سپنتا کتاب اکسپرس
کتاب علم داده محور با رویکرد یادگیری ماشین و کنترل سیستم‌ها

کتاب علم داده محور با رویکرد یادگیری ماشین و کنترل سیستم‌ها

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 علم داده محور با رویکرد یادگیری ماشین و کنترل سیستم‌ها

موضوع کلی: علوم داده و مهندسی

موضوع میانی: یادگیری ماشین و سیستم‌های دینامیکی

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و مهندسی
  • 2. مقدمه‌ای بر سیستم‌های دینامیکی
  • 3. مدل‌سازی سیستم‌های دینامیکی
  • 4. مفاهیم اساسی یادگیری ماشین
  • 5. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 6. تحلیل داده‌های سری زمانی
  • 7. الگوهای پایه در داده‌های دینامیکی
  • 8. فضاهای حالت و نمایش سیستم‌ها
  • 9. معادلات دیفرانسیل معمولی و کاربردها
  • 10. معادلات دیفرانسیل جزئی و کاربردها
  • 11. معادلات دیفرانسیل تصادفی و کاربردها
  • 12. فیلتر کالمن و تخمین حالت
  • 13. تخمین پارامتر در سیستم‌های دینامیکی
  • 14. معرفی یادگیری ماشین برای سیستم‌های دینامیکی
  • 15. روش‌های مبتنی بر داده برای مدل‌سازی
  • 16. مدل‌های فضای حالت آماری
  • 17. مدل‌های فیزیکی و داده‌محور
  • 18. ترکیب مدل‌های فیزیکی و داده‌محور
  • 19. روش‌های آماری برای شناسایی سیستم
  • 20. تحلیل مولفه‌های اصلی (PCA) و کاربردها
  • 21. تجزیه مقادیر منفرد (SVD) و کاربردها
  • 22. یادگیری عمیق برای سیستم‌های دینامیکی
  • 23. شبکه‌های عصبی بازگشتی (RNN)
  • 24. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 25. شبکه‌های واحد بازگشتی (GRU)
  • 26. مدل‌های تولیدی برای داده‌های دینامیکی
  • 27. شبکه‌های مولد تخاصمی (GAN)
  • 28. ماشین‌های بولتزمن محدود (RBM)
  • 29. یادگیری تقویتی برای کنترل سیستم‌ها
  • 30. عوامل یادگیری تقویتی
  • 31. الگوریتم‌های یادگیری تقویتی
  • 32. یادگیری تقویتی عمیق
  • 33. کنترل سیستم‌های خطی
  • 34. نظریه کنترل بهینه
  • 35. کنترل‌کننده‌های PID
  • 36. کنترل‌کننده‌های پیش‌بین مدل (MPC)
  • 37. سیستم‌های دینامیکی غیرخطی
  • 38. مبانی نظری سیستم‌های غیرخطی
  • 39. روش‌های تحلیل سیستم‌های غیرخطی
  • 40. پایداری در سیستم‌های غیرخطی
  • 41. کاتاستروف‌ها و شاخه‌ها
  • 42. سیستم‌های آشوبناک
  • 43. مقدمه‌ای بر آشوب
  • 44. دنباله‌کننده‌های لورنز
  • 45. فرکتال‌ها و ابعاد
  • 46. کاربرد سیستم‌های دینامیکی در علوم
  • 47. مدل‌سازی اقلیم
  • 48. مدل‌سازی زیست‌شناسی
  • 49. مدل‌سازی اقتصاد
  • 50. مدل‌سازی شبکه‌های پیچیده
  • 51. کاربرد یادگیری ماشین در علوم
  • 52. تشخیص الگو در داده‌های علمی
  • 53. پیش‌بینی پدیده‌ها
  • 54. تحلیل داده‌های بزرگ
  • 55. سیستم‌های توصیه‌گر
  • 56. کاربرد کنترل در مهندسی
  • 57. کنترل رباتیک
  • 58. کنترل هوافضا
  • 59. کنترل فرایندهای صنعتی
  • 60. کنترل شبکه‌های انرژی
  • 61. سیستم‌های خودکار و هوشمند
  • 62. مبانی سیستم‌های خودکار
  • 63. طراحی سیستم‌های خودکار
  • 64. قابلیت اطمینان در سیستم‌های خودکار
  • 65. ایمنی در سیستم‌های خودکار
  • 66. هوش مصنوعی و سیستم‌های دینامیکی
  • 67. شبکه‌های عصبی و سیستم‌های دینامیکی
  • 68. یادگیری ماشین و پیش‌بینی سیستم‌های پیچیده
  • 69. کنترل انطباقی سیستم‌های دینامیکی
  • 70. یادگیری ماشین در مدل‌سازی اقتصادی
  • 71. تحلیل داده‌های مالی با یادگیری ماشین
  • 72. مدل‌سازی ریسک اعتباری
  • 73. پیش‌بینی بازارهای مالی
  • 74. کاربرد یادگیری ماشین در پزشکی
  • 75. تشخیص بیماری‌ها
  • 76. کشف دارو
  • 77. تحلیل داده‌های ژنتیکی
  • 78. بهینه‌سازی درمان
  • 79. کاربرد یادگیری ماشین در محیط زیست
  • 80. مدل‌سازی آلودگی هوا
  • 81. پیش‌بینی زلزله
  • 82. مدیریت منابع آب
  • 83. تحلیل داده‌های ماهواره‌ای
  • 84. روش‌های پیشرفته در یادگیری ماشین
  • 85. یادگیری عمیق مولد
  • 86. شبکه‌های گراف عصبی (GNN)
  • 87. یادگیری انتقالی (Transfer Learning)
  • 88. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 89. روش‌های آماری پیشرفته در مهندسی
  • 90. روش‌های بیزی
  • 91. مدل‌های مخلوط گاوسی (GMM)
  • 92. تحلیل سری‌های زمانی پیشرفته
  • 93. مدل‌سازی مارکوف پنهان (HMM)
  • 94. کنترل پیشرفته سیستم‌های دینامیکی
  • 95. کنترل بهینه تطبیقی
  • 96. کنترل قوی (Robust Control)
  • 97. کنترل غیرخطی پیشرفته
  • 98. کنترل سیستم‌های توزیع شده
  • 99. مهندسی داده و زیرساخت
  • 100. پایگاه‌های داده برای داده‌های دینامیکی

📚 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.