سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین برای تازه‌کاران: مقدمه‌ای کاربردی

کتاب مبانی یادگیری ماشین برای تازه‌کاران: مقدمه‌ای کاربردی

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 یادگیری ماشین برای تازه‌کاران: مقدمه‌ای کاربردی

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. تعریف یادگیری ماشین
  • 3. کاربردهای یادگیری ماشین
  • 4. انواع یادگیری ماشین
  • 5. یادگیری نظارت شده
  • 6. یادگیری بدون نظارت
  • 7. یادگیری تقویتی
  • 8. مفاهیم پایه آمار در یادگیری ماشین
  • 9. متغیرهای تصادفی
  • 10. توزیع‌های احتمالی
  • 11. میانگین و واریانس
  • 12. قضیه بیز
  • 13. مفاهیم پایه جبر خطی در یادگیری ماشین
  • 14. بردارهای عددی
  • 15. ماتریس‌ها
  • 16. ضرب ماتریس‌ها
  • 17. مقادیر ویژه و بردارهای ویژه
  • 18. پیش‌پردازش داده‌ها
  • 19. پاکسازی داده‌ها
  • 20. مقیاس‌بندی ویژگی‌ها
  • 21. کدگذاری متغیرهای دسته‌ای
  • 22. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 23. اولین مدل یادگیری ماشین: رگرسیون خطی
  • 24. معادله رگرسیون خطی
  • 25. توابع هزینه
  • 26. بهینه‌سازی گرادیان نزولی
  • 27. پیاده‌سازی رگرسیون خطی با پایتون
  • 28. کتابخانه‌های کلیدی پایتون برای یادگیری ماشین (NumPy, Pandas)
  • 29. مدل‌های طبقه‌بندی: رگرسیون لجستیک
  • 30. تابع سیگموئید
  • 31. تفسیر ضرایب در رگرسیون لجستیک
  • 32. ارزیابی مدل‌های طبقه‌بندی
  • 33. دقت (Accuracy)
  • 34. صحت (Precision) و پوشش (Recall)
  • 35. امتیاز F1
  • 36. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 37. مدل‌های طبقه‌بندی: ماشین بردار پشتیبان (SVM)
  • 38. هسته‌ها (Kernels) در SVM
  • 39. تنظیم پارامترهای SVM
  • 40. مدل‌های طبقه‌بندی: درختان تصمیم
  • 41. ایجاد درخت تصمیم
  • 42. قوانین استخراج شده از درختان تصمیم
  • 43. کاربرد درختان تصمیم در مسائل واقعی
  • 44. مدل‌های طبقه‌بندی: جنگل‌های تصادفی
  • 45. نحوه عملکرد جنگل‌های تصادفی
  • 46. مزایای جنگل‌های تصادفی
  • 47. تنظیم پارامترهای جنگل‌های تصادفی
  • 48. مدل‌های خوشه‌بندی: K-Means
  • 49. انتخاب تعداد خوشه‌ها (K)
  • 50. الگوریتم K-Means
  • 51. کاربرد K-Means در تقسیم‌بندی بازار
  • 52. مدل‌های خوشه‌بندی: خوشه‌بندی سلسله مراتبی
  • 53. روش‌های پیوستنی و تقسیمی
  • 54. نحوه تفسیر دندروگرام
  • 55. مدل‌های کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
  • 56. محاسبه مؤلفه‌های اصلی
  • 57. تفسیر مؤلفه‌های اصلی
  • 58. کاربرد PCA در بصری‌سازی و کاهش نویز
  • 59. مدل‌های کاهش ابعاد: t-SNE
  • 60. نحوه عملکرد t-SNE
  • 61. کاربرد t-SNE در بصری‌سازی داده‌های با ابعاد بالا
  • 62. شبکه‌های عصبی مصنوعی: مقدمه
  • 63. نورون مصنوعی
  • 64. تابع فعال‌سازی
  • 65. معماری شبکه‌های عصبی
  • 66. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 67. آموزش شبکه‌های عصبی: انتشار رو به عقب (Backpropagation)
  • 68. گرادیان‌ها و به‌روزرسانی وزن‌ها
  • 69. تنظیم نرخ یادگیری
  • 70. شبکه‌های عصبی کانولوشنی (CNN)
  • 71. لایه‌های کانولوشن و Pooling
  • 72. کاربرد CNN در پردازش تصویر
  • 73. شبکه‌های عصبی بازگشتی (RNN)
  • 74. حافظه در RNN
  • 75. کاربرد RNN در پردازش زبان طبیعی
  • 76. مدل‌های زبانی
  • 77. پردازش زبان طبیعی (NLP)
  • 78. توکن‌سازی (Tokenization)
  • 79. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
  • 80. بردار کلمات (Word Embeddings)
  • 81. مدل‌های یادگیری عمیق برای NLP (مانند Word2Vec)
  • 82. یادگیری ماشین در عمل: جمع‌آوری و آماده‌سازی داده‌ها
  • 83. انتخاب ویژگی‌های مناسب
  • 84. مهندسی ویژگی
  • 85. مدیریت داده‌های نامتعادل
  • 86. ارزیابی و انتخاب مدل
  • 87. اعتبارسنجی متقابل (Cross-Validation)
  • 88. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 89. یادگیری تقویتی: مفاهیم پایه
  • 90. عامل (Agent)، محیط (Environment)، پاداش (Reward)
  • 91. حالت (State) و عمل (Action)
  • 92. سیاست (Policy)
  • 93. یادگیری تقویتی بدون مدل (Model-Free Reinforcement Learning)
  • 94. یادگیری Q (Q-Learning)
  • 95. جدول Q
  • 96. یادگیری Q با شبکه‌های عصبی (Deep Q-Networks - DQN)
  • 97. یادگیری تقویتی با مدل (Model-Based Reinforcement Learning)
  • 98. برنامه‌ریزی در یادگیری تقویتی
  • 99. ملاحظات اخلاقی در یادگیری ماشین
  • 100. سوگیری در الگوریتم‌ها

📚 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.