سپنتا کتاب اکسپرس
کتاب C و Machine Learning: یادگیری ماشین

کتاب C و Machine Learning: یادگیری ماشین

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 C و Machine Learning: یادگیری ماشین

موضوع کلی: برنامه نویسی

موضوع میانی: سی (C)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر زبان برنامه‌نویسی C
  • 2. مفاهیم پایه برنامه‌نویسی در C
  • 3. انواع داده‌ها و متغیرها در C
  • 4. عملگرها در C
  • 5. ساختارهای کنترلی (دستورات شرطی) در C
  • 6. حلقه‌ها در C
  • 7. توابع در C
  • 8. آرایه‌ها در C
  • 9. اشاره‌گرها در C
  • 10. ساختارها (Structs) در C
  • 11. فایل‌های ورودی/خروجی در C
  • 12. مدیریت حافظه در C
  • 13. مقدمه‌ای بر یادگیری ماشین
  • 14. انواع یادگیری ماشین
  • 15. یادگیری نظارت شده
  • 16. رگرسیون خطی
  • 17. رگرسیون لجستیک
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. درخت‌های تصمیم
  • 20. جنگل‌های تصادفی
  • 21. یادگیری بدون نظارت
  • 22. خوشه‌بندی (Clustering)
  • 23. K-Means Clustering
  • 24. DBSCAN
  • 25. کاهش ابعاد
  • 26. تحلیل مولفه‌های اصلی (PCA)
  • 27. روش‌های دیگر کاهش ابعاد
  • 28. یادگیری تقویتی
  • 29. مفاهیم پایه یادگیری تقویتی
  • 30. الگوریتم‌های یادگیری تقویتی
  • 31. یادگیری عمیق
  • 32. شبکه‌های عصبی مصنوعی
  • 33. شبکه‌های عصبی کانولوشنی (CNN)
  • 34. شبکه‌های عصبی بازگشتی (RNN)
  • 35. شبکه‌های عصبی LSTM و GRU
  • 36. ترنسفورمرها
  • 37. پردازش زبان طبیعی (NLP)
  • 38. نمایش کلمات (Word Embeddings)
  • 39. مدل‌های زبانی
  • 40. تحلیل احساسات
  • 41. ترجمه ماشینی
  • 42. خلاصه‌سازی متن
  • 43. بینایی ماشین
  • 44. تشخیص اشیاء
  • 45. تقسیم‌بندی تصاویر
  • 46. تولید تصویر
  • 47. یادگیری ماشین در عمل
  • 48. پیش‌پردازش داده‌ها
  • 49. پاکسازی داده‌ها
  • 50. مقیاس‌بندی ویژگی‌ها
  • 51. مهندسی ویژگی
  • 52. انتخاب ویژگی
  • 53. ارزیابی مدل
  • 54. معیارهای ارزیابی مدل‌های رگرسیون
  • 55. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 56. اعتبارسنجی متقابل (Cross-Validation)
  • 57. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 58. مدیریت داده‌های نامتوازن
  • 59. تکنیک‌های افزایش داده
  • 60. یادگیری انتقالی (Transfer Learning)
  • 61. پیاده‌سازی مدل‌های یادگیری ماشین با Python
  • 62. کتابخانه NumPy
  • 63. کتابخانه Pandas
  • 64. کتابخانه Scikit-learn
  • 65. کتابخانه TensorFlow
  • 66. کتابخانه Keras
  • 67. کتابخانه PyTorch
  • 68. کار با داده‌های بزرگ
  • 69. مقدمه‌ای بر Big Data
  • 70. ابزارهای پردازش داده‌های بزرگ
  • 71. کاربرد یادگیری ماشین در صنایع مختلف
  • 72. یادگیری ماشین در سلامت
  • 73. یادگیری ماشین در مالی
  • 74. یادگیری ماشین در بازاریابی
  • 75. یادگیری ماشین در تشخیص تقلب
  • 76. یادگیری ماشین در سیستم‌های توصیه‌گر
  • 77. اخلاق در یادگیری ماشین
  • 78. سوگیری در الگوریتم‌ها
  • 79. حریم خصوصی داده‌ها
  • 80. شفافیت و قابلیت تفسیر مدل‌ها
  • 81. مسئولیت‌پذیری در هوش مصنوعی
  • 82. امنیت در یادگیری ماشین
  • 83. ملاحظات حقوقی و شرعی در استفاده از هوش مصنوعی
  • 84. کاربرد C در توسعه سیستم‌های یادگیری ماشین
  • 85. نوشتن توابع بهینه برای پردازش داده
  • 86. استفاده از ساختارهای داده کارآمد
  • 87. مدیریت حافظه در پروژه‌های یادگیری ماشین
  • 88. تعامل C با کتابخانه‌های یادگیری ماشین
  • 89. مقدمه‌ای بر مفاهیم آماری در یادگیری ماشین
  • 90. توزیع‌های احتمالی
  • 91. آزمون فرض
  • 92. همبستگی و علیت
  • 93. مقدمه‌ای بر جبر خطی در یادگیری ماشین
  • 94. ماتریس‌ها و بردارها
  • 95. ضرب ماتریس‌ها
  • 96. دترمینان و معکوس ماتریس
  • 97. مقدمه‌ای بر حساب دیفرانسیل در یادگیری ماشین
  • 98. مشتقات جزئی
  • 99. قاعده زنجیره‌ای
  • 100. بهینه‌سازی با استفاده از گرادیانت نزولی

📚 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.