سپنتا کتاب اکسپرس
کتاب آشنایی عمیق با Jupyter Notebooks و ویژگی‌های آن

کتاب آشنایی عمیق با Jupyter Notebooks و ویژگی‌های آن

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 آشنایی عمیق با Jupyter Notebooks و ویژگی‌های آن

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Jupyter Notebooks

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر محیط Jupyter Notebook
  • 2. نصب و راه‌اندازی Jupyter Notebook
  • 3. ساختار کلی یک Notebook
  • 4. سلول‌های کد در Jupyter Notebook
  • 5. سلول‌های Markdown برای مستندسازی
  • 6. اجرای کد در سلول‌ها
  • 7. تکمیل خودکار کد (Autocompletion)
  • 8. نمایش خروجی کدها
  • 9. کار با متغیرها و داده‌ها
  • 10. استفاده از کتابخانه‌های پایتون
  • 11. مقدمه‌ای بر NumPy برای محاسبات عددی
  • 12. آشنایی با ساختارهای داده NumPy (آرایه‌ها)
  • 13. عملیات پایه بر روی آرایه‌های NumPy
  • 14. شاخص‌گذاری و برش‌دهی در آرایه‌ها
  • 15. توابع آماری در NumPy
  • 16. مقدمه‌ای بر Pandas برای تحلیل داده
  • 17. ساختار داده Series در Pandas
  • 18. ساختار داده DataFrame در Pandas
  • 19. بارگذاری داده‌ها از فایل‌های CSV
  • 20. بارگذاری داده‌ها از فایل‌های Excel
  • 21. فیلتر کردن و انتخاب داده‌ها در DataFrame
  • 22. مرتب‌سازی داده‌ها
  • 23. گروه‌بندی داده‌ها (Grouping)
  • 24. توابع تجمیعی (Aggregation)
  • 25. ادغام و ترکیب DataFrames
  • 26. پاکسازی داده‌های گمشده (Missing Data)
  • 27. مدیریت داده‌های پرت (Outliers)
  • 28. مقدمه‌ای بر Matplotlib برای بصری‌سازی
  • 29. رسم نمودارهای خطی (Line Plots)
  • 30. رسم نمودارهای پراکندگی (Scatter Plots)
  • 31. رسم نمودارهای میله‌ای (Bar Charts)
  • 32. رسم هیستوگرام (Histograms)
  • 33. رسم نمودارهای دایره‌ای (Pie Charts)
  • 34. تنظیمات پیشرفته نمودارها
  • 35. کار با زیرنمودارها (Subplots)
  • 36. مقدمه‌ای بر Seaborn برای بصری‌سازی پیشرفته
  • 37. نمودارهای توزیع در Seaborn
  • 38. نمودارهای دسته‌بندی در Seaborn
  • 39. نمودارهای ماتریسی در Seaborn
  • 40. تنظیمات ظاهری نمودارها در Seaborn
  • 41. نکات کاربردی در Jupyter Notebook
  • 42. میانبرهای صفحه کلید در Jupyter
  • 43. ذخیره و خروجی گرفتن از Notebook
  • 44. استفاده از Extensions در Jupyter
  • 45. مدیریت محیط‌های مجازی (Virtual Environments)
  • 46. نصب و مدیریت بسته‌های پایتون
  • 47. مقدمه‌ای بر Git برای کنترل نسخه
  • 48. راه‌اندازی مخزن Git
  • 49. تعهد (Commit) کردن تغییرات
  • 50. شاخه (Branch) زدن و ادغام (Merge)
  • 51. کار با ریموت‌ها (Remotes)
  • 52. مقدمه‌ای بر مبانی علم داده
  • 53. مراحل کلی در پروژه‌های علم داده
  • 54. جمع‌آوری و پیش‌پردازش داده‌ها
  • 55. تحلیل اکتشافی داده‌ها (EDA)
  • 56. انتخاب ویژگی (Feature Selection)
  • 57. مهندسی ویژگی (Feature Engineering)
  • 58. مقدمه‌ای بر یادگیری ماشین
  • 59. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 60. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 61. متریک‌های ارزیابی مدل‌های طبقه‌بندی
  • 62. متریک‌های ارزیابی مدل‌های رگرسیون
  • 63. مقدمه‌ای بر الگوریتم‌های طبقه‌بندی
  • 64. رگرسیون خطی
  • 65. رگرسیون لجستیک
  • 66. درخت تصمیم (Decision Tree)
  • 67. جنگل تصادفی (Random Forest)
  • 68. ماشین بردار پشتیبان (SVM)
  • 69. ک-نزدیک‌ترین همسایه (KNN)
  • 70. مقدمه‌ای بر الگوریتم‌های خوشه‌بندی
  • 71. خوشه‌بندی K-Means
  • 72. مقدمه‌ای بر کاهش ابعاد
  • 73. تحلیل مولفه‌های اصلی (PCA)
  • 74. کاربرد PCA در کاهش ابعاد
  • 75. مقدمه‌ای بر مدل‌های رگرسیون پیشرفته
  • 76. رگرسیون پولی (Ridge)
  • 77. رگرسیون لاسو (Lasso)
  • 78. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 79. Tokenization و Stopwords
  • 80. Stemming و Lemmatization
  • 81. Vectorization (TF-IDF)
  • 82. مقدمه‌ای بر شبکه‌های عصبی
  • 83. لایه ورودی و خروجی
  • 84. توابع فعال‌سازی
  • 85. مقدمه‌ای بر یادگیری عمیق
  • 86. شبکه‌های عصبی کانولوشنال (CNN)
  • 87. شبکه‌های عصبی بازگشتی (RNN)
  • 88. کاربرد Jupyter در پروژه‌های واقعی
  • 89. توسعه ابزارهای تحلیل داده
  • 90. ساخت داشبوردهای تعاملی ساده
  • 91. مستندسازی کد و پروژه‌ها
  • 92. اشتراک‌گذاری Notebook ها
  • 93. نکات امنیتی در Jupyter Notebook
  • 94. مدیریت حافظه و منابع در Jupyter
  • 95. بهینه‌سازی اجرای کد در Jupyter
  • 96. جمع‌بندی و گام‌های بعدی در یادگیری

📚 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.