کتاب مبانی مصورسازی و درک الگوریتم‌های 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 مبانی مصورسازی و درک الگوریتم‌های یادگیری ماشین

موضوع کلی: علوم و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه: علم داده و یادگیری ماشین
  • 2. مبانی آمار توصیفی برای یادگیری ماشین
  • 3. نمودارها و مصورسازی داده‌ها
  • 4. توزیع نرمال و کاربردهای آن
  • 5. آزمون فرض آماری و مفاهیم کلیدی
  • 6. رگرسیون خطی ساده: مفاهیم اساسی
  • 7. مدل‌سازی رگرسیون خطی در پایتون
  • 8. ارزیابی مدل رگرسیون خطی: معیارهای کلیدی
  • 9. بیش‌برازش و کم‌برازش در مدل‌های خطی
  • 10. رگرسیون لجستیک: مقدمه و کاربردها
  • 11. تفسیر ضرایب در رگرسیون لجستیک
  • 12. تابع احتمال و تابع زیان در رگرسیون لجستیک
  • 13. مدل‌سازی رگرسیون لجستیک در پایتون
  • 14. ارزیابی مدل رگرسیون لجستیک: معیارهای طبقه‌بندی
  • 15. مقدمه‌ای بر درخت تصمیم
  • 16. ساخت درخت تصمیم: معیارهای ناخالصی
  • 17. کاربرد درخت تصمیم در طبقه‌بندی
  • 18. درخت تصمیم در پایتون: پیاده‌سازی
  • 19. ارزیابی درخت تصمیم: دقت و سایر معیارها
  • 20. مقدمه‌ای بر جنگل تصادفی
  • 21. نحوه کار جنگل تصادفی: ادغام درختان
  • 22. کاربرد جنگل تصادفی در طبقه‌بندی
  • 23. جنگل تصادفی در پایتون: پیاده‌سازی
  • 24. ارزیابی جنگل تصادفی
  • 25. مقدمه‌ای بر ماشین بردار پشتیبان (SVM)
  • 26. هسته‌ها (Kernels) در SVM
  • 27. کاربرد SVM در طبقه‌بندی
  • 28. SVM در پایتون: پیاده‌سازی
  • 29. ارزیابی SVM
  • 30. مقدمه‌ای بر خوشه‌بندی (Clustering)
  • 31. الگوریتم K-Means: مفاهیم و مراحل
  • 32. کاربرد K-Means در تحلیل داده‌ها
  • 33. K-Means در پایتون: پیاده‌سازی
  • 34. ارزیابی خوشه‌بندی K-Means
  • 35. مقدمه‌ای بر کاهش ابعاد
  • 36. تحلیل مؤلفه‌های اصلی (PCA): مفاهیم
  • 37. کاربرد PCA در کاهش ابعاد
  • 38. PCA در پایتون: پیاده‌سازی
  • 39. ارزیابی PCA
  • 40. شبکه‌های عصبی مصنوعی: مبانی
  • 41. نورون مصنوعی و تابع فعال‌سازی
  • 42. شبکه‌های عصبی پیشخور (Feedforward)
  • 43. پس‌انتشار خطا (Backpropagation)
  • 44. آموزش شبکه‌های عصبی
  • 45. شبکه‌های عصبی در پایتون: پیاده‌سازی
  • 46. ارزیابی شبکه‌های عصبی
  • 47. مقدمه‌ای بر یادگیری عمیق
  • 48. شبکه‌های عصبی کانولوشنی (CNN)
  • 49. کاربرد CNN در پردازش تصویر
  • 50. CNN در پایتون: پیاده‌سازی
  • 51. شبکه‌های عصبی بازگشتی (RNN)
  • 52. کاربرد RNN در پردازش زبان طبیعی
  • 53. RNN در پایتون: پیاده‌سازی
  • 54. مقدمه‌ای بر یادگیری تقویتی
  • 55. مفاهیم پایه یادگیری تقویتی
  • 56. الگوریتم‌های یادگیری تقویتی (مانند Q-Learning)
  • 57. کاربرد یادگیری تقویتی
  • 58. یادگیری تقویتی در پایتون
  • 59. مقدمه‌ای بر پردازش زبان طبیعی
  • 60. روش‌های نمایش متن: Bag-of-Words
  • 61. روش‌های نمایش متن: TF-IDF
  • 62. مدل‌سازی موضوعی (Topic Modeling)
  • 63. کاربرد پردازش زبان طبیعی
  • 64. پردازش زبان طبیعی در پایتون
  • 65. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 66. فیلترینگ مشارکتی (Collaborative Filtering)
  • 67. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
  • 68. سیستم‌های توصیه‌گر ترکیبی
  • 69. سیستم‌های توصیه‌گر در پایتون
  • 70. مقدمه‌ای بر یادگیری نیمه‌نظارتی
  • 71. یادگیری بدون نظارت (Unsupervised Learning)
  • 72. کاربردهای یادگیری نیمه‌نظارتی
  • 73. یادگیری نیمه‌نظارتی در پایتون
  • 74. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 75. شبکه‌های عصبی گراف (GNN)
  • 76. کاربرد شبکه‌های عصبی گراف
  • 77. شبکه‌های عصبی گراف در پایتون
  • 78. مقدمه‌ای بر هوش مصنوعی تفسیری (XAI)
  • 79. روش‌های توضیح‌پذیری مدل‌ها
  • 80. کاربرد XAI در یادگیری ماشین
  • 81. XAI در پایتون
  • 82. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 83. کاربرد یادگیری انتقالی
  • 84. یادگیری انتقالی در پایتون
  • 85. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 86. کاربرد یادگیری فدرال
  • 87. یادگیری فدرال در پایتون
  • 88. مقدمه‌ای بر یادگیری چندعاملی (Multi-Agent Learning)
  • 89. کاربرد یادگیری چندعاملی
  • 90. یادگیری چندعاملی در پایتون
  • 91. مقدمه‌ای بر یادگیری افزایشی (Incremental Learning)
  • 92. کاربرد یادگیری افزایشی
  • 93. یادگیری افزایشی در پایتون
  • 94. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 95. کاربرد یادگیری فعال
  • 96. یادگیری فعال در پایتون
  • 97. مقدمه‌ای بر یادگیری با معیارهای نامتعارف
  • 98. کاربرد یادگیری با معیارهای نامتعارف
  • 99. یادگیری با معیارهای نامتعارف در پایتون
  • 100. مقدمه‌ای بر یادگیری مولد

📚 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.