سپنتا کتاب اکسپرس
کتاب از پایه تا پیشرفته: کاوش در Jupyter Notebooks

کتاب از پایه تا پیشرفته: کاوش در Jupyter Notebooks

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: کاوش در Jupyter Notebooks

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Jupyter Notebooks

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر Jupyter Notebook
  • 2. نصب و راه‌اندازی Jupyter Notebook
  • 3. آشنایی با محیط کاربری Jupyter
  • 4. ایجاد و ذخیره نوت‌بوک‌های جدید
  • 5. اجرای سلول‌های کد و متن
  • 6. کار با انواع سلول‌ها (Code, Markdown)
  • 7. فرمت‌بندی متن با Markdown
  • 8. استفاده از تصاویر و لینک در Markdown
  • 9. مدیریت هسته‌ها (Kernels)
  • 10. تغییر هسته نوت‌بوک
  • 11. نصب و مدیریت پکیج‌ها (pip, conda)
  • 12. کار با متغیرها در پایتون
  • 13. انواع داده‌های پایه در پایتون
  • 14. عملگرهای ریاضی و منطقی
  • 15. ساختارهای کنترلی: شرط‌ها (if, elif, else)
  • 16. حلقه‌ها: for و while
  • 17. کار با لیست‌ها (Lists)
  • 18. کار با تاپل‌ها (Tuples)
  • 19. کار با دیکشنری‌ها (Dictionaries)
  • 20. کار با مجموعه‌ها (Sets)
  • 21. توابع در پایتون: تعریف و فراخوانی
  • 22. پارامترهای توابع و مقادیر پیش‌فرض
  • 23. دامنه متغیرها (Scope)
  • 24. ماژول‌ها و ایمپورت کردن آن‌ها
  • 25. آشنایی با NumPy برای محاسبات عددی
  • 26. آرایه‌های NumPy
  • 27. عملیات برداری با NumPy
  • 28. ایندکس‌گذاری و برش در آرایه‌های NumPy
  • 29. توابع آماری با NumPy
  • 30. آشنایی با Pandas برای تحلیل داده
  • 31. ساختار داده Series در Pandas
  • 32. ساختار داده DataFrame در Pandas
  • 33. خواندن داده از فایل‌های CSV
  • 34. خواندن داده از فایل‌های Excel
  • 35. انتخاب و فیلتر کردن داده در DataFrame
  • 36. عملیات روی ستون‌ها و ردیف‌ها
  • 37. گروه‌بندی داده‌ها (groupby)
  • 38. ادغام و پیوستن DataFrames
  • 39. پاکسازی داده‌های گمشده (Missing Data)
  • 40. مدیریت داده‌های تکراری
  • 41. تغییر نوع داده‌ها (Data Type Conversion)
  • 42. عملیات آماری روی DataFrame
  • 43. رسم نمودار با Matplotlib
  • 44. انواع نمودارهای پایه (خطی، میله‌ای، پراکندگی)
  • 45. تنظیمات نمودار (عنوان، برچسب محورها)
  • 46. کار با Subplots
  • 47. ذخیره نمودارها
  • 48. مقدمه‌ای بر Seaborn برای بصری‌سازی پیشرفته
  • 49. نمودارهای آماری با Seaborn
  • 50. نمودارهای توزیع (Distribution Plots)
  • 51. نمودارهای دسته‌بندی (Categorical Plots)
  • 52. نمودارهای ماتریسی (Heatmaps, Clustermaps)
  • 53. کار با داده‌های زمانی در پایتون
  • 54. پردازش اولیه داده‌های زمانی
  • 55. فیلتر کردن داده‌های زمانی
  • 56. تغییر فرکانس داده‌های زمانی
  • 57. محاسبه فواصل زمانی
  • 58. مقدمه‌ای بر یادگیری ماشین
  • 59. انواع مسائل یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 60. مراحل کلی پروژه یادگیری ماشین
  • 61. آماده‌سازی داده برای مدل‌سازی
  • 62. تقسیم داده به مجموعه آموزش و آزمون
  • 63. معرفی الگوریتم‌های رگرسیون خطی
  • 64. ارزیابی مدل‌های رگرسیون (MSE, R-squared)
  • 65. معرفی الگوریتم‌های طبقه‌بندی (Logistic Regression)
  • 66. ارزیابی مدل‌های طبقه‌بندی (Accuracy, Precision, Recall)
  • 67. مقدمه‌ای بر درخت تصمیم
  • 68. معرفی الگوریتم K-Nearest Neighbors (KNN)
  • 69. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 70. مقدمه‌ای بر خوشه‌بندی (K-Means)
  • 71. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 72. اعتبارسنجی متقابل (Cross-Validation)
  • 73. کار با مدل‌های یادگیری عمیق (مقدماتی)
  • 74. مفاهیم پایه شبکه‌های عصبی
  • 75. معرفی کتابخانه TensorFlow (مقدماتی)
  • 76. معرفی کتابخانه Keras (مقدماتی)
  • 77. ساخت یک شبکه عصبی ساده
  • 78. آموزش و ارزیابی شبکه عصبی
  • 79. کار با داده‌های تصویری (مقدماتی)
  • 80. کار با داده‌های متنی (مقدماتی)
  • 81. استقرار مدل‌های ساده (مقدماتی)
  • 82. نکات پیشرفته در Jupyter Notebook
  • 83. استفاده از Extensions برای Jupyter
  • 84. کار با Git و Jupyter Notebook
  • 85. اشتراک‌گذاری نوت‌بوک‌ها (nbviewer)
  • 86. ملاحظات امنیتی در Jupyter
  • 87. بهینه‌سازی عملکرد نوت‌بوک
  • 88. نکات کاربردی برای برنامه‌نویسی تمیز
  • 89. توسعه پروژه‌های کوچک با Jupyter
  • 90. مقدمه‌ای بر ابزارهای تحلیل داده در ایران
  • 91. چارچوب‌های قانونی تحلیل داده در ایران
  • 92. اصول اخلاقی در تحلیل داده
  • 93. کاربرد Jupyter در حوزه‌های مختلف علمی
  • 94. نکات تکمیلی و منابع بیشتر

📚 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.