سپنتا کتاب اکسپرس
کتاب یادگیری ماشین با جاوا (Machine Learning with Java)

کتاب یادگیری ماشین با جاوا (Machine Learning with Java)

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 با جاوا (Machine Learning with Java)

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. نصب و پیکربندی محیط توسعه جاوا
  • 3. مبانی زبان برنامه‌نویسی جاوا برای یادگیری ماشین
  • 4. ساختارهای داده ضروری در جاوا
  • 5. الگوریتم‌های پایه‌ای مرتب‌سازی و جستجو
  • 6. مفاهیم پایه احتمال و آمار در یادگیری ماشین
  • 7. مقدمه‌ای بر جبر خطی برای یادگیری ماشین
  • 8. کار با کتابخانه‌های عددی در جاوا (مانند Apache Commons Math)
  • 9. آشنایی با کتابخانه Weka برای یادگیری ماشین
  • 10. مبانی یادگیری نظارت‌شده
  • 11. رگرسیون خطی ساده با جاوا
  • 12. رگرسیون خطی چندگانه با جاوا
  • 13. ارزیابی مدل‌های رگرسیون
  • 14. مقدمه‌ای بر طبقه‌بندی
  • 15. رگرسیون لجستیک با جاوا
  • 16. ماشین بردار پشتیبان (SVM) با جاوا
  • 17. درخت‌های تصمیم با جاوا
  • 18. ارزیابی مدل‌های طبقه‌بندی
  • 19. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 20. دقت، صحت و بازیابی (Precision, Recall)
  • 21. امتیاز F1
  • 22. مقدمه‌ای بر یادگیری نظارت‌نشده
  • 23. خوشه‌بندی K-Means با جاوا
  • 24. تحلیل مولفه اصلی (PCA) با جاوا
  • 25. کاهش ابعاد داده‌ها
  • 26. مقدمه‌ای بر یادگیری تقویتی
  • 27. مبانی شبکه‌های عصبی مصنوعی
  • 28. معماری پرسپترون تک‌لایه
  • 29. آموزش پرسپترون چندلایه
  • 30. تابع فعال‌سازی در شبکه‌های عصبی
  • 31. پس‌انتشار خطا (Backpropagation)
  • 32. بهینه‌سازی پارامترهای شبکه عصبی
  • 33. گرادیان کاهشی (Gradient Descent)
  • 34. مقدمه‌ای بر یادگیری عمیق
  • 35. شبکه‌های عصبی کانولوشنال (CNN) - مبانی
  • 36. شبکه‌های عصبی بازگشتی (RNN) - مبانی
  • 37. کاربرد CNN در پردازش تصویر
  • 38. کاربرد RNN در پردازش زبان طبیعی
  • 39. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 40. توکنیزاسیون و حذف کلمات توقف
  • 41. مدل‌سازی موضوعی (Topic Modeling)
  • 42. تحلیل احساسات (Sentiment Analysis)
  • 43. بردارسازی کلمات (Word Embeddings)
  • 44. مقدمه‌ای بر توصیه‌گرها (Recommender Systems)
  • 45. فیلترینگ مبتنی بر محتوا
  • 46. فیلترینگ مشارکتی
  • 47. ارزیابی سیستم‌های توصیه‌گر
  • 48. مقدمه‌ای بر یادگیری نیمه‌نظارت‌شده
  • 49. یادگیری با داده‌های برچسب‌دار و بدون برچسب
  • 50. کاربرد یادگیری نیمه‌نظارت‌شده
  • 51. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 52. یادگیری Q-Learning
  • 53. یادگیری Policy Gradients
  • 54. مقدمه‌ای بر پردازش داده‌های بزرگ (Big Data)
  • 55. مقدمه‌ای بر Spark و Scala برای یادگیری ماشین
  • 56. کار با DataFrame در Spark
  • 57. ساخت مدل‌های یادگیری ماشین با Spark MLlib
  • 58. مقدمه‌ای بر یادگیری ماشین توضیح‌پذیر (XAI)
  • 59. تفسیر مدل‌های یادگیری ماشین
  • 60. روش‌های LIME و SHAP
  • 61. مقدمه‌ای بر یادگیری ماشین در صنعت
  • 62. کاربرد یادگیری ماشین در امور مالی
  • 63. کاربرد یادگیری ماشین در بازاریابی
  • 64. کاربرد یادگیری ماشین در سلامت
  • 65. مقدمه‌ای بر یادگیری ماشین ایمن و قابل اعتماد
  • 66. ملاحظات اخلاقی در یادگیری ماشین
  • 67. حفظ حریم خصوصی در یادگیری ماشین
  • 68. مقدمه‌ای بر یادگیری ماشین توزیع‌شده
  • 69. آموزش مدل‌ها بر روی چندین ماشین
  • 70. بهینه‌سازی ارتباطات در یادگیری ماشین توزیع‌شده
  • 71. مقدمه‌ای بر یادگیری ماشین بر روی دستگاه (On-Device ML)
  • 72. استفاده از TensorFlow Lite در جاوا
  • 73. بهینه‌سازی مدل‌ها برای دستگاه‌های کم‌توان
  • 74. مقدمه‌ای بر یادگیری ماشین بدون نظارت پیشرفته
  • 75. تشخیص ناهنجاری (Anomaly Detection)
  • 76. کشف اتصالات (Association Rule Mining)
  • 77. مقدمه‌ای بر پردازش سیگنال در یادگیری ماشین
  • 78. تحلیل سری‌های زمانی (Time Series Analysis)
  • 79. کاربرد یادگیری ماشین در پیش‌بینی
  • 80. مقدمه‌ای بر یادگیری ماشین قابل فهم
  • 81. روش‌های بصری‌سازی مدل‌ها
  • 82. نمودارهای واریانس-بایاس
  • 83. مقدمه‌ای بر یادگیری ماشین برای امنیت سایبری
  • 84. تشخیص بدافزار با یادگیری ماشین
  • 85. تشخیص نفوذ با یادگیری ماشین
  • 86. مقدمه‌ای بر بهینه‌سازی فراپارامترها
  • 87. جستجوی شبکه‌ای (Grid Search)
  • 88. جستجوی تصادفی (Random Search)
  • 89. مقدمه‌ای بر یادگیری ماشین در رباتیک
  • 90. کنترل ربات با یادگیری تقویتی
  • 91. مسیریابی ربات با یادگیری ماشین
  • 92. مقدمه‌ای بر یادگیری ماشین در بازی‌ها
  • 93. هوش مصنوعی در بازی‌های ویدئویی
  • 94. طراحی عامل‌های یادگیرنده در بازی‌ها
  • 95. مقدمه‌ای بر یادگیری ماشین و بلاکچین
  • 96. کاربرد یادگیری ماشین در قراردادهای هوشمند
  • 97. امنیت قراردادهای هوشمند با یادگیری ماشین
  • 98. مقدمه‌ای بر یادگیری ماشین در اینترنت اشیاء (IoT)
  • 99. تحلیل داده‌های سنسور با یادگیری ماشین
  • 100. پیش‌بینی خرابی تجهیزات در IoT

📚 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.