سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین با پایتون و کتابخانه‌های مرتبط

کتاب مبانی یادگیری ماشین با پایتون و کتابخانه‌های مرتبط

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 با پایتون و کتابخانه‌های مرتبط

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مقدمه به پایتون برای علم داده
  • 3. نصب و راه‌اندازی محیط توسعه
  • 4. کار با داده‌ها در پایتون: NumPy
  • 5. دستکاری و تحلیل داده‌ها با Pandas
  • 6. تصویرسازی داده‌ها با Matplotlib و Seaborn
  • 7. انواع یادگیری ماشین
  • 8. یادگیری با نظارت: رگرسیون خطی
  • 9. ارزیابی مدل‌های رگرسیون
  • 10. تنظیم هایپرپارامترها
  • 11. رگرسیون چندجمله‌ای
  • 12. منظم‌سازی در رگرسیون
  • 13. رگرسیون لجستیک برای طبقه‌بندی
  • 14. ارزیابی مدل‌های طبقه‌بندی
  • 15. ماشین‌های بردار پشتیبان (SVM)
  • 16. کار با داده‌های متنی با SVM
  • 17. درختان تصمیم
  • 18. جنگل‌های تصادفی
  • 19. تقویت گرادیان
  • 20. مدل‌های ترکیبی
  • 21. یادگیری بدون نظارت
  • 22. خوشه‌بندی K-Means
  • 23. ارزیابی خوشه‌ها
  • 24. خوشه‌بندی سلسله مراتبی
  • 25. DBSCAN
  • 26. کاهش ابعاد
  • 27. تحلیل مؤلفه‌های اصلی (PCA)
  • 28. تجزیه مقادیر منفرد (SVD)
  • 29. توزیع‌سازی تصادفی
  • 30. مدل‌سازی موضوعی با LDA
  • 31. شبکه‌های عصبی مصنوعی
  • 32. مقدمه‌ای بر یادگیری عمیق
  • 33. معماری پرسپترون چندلایه
  • 34. توابع فعال‌سازی
  • 35. پس‌انتشار خطا
  • 36. بهینه‌سازها در شبکه‌های عصبی
  • 37. تنظیم نرخ یادگیری
  • 38. نرمال‌سازی دسته‌ای
  • 39. شبکه‌های عصبی کانولوشنی (CNN)
  • 40. معماری CNN برای بینایی ماشین
  • 41. کار با تصاویر در CNN
  • 42. شبکه‌های عصبی بازگشتی (RNN)
  • 43. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 44. کار با داده‌های متنی با RNN و LSTM
  • 45. پردازش زبان طبیعی (NLP)
  • 46. کاربرد یادگیری ماشین در NLP
  • 47. شبکه‌های مولد تخاصمی (GAN)
  • 48. مقدمه‌ای بر شبکه‌های GAN
  • 49. کاربرد شبکه‌های GAN
  • 50. یادگیری تقویتی
  • 51. مبانی یادگیری تقویتی
  • 52. عوامل و محیط در یادگیری تقویتی
  • 53. الگوریتم‌های یادگیری تقویتی
  • 54. Q-Learning
  • 55. Deep Q-Networks (DQN)
  • 56. پیاده‌سازی DQN
  • 57. یادگیری ماشین در عمل
  • 58. آماده‌سازی و مهندسی ویژگی
  • 59. انتخاب ویژگی
  • 60. معماری مدل
  • 61. آموزش و اعتبارسنجی مدل
  • 62. متریک‌های ارزیابی پیشرفته
  • 63. بهبود مدل
  • 64. رفع مشکل بیش‌برازش (Overfitting)
  • 65. رفع مشکل کم‌برازش (Underfitting)
  • 66. یادگیری انتقالی
  • 67. کاربرد یادگیری انتقالی
  • 68. هوش مصنوعی اخلاقی و مسئولانه
  • 69. حریم خصوصی داده‌ها در هوش مصنوعی
  • 70. امنیت مدل‌های هوش مصنوعی
  • 71. سوگیری در الگوریتم‌ها
  • 72. مدل‌های قابل تفسیر (XAI)
  • 73. مقدمه‌ای بر XAI
  • 74. تکنیک‌های XAI
  • 75. کاربرد XAI
  • 76. هوش مصنوعی در صنعت
  • 77. کاربرد هوش مصنوعی در سلامت
  • 78. کاربرد هوش مصنوعی در مالی
  • 79. کاربرد هوش مصنوعی در تولید
  • 80. کاربرد هوش مصنوعی در حمل و نقل
  • 81. کاربرد هوش مصنوعی در آموزش
  • 82. کاربرد هوش مصنوعی در کشاورزی
  • 83. آینده هوش مصنوعی
  • 84. روندهای نوظهور در هوش مصنوعی
  • 85. چالش‌های پیش روی هوش مصنوعی
  • 86. مسائل حقوقی و اجتماعی هوش مصنوعی
  • 87. توسعه پایدار و هوش مصنوعی
  • 88. همکاری انسان و ماشین
  • 89. یادگیری ماشین قابل اعتماد
  • 90. چارچوب‌های نظارتی برای هوش مصنوعی
  • 91. استانداردهای بین‌المللی هوش مصنوعی
  • 92. تکنیک‌های پیشرفته یادگیری ماشین
  • 93. شبکه‌های گراف عصبی (GNN)
  • 94. یادگیری چندوظیفه‌ای
  • 95. یادگیری federated
  • 96. مقدمه‌ای بر یادگیری federated
  • 97. پیاده‌سازی یادگیری federated
  • 98. کاربردهای پیشرفته یادگیری ماشین
  • 99. مبانی سیستم‌های توصیه‌گر
  • 100. پیاده‌سازی سیستم‌های توصیه‌گر

📚 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.