سپنتا کتاب اکسپرس
کتاب آشپزخانه یادگیری ماشین با پایتون: راهکارهای عملی از پیش‌پردازش تا یادگیری عمیق

کتاب آشپزخانه یادگیری ماشین با پایتون: راهکارهای عملی از پیش‌پردازش تا یادگیری عمیق

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 آشپزخانه یادگیری ماشین با پایتون: راهکارهای عملی از پیش‌پردازش تا یادگیری عمیق

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه و آشنایی با علوم داده و یادگیری ماشین
  • 2. نصب و راه‌اندازی محیط توسعه پایتون برای علوم داده
  • 3. مروری بر کتابخانه‌های کلیدی: NumPy و Pandas
  • 4. کار با ساختارهای داده‌ای در Pandas: Series و DataFrame
  • 5. عملیات پایه بر روی DataFrame: انتخاب، فیلتر و مرتب‌سازی
  • 6. بارگذاری و ذخیره‌سازی داده‌ها از منابع مختلف
  • 7. پاکسازی و پیش‌پردازش داده‌ها: مدیریت مقادیر گمشده
  • 8. شناسایی و مدیریت داده‌های پرت (Outliers)
  • 9. مهندسی ویژگی (Feature Engineering): ایجاد ویژگی‌های جدید
  • 10. تبدیل ویژگی‌ها: مقیاس‌بندی و نرمال‌سازی
  • 11. رمزگذاری متغیرهای دسته‌ای (Categorical Variables)
  • 12. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 13. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
  • 14. یادگیری نظارت شده (Supervised Learning)
  • 15. رگرسیون خطی (Linear Regression)
  • 16. ارزیابی مدل‌های رگرسیون: معیارهای خطا
  • 17. رگرسیون چندجمله‌ای (Polynomial Regression)
  • 18. منظم‌سازی (Regularization) در رگرسیون: Ridge و Lasso
  • 19. درخت تصمیم (Decision Tree) برای رگرسیون
  • 20. جنگل تصادفی (Random Forest) برای رگرسیون
  • 21. ماشین بردار پشتیبان (Support Vector Machine - SVM) برای رگرسیون
  • 22. یادگیری نظارت نشده (Unsupervised Learning)
  • 23. خوشه‌بندی (Clustering): الگوریتم K-Means
  • 24. ارزیابی مدل‌های خوشه‌بندی
  • 25. تحلیل مؤلفه‌های اصلی (Principal Component Analysis - PCA)
  • 26. مقدمه‌ای بر طبقه‌بندی (Classification)
  • 27. رگرسیون لجستیک (Logistic Regression)
  • 28. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت و بازیابی
  • 29. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 30. منحنی ROC و AUC
  • 31. درخت تصمیم برای طبقه‌بندی
  • 32. جنگل تصادفی برای طبقه‌بندی
  • 33. ماشین بردار پشتیبان (SVM) برای طبقه‌بندی
  • 34. طبقه‌بندی بیز ساده (Naive Bayes Classifier)
  • 35. کی نزدیکترین همسایه (K-Nearest Neighbors - KNN)
  • 36. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 37. شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN)
  • 38. معماری شبکه‌های عصبی: لایه‌ها و نورون‌ها
  • 39. تابع فعال‌سازی (Activation Functions)
  • 40. پس‌انتشار خطا (Backpropagation)
  • 41. بهینه‌سازها (Optimizers): گرادیان کاهشی و انواع آن
  • 42. تنظیم نرخ یادگیری (Learning Rate Tuning)
  • 43. مدل‌های پیش‌خور (Feedforward Neural Networks)
  • 44. شبکه‌های عصبی کانولوشنال (Convolutional Neural Networks - CNN)
  • 45. کاربرد CNN در پردازش تصویر
  • 46. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN)
  • 47. کاربرد RNN در پردازش زبان طبیعی
  • 48. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
  • 49. شبکه‌های واحد بازگشتی دروازه‌ای (GRU)
  • 50. آموزش مدل‌های یادگیری عمیق با TensorFlow
  • 51. کار با Keras API در TensorFlow
  • 52. ساخت مدل‌های سفارشی در Keras
  • 53. آموزش و ارزیابی مدل‌های یادگیری عمیق
  • 54. حفظ و بارگذاری مدل‌های آموزش دیده
  • 55. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 56. اعتبارسنجی متقابل (Cross-Validation)
  • 57. پیش‌گیری از بیش‌برازش (Overfitting Prevention): Dropout و Early Stopping
  • 58. یادگیری انتقالی (Transfer Learning)
  • 59. کاربرد یادگیری انتقالی در بینایی ماشین
  • 60. کاربرد یادگیری انتقالی در پردازش زبان طبیعی
  • 61. تولید متن با مدل‌های زبانی
  • 62. سیستم‌های توصیه‌گر (Recommender Systems)
  • 63. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 64. پیش‌پردازش متن: توکنیزاسیون و حذف کلمات توقف
  • 65. ریشه‌یابی و لماتیزاسیون (Stemming and Lemmatization)
  • 66. مدل‌سازی موضوعی (Topic Modeling) با LDA
  • 67. بازنمایی برداری متن: Bag-of-Words
  • 68. بازنمایی برداری متن: TF-IDF
  • 69. بازنمایی برداری متن: Word Embeddings (Word2Vec, GloVe)
  • 70. ساخت مدل‌های طبقه‌بندی متن
  • 71. تحلیل احساسات (Sentiment Analysis)
  • 72. استخراج اطلاعات از متن
  • 73. شبکه‌های عصبی برای پردازش زبان طبیعی
  • 74. مدل‌های ترنسفورمر (Transformer Models)
  • 75. کاربرد ترنسفورمرها: BERT و GPT
  • 76. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 77. مفاهیم پایه در یادگیری تقویتی
  • 78. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 79. کاربرد یادگیری تقویتی در رباتیک
  • 80. کاربرد یادگیری تقویتی در بازی‌ها
  • 81. مدیریت پروژه در علوم داده
  • 82. مستندسازی کد و مدل‌ها
  • 83. اخلاق در علوم داده و هوش مصنوعی
  • 84. حریم خصوصی داده‌ها
  • 85. سوگیری در الگوریتم‌ها و راهکارهای مقابله
  • 86. آینده علوم داده و هوش مصنوعی
  • 87. بررسی پروژه‌های عملی با استفاده از کتابخانه‌ها
  • 88. نکات پیشرفته در پیش‌پردازش داده‌ها
  • 89. تکنیک‌های پیشرفته در مهندسی ویژگی
  • 90. ارزیابی جامع مدل‌ها و انتخاب بهترین مدل
  • 91. کاربرد یادگیری ماشین در حوزه‌های مختلف
  • 92. نکات امنیتی در توسعه سیستم‌های هوش مصنوعی
  • 93. آینده شغلی در حوزه علوم داده و هوش مصنوعی

📚 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.