • 4. اجرای کد پایتون در کولب
  • 5. استفاده از کتابخانه‌های علمی پایتون
  • 6. مبانی برنامه‌نویسی پایتون برای یادگیری ماشین
  • 7. انواع داده‌ها در پایتون
  • 8. ساختارهای داده در پایتون
  • 9. دستورات شرطی و حلقه‌ها در پایتون
  • 10. توابع در پایتون
  • 11. مقدمه‌ای بر کتابخانه NumPy
  • 12. عملیات پایه با آرایه‌های NumPy
  • 13. عملیات روی ابعاد آرایه‌ها در NumPy
  • 14. توابع ریاضی در NumPy
  • 15. مقدمه‌ای بر کتابخانه Pandas
  • 16. ساختار داده DataFrame در Pandas
  • 17. خواندن و نوشتن داده‌ها با Pandas
  • 18. عملیات پایه با DataFrame
  • 19. فیلتر کردن و انتخاب داده‌ها در Pandas
  • 20. گروه‌بندی و تجمیع داده‌ها در Pandas
  • 21. پیوستن و ادغام DataFrame ها
  • 22. مقدمه‌ای بر کتابخانه Matplotlib
  • 23. رسم نمودارهای خطی و نقطه‌ای
  • 24. رسم نمودارهای میله‌ای و هیستوگرام
  • 25. تنظیمات نمودارها در Matplotlib
  • 26. مقدمه‌ای بر کتابخانه Seaborn
  • 27. نمودارهای آماری با Seaborn
  • 28. نقشه‌های حرارتی (Heatmaps)
  • 29. نمودارهای چندگانه (Pairplots)
  • 30. مقدمه‌ای بر یادگیری ماشین
  • 31. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 32. مجموعه داده‌ها و ویژگی‌ها
  • 33. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 34. متریک‌های ارزیابی مدل‌ها
  • 35. مقدمه‌ای بر رگرسیون خطی
  • 36. پیاده‌سازی رگرسیون خطی با Scikit-learn
  • 37. ارزیابی مدل رگرسیون خطی
  • 38. مقدمه‌ای بر رگرسیون لجستیک
  • 39. پیاده‌سازی رگرسیون لجستیک با Scikit-learn
  • 40. ارزیابی مدل رگرسیون لجستیک
  • 41. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 42. پیاده‌سازی SVM با Scikit-learn
  • 43. کاربرد SVM در طبقه‌بندی
  • 44. مقدمه‌ای بر درخت‌های تصمیم
  • 45. پیاده‌سازی درخت تصمیم با Scikit-learn
  • 46. کاربرد درخت تصمیم در طبقه‌بندی و رگرسیون
  • 47. مقدمه‌ای بر جنگل‌های تصادفی (Random Forest)
  • 48. پیاده‌سازی جنگل تصادفی با Scikit-learn
  • 49. مزایای جنگل تصادفی
  • 50. مقدمه‌ای بر خوشه‌بندی (Clustering)
  • 51. الگوریتم K-Means
  • 52. پیاده‌سازی K-Means با Scikit-learn
  • 53. ارزیابی مدل‌های خوشه‌بندی
  • 54. مقدمه‌ای بر کاهش ابعاد
  • 55. تحلیل مولفه‌های اصلی (PCA)
  • 56. پیاده‌سازی PCA با Scikit-learn
  • 57. کاربرد PCA در کاهش ابعاد
  • 58. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 59. ساختار شبکه‌های عصبی
  • 60. لایه ورودی، لایه‌های مخفی و لایه خروجی
  • 61. توابع فعال‌سازی
  • 62. مقدمه‌ای بر یادگیری عمیق
  • 63. چارچوب‌های یادگیری عمیق (TensorFlow, Keras)
  • 64. نصب و راه‌اندازی Keras در کولب
  • 65. ساخت یک شبکه عصبی ساده با Keras
  • 66. آموزش شبکه عصبی با Keras
  • 67. کاربرد شبکه‌های عصبی در طبقه‌بندی تصاویر
  • 68. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 69. لایه کانولوشن و Pooling
  • 70. ساخت یک مدل CNN ساده
  • 71. آموزش مدل CNN برای تشخیص تصاویر
  • 72. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 73. مفهوم حافظه در RNN
  • 74. کاربرد RNN در پردازش زبان طبیعی
  • 75. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 76. نمایش متنی به صورت برداری (Word Embeddings)
  • 77. استفاده از کتابخانه NLTK
  • 78. تحلیل احساسات با مدل‌های ساده
  • 79. مقدمه‌ای بر یادگیری تقویتی
  • 80. مفاهیم اصلی در یادگیری تقویتی
  • 81. کاربرد یادگیری تقویتی
  • 82. مقدمه‌ای بر مهندسی ویژگی
  • 83. انتخاب ویژگی‌های مهم
  • 84. ایجاد ویژگی‌های جدید
  • 85. اعتبارسنجی متقابل (Cross-Validation)
  • 86. تنظیم هایپرپارامترها (Hyperparameter Tuning)
  • 87. بهینه‌سازی مدل‌ها
  • 88. مقدمه‌ای بر استقرار مدل‌ها
  • 89. ذخیره و بارگذاری مدل‌ها
  • 90. استفاده از مدل‌های ذخیره شده
  • 91. نکات پیشرفته در گوگل کولب
  • 92. استفاده از GPU در گوگل کولب
  • 93. مدیریت فایل‌ها در گوگل کولب
  • 94. مقدمه‌ای بر اصول اخلاقی در هوش مصنوعی
  • 95. حفظ حریم خصوصی داده‌ها
  • 96. جلوگیری از سوگیری در مدل‌ها
  • 97. کاربردهای صنعتی هوش مصنوعی
  • 98. آینده 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.