سپنتا کتاب اکسپرس
کتاب تشخیص ناهنجاری (Anomaly Detection)

کتاب تشخیص ناهنجاری (Anomaly Detection)

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 تشخیص ناهنجاری (Anomaly Detection)

موضوع کلی: برنامه نویسی

موضوع میانی: هوش مصنوعی و یادگیری ماشین (AI/ML)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تشخیص ناهنجاری
  • 2. مفاهیم پایه در تشخیص ناهنجاری
  • 3. انواع ناهنجاری‌ها
  • 4. داده‌های آموزشی و برچسب‌دار
  • 5. داده‌های بدون برچسب
  • 6. داده‌های نیمه‌برچسب‌دار
  • 7. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 8. معیارهای ارزیابی: دقت (Accuracy)
  • 9. معیارهای ارزیابی: صحت (Precision)
  • 10. معیارهای ارزیابی: بازیابی (Recall)
  • 11. معیارهای ارزیابی: امتیاز F1
  • 12. معیارهای ارزیابی: منحنی ROC و AUC
  • 13. مقدمه‌ای بر یادگیری ماشین
  • 14. یادگیری نظارت‌شده
  • 15. یادگیری نظارت‌نشده
  • 16. یادگیری نیمه‌نظارت‌شده
  • 17. مقدمه‌ای بر آمار
  • 18. توزیع‌های آماری رایج
  • 19. آزمون فرض آماری
  • 20. رگرسیون خطی
  • 21. رگرسیون لجستیک
  • 22. درخت تصمیم
  • 23. جنگل تصادفی (Random Forest)
  • 24. ماشین بردار پشتیبان (SVM)
  • 25. شبکه‌های عصبی مصنوعی
  • 26. شبکه‌های عصبی کانولوشنال (CNN)
  • 27. شبکه‌های عصبی بازگشتی (RNN)
  • 28. یادگیری عمیق (Deep Learning)
  • 29. مقدمه‌ای بر پردازش داده
  • 30. پاکسازی داده‌ها
  • 31. مهندسی ویژگی (Feature Engineering)
  • 32. انتخاب ویژگی (Feature Selection)
  • 33. کاهش ابعاد (Dimensionality Reduction)
  • 34. تحلیل مولفه‌های اصلی (PCA)
  • 35. تجزیه مقادیر منفرد (SVD)
  • 36. روش‌های مبتنی بر فاصله
  • 37. فاصله اقلیدسی
  • 38. فاصله منهتن
  • 39. فاصله ماهالانوبیس
  • 40. روش‌های مبتنی بر چگالی
  • 41. DBSCAN
  • 42. LOF (Local Outlier Factor)
  • 43. روش‌های مبتنی بر مدل
  • 44. مدل‌های آماری
  • 45. مدل‌های یادگیری ماشین
  • 46. شناسایی ناهنجاری در داده‌های سری زمانی
  • 47. ویژگی‌های داده‌های سری زمانی
  • 48. خودهمبستگی (Autocorrelation)
  • 49. خودهمبستگی جزئی (Partial Autocorrelation)
  • 50. مدل‌های ARIMA
  • 51. مدل‌های SARIMA
  • 52. شناسایی ناهنجاری در داده‌های شبکه‌ای
  • 53. گراف‌ها و ویژگی‌های آن‌ها
  • 54. شاخص‌های مرکزی بودن (Centrality Measures)
  • 55. تشخیص ناهنجاری در گره‌ها
  • 56. تشخیص ناهنجاری در یال‌ها
  • 57. کاربردها در امنیت سایبری
  • 58. تشخیص نفوذ (Intrusion Detection)
  • 59. تشخیص بدافزار (Malware Detection)
  • 60. تشخیص تقلب (Fraud Detection)
  • 61. تشخیص ناهنجاری در سیستم‌های صنعتی
  • 62. مانیتورینگ وضعیت تجهیزات
  • 63. تشخیص خرابی پیش‌بینانه (Predictive Maintenance)
  • 64. کاربردها در حوزه سلامت
  • 65. تشخیص بیماری‌ها
  • 66. پایش سلامت بیماران
  • 67. کاربردها در حوزه مالی
  • 68. تشخیص تراکنش‌های مشکوک
  • 69. مدیریت ریسک
  • 70. کاربردها در اینترنت اشیاء (IoT)
  • 71. پایش دستگاه‌های متصل
  • 72. تشخیص رفتار غیرعادی
  • 73. روش‌های آماری برای تشخیص ناهنجاری
  • 74. توزیع نرمال و انحراف معیار
  • 75. قانون تجربی (Empirical Rule)
  • 76. آزمون Z (Z-test)
  • 77. آزمون T (T-test)
  • 78. روش‌های یادگیری ماشین برای تشخیص ناهنجاری
  • 79. روش‌های مبتنی بر درخت تصمیم
  • 80. روش‌های مبتنی بر جنگل تصادفی
  • 81. روش‌های مبتنی بر SVM
  • 82. روش‌های مبتنی بر شبکه‌های عصبی
  • 83. شبکه‌های مولد تخاصمی (GANs) برای تشخیص ناهنجاری
  • 84. خودرمزگذارها (Autoencoders)
  • 85. کاربردهای خودرمزگذارها
  • 86. شبکه‌های عصبی بازگشتی برای سری‌های زمانی
  • 87. روش‌های یادگیری عمیق برای تشخیص ناهنجاری
  • 88. روش‌های تشخیص ناهنجاری در داده‌های حجیم
  • 89. پردازش توزیع‌شده
  • 90. Spark و تشخیص ناهنجاری
  • 91. مقدمه‌ای بر یادگیری تقویتی
  • 92. کاربرد یادگیری تقویتی در تشخیص ناهنجاری
  • 93. ارزیابی و اعتبارسنجی مدل‌ها
  • 94. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 95. اعتبارسنجی متقابل (Cross-Validation)
  • 96. بررسی مدل‌های تشخیص ناهنجاری پیشرفته
  • 97. روش‌های ترکیبی (Ensemble Methods)
  • 98. بهینه‌سازی مدل‌ها
  • 99. ملاحظات اخلاقی در تشخیص ناهنجاری
  • 100. حریم خصوصی داده‌ها

📚 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.