سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر روش‌های آماری و یادگیری ماشین در علم داده

کتاب مقدمه‌ای بر روش‌های آماری و یادگیری ماشین در علم داده

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 مقدمه‌ای بر روش‌های آماری و یادگیری ماشین در علم داده

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مبانی یادگیری ماشین و آمار

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و اهمیت آن
  • 2. مقدمه‌ای بر آمار و احتمال در علم داده
  • 3. انواع داده‌ها و ساختارهای داده‌ای
  • 4. پیش‌پردازش داده‌ها: پاکسازی و مدیریت داده‌های گم‌شده
  • 5. مهندسی ویژگی: انتخاب و ساخت ویژگی‌های مرتبط
  • 6. مقدمه‌ای بر یادگیری ماشین
  • 7. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 8. یادگیری نظارت‌شده: رگرسیون خطی
  • 9. ارزیابی مدل‌های رگرسیون
  • 10. یادگیری نظارت‌شده: رگرسیون لجستیک
  • 11. تفسیر نتایج رگرسیون لجستیک
  • 12. طبقه‌بندی‌کننده‌ها: درخت تصمیم
  • 13. کاربرد درخت تصمیم در علم داده
  • 14. مقدمه‌ای بر روش‌های مبتنی بر همسایگی
  • 15. الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 16. کاربرد KNN در مسائل طبقه‌بندی
  • 17. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 18. SVM برای طبقه‌بندی خطی
  • 19. SVM برای طبقه‌بندی غیرخطی
  • 20. ارزیابی مدل‌های طبقه‌بندی: دقت و صحت
  • 21. ارزیابی مدل‌های طبقه‌بندی: فراخوانی و امتیاز F1
  • 22. منحنی ROC و ناحیه زیر منحنی (AUC)
  • 23. مقدمه‌ای بر روش‌های جمع‌آوری (Ensemble Methods)
  • 24. تصادفی جنگل (Random Forest)
  • 25. کاربرد تصادفی جنگل در طبقه‌بندی و رگرسیون
  • 26. تقویت گرادیان (Gradient Boosting)
  • 27. الگوریتم XGBoost
  • 28. کاربرد XGBoost در مسائل پیچیده
  • 29. یادگیری بدون نظارت: خوشه‌بندی
  • 30. الگوریتم K-Means برای خوشه‌بندی
  • 31. ارزیابی نتایج خوشه‌بندی
  • 32. خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
  • 33. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 34. کاربرد PCA در کاهش ابعاد داده‌ها
  • 35. یادگیری بدون نظارت: قوانین وابستگی (Association Rules)
  • 36. الگوریتم Apriori
  • 37. کاربرد قوانین وابستگی در تحلیل سبد خرید
  • 38. مقدمه‌ای بر شبکه‌های عصبی مصنوعی (ANN)
  • 39. ساختار یک نورون مصنوعی
  • 40. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 41. تابع فعال‌سازی در شبکه‌های عصبی
  • 42. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 43. بهینه‌سازی در شبکه‌های عصبی: گرادیان کاهشی
  • 44. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 45. شبکه‌های عصبی کانولوشنال (CNN)
  • 46. کاربرد CNN در پردازش تصویر
  • 47. شبکه‌های عصبی بازگشتی (RNN)
  • 48. کاربرد RNN در پردازش زبان طبیعی
  • 49. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 50. پیش‌پردازش متن: توکنایز کردن و حذف کلمات توقف
  • 51. روش‌های نمایش متن: کیسه کلمات (Bag-of-Words)
  • 52. روش‌های نمایش متن: TF-IDF
  • 53. مدل‌های زبانی آماری
  • 54. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 55. مقدمه‌ای بر تحلیل احساسات (Sentiment Analysis)
  • 56. روش‌های سنتی تحلیل احساسات
  • 57. تحلیل احساسات با استفاده از یادگیری ماشین
  • 58. مقدمه‌ای بر سیستم‌های توصیه‌گر (Recommender Systems)
  • 59. فیلترینگ مبتنی بر محتوا
  • 60. فیلترینگ مشارکتی
  • 61. ارزیابی سیستم‌های توصیه‌گر
  • 62. مقدمه‌ای بر داده‌های سری زمانی (Time Series Data)
  • 63. تحلیل داده‌های سری زمانی
  • 64. مدل‌های سری زمانی: ARIMA
  • 65. کاربرد مدل‌های سری زمانی در پیش‌بینی
  • 66. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 67. مفاهیم پایه در شبکه‌های اجتماعی
  • 68. شناسایی جوامع در شبکه‌های اجتماعی
  • 69. تحلیل تاثیرگذاری در شبکه‌های اجتماعی
  • 70. مقدمه‌ای بر داده‌های مکانی (Spatial Data)
  • 71. پردازش و تحلیل داده‌های مکانی
  • 72. مدل‌سازی داده‌های مکانی
  • 73. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 74. عناصر اصلی یادگیری تقویتی
  • 75. یادگیری مبتنی بر ارزش (Value-based Learning)
  • 76. یادگیری مبتنی بر سیاست (Policy-based Learning)
  • 77. مقدمه‌ای بر اخلاق در علم داده
  • 78. سوگیری در داده‌ها و مدل‌ها
  • 79. حریم خصوصی و امنیت داده‌ها
  • 80. مسئولیت‌پذیری در علم داده
  • 81. کاربرد علم داده در حوزه‌های مختلف
  • 82. علم داده در بهداشت و درمان
  • 83. علم داده در مالی و اقتصاد
  • 84. علم داده در بازاریابی و فروش
  • 85. علم داده در صنعت و تولید
  • 86. علم داده در حمل و نقل
  • 87. علم داده در آموزش
  • 88. علم داده در محیط زیست
  • 89. آینده علم داده و هوش مصنوعی
  • 90. چالش‌های پیش رو در علم داده
  • 91. فرصت‌های شغلی در علم داده
  • 92. مقدمه‌ای بر ابزارها و زبان‌های برنامه‌نویسی در علم داده (پایتون)
  • 93. کتابخانه‌های کلیدی در علم داده (NumPy, Pandas)
  • 94. کتابخانه‌های کلیدی در علم داده (Scikit-learn, Matplotlib)
  • 95. مقدمه‌ای بر پایگاه‌های داده برای علم داده
  • 96. کاربرد SQL در علم داده
  • 97. مقدمه‌ای بر یادگیری ماشین قابل تفسیر (Interpretable ML)
  • 98. روش‌های توضیح‌پذیری مدل‌ها
  • 99. مقدمه‌ای بر یادگیری ماشین مسئول (Responsible ML)
  • 100. اصول یادگیری ماشین مسئول

📚 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.