کتاب یادگیری ماشین کاربردی با scikit-learn: از مبانی تا پیاده‌سازی

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 یادگیری ماشین کاربردی با scikit-learn: از مبانی تا پیاده‌سازی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. مقدمه‌ای بر پایتون برای یادگیری ماشین
  • 3. نصب و پیکربندی ابزارهای یادگیری ماشین
  • 4. آشنایی با کتابخانه NumPy
  • 5. آشنایی با کتابخانه Pandas
  • 6. پیش‌پردازش داده‌ها: پاکسازی و آماده‌سازی
  • 7. مدیریت مقادیر گمشده
  • 8. شناسایی و حذف داده‌های پرت
  • 9. تبدیل ویژگی‌ها: نرمال‌سازی و استانداردسازی
  • 10. کدگذاری ویژگی‌های دسته‌ای
  • 11. انتخاب ویژگی: روش‌های مقدماتی
  • 12. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 13. مقدمه‌ای بر مدل‌های یادگیری ماشین
  • 14. یادگیری نظارت‌شده
  • 15. رگرسیون خطی
  • 16. ارزیابی مدل‌های رگرسیون
  • 17. رگرسیون چندجمله‌ای
  • 18. رگرسیون ریج و لاسو
  • 19. درختان تصمیم برای رگرسیون
  • 20. جنگل‌های تصادفی برای رگرسیون
  • 21. ماشین‌های بردار پشتیبان (SVM) برای رگرسیون
  • 22. یادگیری نظارت‌نشده
  • 23. خوشه‌بندی K-Means
  • 24. ارزیابی مدل‌های خوشه‌بندی
  • 25. خوشه‌بندی سلسله‌مراتبی
  • 26. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 27. تکنیک‌های کاهش ابعاد دیگر
  • 28. مقدمه‌ای بر طبقه‌بندی
  • 29. رگرسیون لجستیک
  • 30. ارزیابی مدل‌های طبقه‌بندی
  • 31. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 32. دقت (Accuracy)، صحت (Precision) و بازیابی (Recall)
  • 33. امتیاز F1
  • 34. منحنی ROC و AUC
  • 35. درختان تصمیم برای طبقه‌بندی
  • 36. جنگل‌های تصادلی برای طبقه‌بندی
  • 37. ماشین‌های بردار پشتیبان (SVM) برای طبقه‌بندی
  • 38. طبقه‌بندی بیز ساده (Naive Bayes)
  • 39. دسته‌بندی‌کننده K نزدیک‌ترین همسایه (KNN)
  • 40. یادگیری عمیق: مقدمه
  • 41. شبکه‌های عصبی مصنوعی (ANN)
  • 42. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 43. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 44. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 45. جستجوی شبکه‌ای (Grid Search)
  • 46. جستجوی تصادفی (Random Search)
  • 47. اعتبارسنجی متقابل (Cross-Validation)
  • 48. مدیریت بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 49. تنظیم‌کننده L1 و L2
  • 50. کاهش نرخ یادگیری (Learning Rate Decay)
  • 51. روش‌های منظم‌سازی (Regularization)
  • 52. مقدمه‌ای بر یادگیری تقویتی
  • 53. کاربردها و مفاهیم اولیه یادگیری تقویتی
  • 54. مدل‌های مارکوف تصمیم‌گیری (MDP)
  • 55. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 56. الگوریتم‌های یادگیری تقویتی: SARSA
  • 57. شبکه‌های عصبی عمیق برای یادگیری تقویتی
  • 58. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 59. تحلیل احساسات با یادگیری ماشین
  • 60. مدل‌سازی موضوعی (Topic Modeling)
  • 61. کاربرد مدل‌های زبانی
  • 62. مقدمه‌ای بر بینایی ماشین
  • 63. شناسایی اشیاء با یادگیری ماشین
  • 64. تشخیص چهره
  • 65. تحلیل تصویر پزشکی با یادگیری ماشین
  • 66. یادگیری ماشین در امنیت سایبری
  • 67. تشخیص نفوذ
  • 68. شناسایی بدافزار
  • 69. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 70. کاربرد یادگیری انتقالی در بینایی ماشین
  • 71. کاربرد یادگیری انتقالی در پردازش زبان طبیعی
  • 72. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 73. کاربرد یادگیری تقویتی عمیق در رباتیک
  • 74. کاربرد یادگیری تقویتی عمیق در بازی‌ها
  • 75. یادگیری ماشین در سیستم‌های توصیه‌گر
  • 76. فیلترینگ مشارکتی
  • 77. مبتنی بر محتوا
  • 78. سیستم‌های توصیه‌گر ترکیبی
  • 79. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 80. کاربرد یادگیری فعال در مسائل برچسب‌گذاری
  • 81. یادگیری ماشین در تحلیل سری‌های زمانی
  • 82. پیش‌بینی سری‌های زمانی
  • 83. کاربرد در امور مالی
  • 84. کاربرد در اقتصاد
  • 85. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 86. کاربرد یادگیری چندوظیفه‌ای
  • 87. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 88. مزایا و چالش‌های یادگیری فدرال
  • 89. یادگیری ماشین در بهداشت و درمان
  • 90. تشخیص بیماری
  • 91. پیش‌بینی شیوع بیماری
  • 92. توسعه دارو
  • 93. مقدمه‌ای بر اخلاق در یادگیری ماشین
  • 94. سوگیری در داده‌ها و مدل‌ها
  • 95. عدالت و شفافیت در هوش مصنوعی
  • 96. مسئولیت‌پذیری در هوش مصنوعی
  • 97. آینده یادگیری ماشین و هوش مصنوعی

📚 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.