سپنتا کتاب اکسپرس
کتاب پیاده‌سازی یادگیری بدون نظارت با Python و کتابخانه‌های مرتبط

کتاب پیاده‌سازی یادگیری بدون نظارت با Python و کتابخانه‌های مرتبط

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 پیاده‌سازی یادگیری بدون نظارت با Python و کتابخانه‌های مرتبط

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری نظارت نشده (Unsupervised Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری بدون نظارت
  • 2. مفاهیم اصلی یادگیری بدون نظارت
  • 3. تفاوت یادگیری بدون نظارت و با نظارت
  • 4. کاربردهای یادگیری بدون نظارت در صنعت
  • 5. نصب و پیکربندی محیط توسعه پایتون
  • 6. مقدمه‌ای بر کتابخانه NumPy برای محاسبات عددی
  • 7. آشنایی با ساختارهای داده NumPy
  • 8. عملیات بر روی آرایه‌های NumPy
  • 9. مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده
  • 10. ساخت و دستکاری DataFrame در Pandas
  • 11. عملیات بر روی داده‌ها در Pandas
  • 12. مقدمه‌ای بر کتابخانه Scikit-learn
  • 13. ساختار کلی الگوریتم‌های یادگیری ماشین در Scikit-learn
  • 14. پیش‌پردازش داده‌ها برای یادگیری بدون نظارت
  • 15. پاکسازی داده‌ها و مدیریت مقادیر گمشده
  • 16. نرمال‌سازی و استانداردسازی داده‌ها
  • 17. کاهش ابعاد داده‌ها: اصول و مبانی
  • 18. تحلیل مولفه‌های اصلی (PCA)
  • 19. توضیح PCA و کاربردهای آن
  • 20. پیاده‌سازی PCA با Scikit-learn
  • 21. تحلیل مولفه‌های مستقل (ICA)
  • 22. توضیح ICA و کاربردهای آن
  • 23. پیاده‌سازی ICA با Scikit-learn
  • 24. روش‌های کاهش ابعاد غیرخطی (t-SNE)
  • 25. توضیح t-SNE و کاربردهای آن
  • 26. پیاده‌سازی t-SNE با Scikit-learn
  • 27. خوشه‌بندی: مفاهیم و انواع
  • 28. کاربردهای خوشه‌بندی
  • 29. خوشه‌بندی K-Means
  • 30. پیاده‌سازی K-Means با Scikit-learn
  • 31. انتخاب تعداد بهینه خوشه‌ها در K-Means
  • 32. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 33. انواع خوشه‌بندی سلسله مراتبی
  • 34. پیاده‌سازی خوشه‌بندی سلسله مراتبی با Scikit-learn
  • 35. خوشه‌بندی DBSCAN
  • 36. ویژگی‌ها و مزایای DBSCAN
  • 37. پیاده‌سازی DBSCAN با Scikit-learn
  • 38. ارزیابی مدل‌های خوشه‌بندی
  • 39. معیارهای ارزیابی خوشه‌بندی
  • 40. مقدمه‌ای بر قواعد وابستگی (Association Rules)
  • 41. کاربردهای قواعد وابستگی
  • 42. الگوریتم Apriori
  • 43. پیاده‌سازی Apriori برای کشف قواعد وابستگی
  • 44. متریک‌های ارزیابی قواعد وابستگی (Support, Confidence, Lift)
  • 45. مقدمه‌ای بر شبکه‌های عصبی برای یادگیری بدون نظارت
  • 46. خودرمزگذارها (Autoencoders)
  • 47. معماری پایه خودرمزگذارها
  • 48. پیاده‌سازی خودرمزگذار ساده با TensorFlow/Keras
  • 49. کاربردهای خودرمزگذارها در کاهش ابعاد
  • 50. خودرمزگذارهای عمیق (Deep Autoencoders)
  • 51. پیاده‌سازی خودرمزگذارهای عمیق
  • 52. خودرمزگذارهای واریانسی (Variational Autoencoders - VAEs)
  • 53. معماری VAEs
  • 54. پیاده‌سازی VAEs
  • 55. کاربردهای VAEs در تولید داده
  • 56. شبکه‌های مولد تخاصمی (GANs)
  • 57. معماری پایه GANs
  • 58. پیاده‌سازی GANs ساده
  • 59. کاربردهای GANs در تولید تصاویر
  • 60. تشخیص ناهنجاری (Anomaly Detection)
  • 61. مفاهیم و روش‌های تشخیص ناهنجاری
  • 62. تشخیص ناهنجاری با استفاده از K-Means
  • 63. تشخیص ناهنجاری با استفاده از DBSCAN
  • 64. تشخیص ناهنجاری با خودرمزگذارها
  • 65. مقدمه‌ای بر مدل‌سازی موضوعی (Topic Modeling)
  • 66. کاربردهای مدل‌سازی موضوعی
  • 67. الگوریتم Latent Dirichlet Allocation (LDA)
  • 68. پیاده‌سازی LDA با Gensim
  • 69. تفسیر نتایج مدل LDA
  • 70. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 71. مفاهیم پایه یادگیری تقویتی
  • 72. کاربردهای یادگیری تقویتی
  • 73. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNNs) برای یادگیری بدون نظارت
  • 74. کاربرد CNNs در یادگیری بدون نظارت
  • 75. استفاده از CNNs در خودرمزگذارها
  • 76. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 77. کاربرد یادگیری بدون نظارت در NLP
  • 78. مدل‌سازی موضوعی در NLP
  • 79. کاهش ابعاد برای داده‌های متنی
  • 80. مدیریت داده‌های بزرگ در یادگیری بدون نظارت
  • 81. استفاده از Spark برای یادگیری بدون نظارت
  • 82. ملاحظات اخلاقی در یادگیری بدون نظارت
  • 83. حفظ حریم خصوصی داده‌ها
  • 84. جلوگیری از سوگیری در مدل‌ها
  • 85. کاربرد یادگیری بدون نظارت در تشخیص الگو
  • 86. کاربرد یادگیری بدون نظارت در بخش‌بندی تصاویر
  • 87. کاربرد یادگیری بدون نظارت در تحلیل رفتار مشتری
  • 88. کاربرد یادگیری بدون نظارت در سیستم‌های توصیه‌گر (بخش بدون نظارت)
  • 89. کاربرد یادگیری بدون نظارت در کشف دانش
  • 90. مطالعه موردی: خوشه‌بندی مشتریان
  • 91. مطالعه موردی: کاهش ابعاد داده‌های ژنتیکی
  • 92. مطالعه موردی: مدل‌سازی موضوعی مقالات علمی
  • 93. مطالعه موردی: تشخیص ناهنجاری در تراکنش‌های مالی
  • 94. مقدمه‌ای بر کتابخانه Plotly برای بصری‌سازی
  • 95. بصری‌سازی نتایج خوشه‌بندی با Plotly
  • 96. بصری‌سازی نتایج کاهش ابعاد با Plotly
  • 97. تکنیک‌های پیشرفته در یادگیری بدون نظارت
  • 98. یادگیری بدون نظارت برای داده‌های سری زمانی
  • 99. یادگیری بدون نظارت برای داده‌های گراف
  • 100. مقایسه الگوریتم‌های مختلف خوشه‌بندی

📚 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.