کتاب یادگیری ماشین روی Hadoop: از تئوری تا پیاده‌سازی

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 روی Hadoop: از تئوری تا پیاده‌سازی

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Hadoop

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و کلان داده
  • 2. معرفی اکوسیستم Hadoop و اجزای آن
  • 3. آشنایی با Hadoop Distributed File System (HDFS)
  • 4. مدیریت منابع با YARN
  • 5. کار با MapReduce برای پردازش توزیع‌شده
  • 6. مفاهیم اولیه یادگیری ماشین
  • 7. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 8. پیش‌پردازش داده‌ها در مقیاس کلان
  • 9. پاک‌سازی و نرمال‌سازی داده‌ها در Hadoop
  • 10. نمونه‌سازی و انتخاب ویژگی در داده‌های حجیم
  • 11. مدل‌های یادگیری نظارت‌شده: رگرسیون خطی
  • 12. پیاده‌سازی رگرسیون خطی با MapReduce
  • 13. مدل‌های یادگیری نظارت‌شده: رگرسیون لجستیک
  • 14. پیاده‌سازی رگرسیون لجستیک با MapReduce
  • 15. ماشین‌های بردار پشتیبان (SVM) برای طبقه‌بندی
  • 16. پیاده‌سازی SVM با MapReduce
  • 17. درختان تصمیم و جنگل‌های تصادفی
  • 18. پیاده‌سازی درختان تصمیم با MapReduce
  • 19. یادگیری بدون نظارت: خوشه‌بندی
  • 20. الگوریتم K-Means در Hadoop
  • 21. پیاده‌سازی K-Means با MapReduce
  • 22. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
  • 23. پیاده‌سازی PCA با MapReduce
  • 24. یادگیری عمیق و شبکه‌های عصبی
  • 25. شبکه‌های عصبی کانولوشنی (CNN)
  • 26. شبکه‌های عصبی بازگشتی (RNN)
  • 27. معرفی Spark برای پردازش سریع‌تر داده
  • 28. Spark Core و RDDs
  • 29. Spark SQL و DataFrames
  • 30. Spark Streaming برای پردازش بلادرنگ
  • 31. MLlib: کتابخانه یادگیری ماشین Spark
  • 32. پیاده‌سازی مدل‌های یادگیری ماشین با MLlib
  • 33. رگرسیون خطی با MLlib
  • 34. رگرسیون لجستیک با MLlib
  • 35. ماشین‌های بردار پشتیبان با MLlib
  • 36. درختان تصمیم و جنگل‌های تصادفی با MLlib
  • 37. خوشه‌بندی با MLlib (K-Means)
  • 38. کاهش ابعاد با MLlib (PCA)
  • 39. معرفی الگوریتم‌های یادگیری عمیق در Spark
  • 40. پیاده‌سازی CNN با Spark
  • 41. پیاده‌سازی RNN با Spark
  • 42. بهینه‌سازی مدل‌های یادگیری ماشین روی Hadoop/Spark
  • 43. ارزیابی مدل‌ها و معیارهای عملکرد
  • 44. اعتبارسنجی متقابل و تنظیم ابرپارامترها
  • 45. پردازش زبان طبیعی (NLP) در مقیاس کلان
  • 46. مدل‌سازی موضوعی با LDA
  • 47. پردازش متن با Spark NLP
  • 48. یادگیری تقویتی و کاربردهای آن
  • 49. معرفی الگوریتم‌های یادگیری تقویتی
  • 50. پیاده‌سازی الگوریتم‌های یادگیری تقویتی با Spark
  • 51. سیستم‌های توصیه‌گر
  • 52. فیلترینگ مبتنی بر محتوا
  • 53. فیلترینگ مشارکتی
  • 54. پیاده‌سازی سیستم‌های توصیه‌گر با Spark MLlib
  • 55. یادگیری ماشین روی داده‌های سری زمانی
  • 56. مدل‌های ARIMA و GARCH
  • 57. پیاده‌سازی مدل‌های سری زمانی با Spark
  • 58. شبکه‌های عصبی گراف (GNNs)
  • 59. مقدمه‌ای بر GNNs
  • 60. کاربرد GNNs در تحلیل شبکه‌ها
  • 61. پیاده‌سازی GNNs با Spark
  • 62. یادگیری ماشین برای تحلیل شبکه‌های اجتماعی
  • 63. شناسایی جوامع در شبکه‌ها
  • 64. پیش‌بینی پیوندها در شبکه‌ها
  • 65. امنیت داده‌ها و حریم خصوصی در Hadoop
  • 66. رمزنگاری و کنترل دسترسی در Hadoop
  • 67. اصول حاکمیت داده در محیط کلان داده
  • 68. کاربرد هوش مصنوعی در بهبود فرآیندهای کسب‌وکار
  • 69. تحلیل داده‌های مشتری و شخصی‌سازی
  • 70. بهینه‌سازی زنجیره تأمین با یادگیری ماشین
  • 71. پیش‌بینی تقاضا با مدل‌های مقیاس‌پذیر
  • 72. اتوماسیون فرآیندهای هوشمند
  • 73. مقدمه‌ای بر رباتیک و اتوماسیون هوشمند
  • 74. کاربرد یادگیری ماشین در رباتیک
  • 75. سیستم‌های خودران و ناوبری هوشمند
  • 76. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 77. سوگیری در الگوریتم‌ها و راهکارهای مقابله
  • 78. شفافیت و قابلیت تفسیر مدل‌ها
  • 79. مسئولیت‌پذیری در سیستم‌های هوشمند
  • 80. یادگیری ماشین روی داده‌های اینترنت اشیاء (IoT)
  • 81. جمع‌آوری و پردازش داده‌های IoT
  • 82. مدل‌سازی پیش‌بینانه برای دستگاه‌های IoT
  • 83. تشخیص ناهنجاری در داده‌های IoT
  • 84. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 85. کاربرد یادگیری فدرال در حفظ حریم خصوصی
  • 86. پیاده‌سازی اولیه یادگیری فدرال
  • 87. یادگیری ماشین برای تحلیل داده‌های مالی
  • 88. تشخیص تقلب در تراکنش‌ها
  • 89. پیش‌بینی قیمت سهام با مدل‌های مقیاس‌پذیر
  • 90. مدل‌سازی ریسک اعتباری
  • 91. کاربرد هوش مصنوعی در خدمات بهداشتی و درمانی
  • 92. تشخیص بیماری با استفاده از تصاویر پزشکی
  • 93. پیش‌بینی شیوع بیماری‌ها
  • 94. شخصی‌سازی درمان با یادگیری ماشین
  • 95. یادگیری ماشین در کشاورزی دقیق
  • 96. پیش‌بینی عملکرد محصولات
  • 97. مدیریت بهینه منابع آب و کود
  • 98. تشخیص آفات و بیماری‌های گیاهی
  • 99. کلام آخر: آینده یادگیری ماشین در اکوسیستم کلان داده

📚 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.