سپنتا کتاب اکسپرس
کتاب یادگیری ماشین در مقیاس با Hadoop و Mahout

کتاب یادگیری ماشین در مقیاس با Hadoop و Mahout

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 یادگیری ماشین در مقیاس با Hadoop و Mahout

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

  • 1. آشنایی با مفاهیم کلیدی یادگیری ماشین
  • 2. مبانی تحلیل داده‌های بزرگ
  • 3. معماری Hadoop و اکوسیستم آن
  • 4. مقدمه‌ای بر Mahout
  • 5. کار با HDFS (سیستم فایل توزیع شده Hadoop)
  • 6. MapReduce: الگوی برنامه‌نویسی توزیع شده
  • 7. پیاده‌سازی اولین برنامه MapReduce
  • 8. بهینه‌سازی Jobهای MapReduce
  • 9. مقدمه‌ای بر Spark و مقایسه با MapReduce
  • 10. نصب و پیکربندی Hadoop
  • 11. تنظیمات پیشرفته Hadoop
  • 12. مدیریت منابع با YARN
  • 13. مقدمه‌ای بر Mahout: کتابخانه‌های اصلی
  • 14. الگوریتم‌های خوشه‌بندی در Mahout (K-Means)
  • 15. کاربرد K-Means در تحلیل داده
  • 16. الگوریتم‌های طبقه‌بندی در Mahout (Naive Bayes)
  • 17. پیاده‌سازی Naive Bayes برای تشخیص اسپم
  • 18. توصیه‌گرهای اولیه در Mahout
  • 19. سیستم‌های توصیه‌گر مبتنی بر هم‌رخدادی (Co-occurrence)
  • 20. سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی (Collaborative Filtering)
  • 21. مدل‌سازی موضوعی با Mahout (LDA)
  • 22. کاربرد LDA در تحلیل متن
  • 23. مدیریت و پردازش داده‌های متنی در Hadoop
  • 24. فشرده‌سازی داده‌ها در Hadoop
  • 25. امنیت در Hadoop
  • 26. مقدمه‌ای بر Mahout Streaming
  • 27. کاربرد الگوریتم‌های جریانی در Mahout
  • 28. یادگیری ماشین روی داده‌های جریانی
  • 29. مقدمه‌ای بر Spark MLlib
  • 30. الگوریتم‌های خوشه‌بندی در Spark MLlib
  • 31. الگوریتم‌های طبقه‌بندی در Spark MLlib
  • 32. مدل‌های رگرسیون در Spark MLlib
  • 33. شبکه‌های عصبی و یادگیری عمیق در Spark MLlib
  • 34. مقدمه‌ای بر Mahout Scala API
  • 35. انتقال از Java MapReduce به Scala/Spark
  • 36. پردازش داده‌های مکانی با Hadoop
  • 37. مقدمه‌ای بر Hive برای پرس‌وجوهای SQL بر روی Hadoop
  • 38. استفاده از Spark SQL برای تحلیل داده
  • 39. مقدمه‌ای بر HBase برای پایگاه داده NoSQL
  • 40. کاربرد HBase در تحلیل داده‌های بزرگ
  • 41. مقدمه‌ای بر ZooKeeper برای هماهنگ‌سازی
  • 42. مقدمه‌ای بر Flume برای جمع‌آوری داده‌های جریانی
  • 43. استفاده از Kafka برای پیام‌رسانی جریانی
  • 44. مقدمه‌ای بر Spark Streaming
  • 45. پردازش داده‌های زنده با Spark Streaming
  • 46. تحلیل احساسات با استفاده از Mahout
  • 47. تشخیص الگو در داده‌ها با Mahout
  • 48. مدیریت داده‌های بزرگ برای یادگیری ماشین
  • 49. مراحل آماده‌سازی داده برای یادگیری ماشین
  • 50. مهندسی ویژگی (Feature Engineering) در مقیاس بزرگ
  • 51. ارزیابی مدل‌های یادگیری ماشین
  • 52. تنظیم هایپرپارامترها (Hyperparameter Tuning)
  • 53. اعتبارسنجی متقابل (Cross-validation)
  • 54. مدل‌های پیشرفته خوشه‌بندی
  • 55. مدل‌های پیشرفته طبقه‌بندی
  • 56. مدل‌های پیشرفته رگرسیون
  • 57. یادگیری تقویتی (Reinforcement Learning)
  • 58. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 59. کاربرد CNN در پردازش تصویر
  • 60. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 61. کاربرد RNN در پردازش زبان طبیعی
  • 62. مقدمه‌ای بر یادگیری عمیق با TensorFlow/PyTorch
  • 63. ادغام TensorFlow/PyTorch با اکوسیستم Hadoop/Spark
  • 64. کاربرد الگوریتم‌های Mahout در پردازش زبان طبیعی
  • 65. تحلیل آماری داده‌های بزرگ
  • 66. تجسم داده‌های بزرگ
  • 67. ابزارهای تجسم داده با Hadoop/Spark
  • 68. مقدمه‌ای بر الگوریتم‌های جستجوی پیشرفته
  • 69. بهینه‌سازی مدل‌ها برای مقیاس‌پذیری
  • 70. مدیریت چرخه حیات مدل‌های یادگیری ماشین
  • 71. استقرار مدل‌های یادگیری ماشین
  • 72. نظارت بر عملکرد مدل در محیط عملیاتی
  • 73. امنیت در مدل‌های یادگیری ماشین
  • 74. اخلاق در یادگیری ماشین
  • 75. حریم خصوصی داده‌ها در تحلیل داده‌های بزرگ
  • 76. کاربرد یادگیری ماشین در صنایع مختلف
  • 77. ملاحظات فقهی در کاربرد داده‌های بزرگ
  • 78. ملاحظات اقتصادی در تحلیل داده‌های بزرگ
  • 79. ملاحظات حقوقی در تحلیل داده‌های بزرگ
  • 80. مدیریت پروژه‌های یادگیری ماشین در مقیاس بزرگ
  • 81. چالش‌های پیاده‌سازی یادگیری ماشین در سازمان‌ها
  • 82. روندهای آینده در یادگیری ماشین و داده‌های بزرگ
  • 83. مطالعه موردی: سیستم توصیه‌گر در یک پلتفرم ایرانی
  • 84. مطالعه موردی: تحلیل داده‌های سلامت با Hadoop/Spark
  • 85. مطالعه موردی: پیش‌بینی تقاضا با استفاده از Mahout
  • 86. مقدمه‌ای بر یادگیری ماشین توزیع شده
  • 87. بهینه‌سازی شبکه‌های توزیع شده برای یادگیری ماشین
  • 88. کاربرد یادگیری ماشین در امنیت سایبری
  • 89. ملاحظات فرهنگی در کاربرد الگوریتم‌ها
  • 90. ارزیابی و انتخاب الگوریتم مناسب
  • 91. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 92. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 93. مدل‌های ترکیبی (Ensemble Methods)
  • 94. کاربرد Mahout در تحلیل شبکه‌های اجتماعی
  • 95. مقدمه‌ای بر پردازش تصویر با Spark
  • 96. مقدمه‌ای بر پردازش صوت با Spark
  • 97. مقدمه‌ای بر سیستم‌های فدرال (Federated Learning)
  • 98. یادگیری ماشین مسئولانه و شفاف
  • 99. مقدمه‌ای بر داده‌های برچسب‌گذاری شده
  • 100. کاربرد Mahout در پردازش گراف

📚 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.