سپنتا کتاب اکسپرس
کتاب حل مسائل رگرسیون با Scikit-Learn

کتاب حل مسائل رگرسیون با Scikit-Learn

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 حل مسائل رگرسیون با Scikit-Learn

موضوع کلی: علم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و یادگیری ماشین
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده و بدون نظارت
  • 5. مفاهیم اساسی رگرسیون
  • 6. انواع مسائل رگرسیون
  • 7. مقدمه‌ای بر Scikit-Learn
  • 8. نصب و راه‌اندازی Scikit-Learn
  • 9. ساختار داده‌ها در Scikit-Learn
  • 10. بارگذاری مجموعه داده‌ها
  • 11. پیش‌پردازش داده‌ها
  • 12. پاکسازی داده‌ها
  • 13. مدیریت مقادیر گمشده
  • 14. تبدیل ویژگی‌ها
  • 15. استانداردسازی و نرمال‌سازی
  • 16. رمزگذاری ویژگی‌های دسته‌ای
  • 17. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 18. ارزیابی مدل‌های رگرسیون
  • 19. معیارهای ارزیابی رگرسیون
  • 20. میانگین مربعات خطا (MSE)
  • 21. ریشه میانگین مربعات خطا (RMSE)
  • 22. میانگین قدر مطلق خطا (MAE)
  • 23. ضریب تعیین (R-squared)
  • 24. مدل‌های رگرسیون خطی ساده
  • 25. مفاهیم رگرسیون خطی
  • 26. نحوه برازش مدل خطی
  • 27. تفسیر ضرایب رگرسیون خطی
  • 28. رگرسیون خطی چندگانه
  • 29. پیاده‌سازی رگرسیون خطی با Scikit-Learn
  • 30. مدل‌های رگرسیون چندجمله‌ای
  • 31. نحوه برازش منحنی رگرسیون
  • 32. مدل‌های رگرسیون منظم شده (Regularized Regression)
  • 33. رگرسیون ریج (Ridge Regression)
  • 34. رگرسیون لاسو (Lasso Regression)
  • 35. رگرسیون الاستیک نت (Elastic Net Regression)
  • 36. تنظیم هایپرپارامترها
  • 37. جستجوی شبکه‌ای (Grid Search)
  • 38. جستجوی تصادفی (Random Search)
  • 39. اعتبارسنجی متقابل (Cross-Validation)
  • 40. مدل‌های درخت تصمیم برای رگرسیون
  • 41. نحوه ساخت درخت تصمیم
  • 42. مزایا و معایب درخت تصمیم
  • 43. تنظیم پارامترهای درخت تصمیم
  • 44. مدل‌های جنگل تصادفی برای رگرسیون
  • 45. نحوه ساخت جنگل تصادفی
  • 46. مزایای جنگل تصادفی
  • 47. تنظیم پارامترهای جنگل تصادفی
  • 48. مدل‌های تقویت گرادیان (Gradient Boosting)
  • 49. مقدمه‌ای بر تقویت گرادیان
  • 50. پیاده‌سازی تقویت گرادیان با Scikit-Learn
  • 51. تنظیم پارامترهای تقویت گرادیان
  • 52. مدل‌های ماشین بردار پشتیبان (SVM) برای رگرسیون (SVR)
  • 53. مفاهیم SVR
  • 54. نحوه استفاده از هسته‌ها در SVR
  • 55. تنظیم پارامترهای SVR
  • 56. مدل‌های K-نزدیکترین همسایه (KNN) برای رگرسیون
  • 57. نحوه استفاده از KNN برای رگرسیون
  • 58. انتخاب مقدار K
  • 59. مدل‌های رگرسیون مبتنی بر توازن (Bayesian Regression)
  • 60. مقدمه‌ای بر رگرسیون بیزی
  • 61. مدل‌های پیش‌بینی سری زمانی
  • 62. مقدمه‌ای بر پیش‌بینی سری زمانی
  • 63. مدل ARIMA
  • 64. مدل‌های رگرسیون سری زمانی با Scikit-Learn
  • 65. تشخیص و مدیریت داده‌های پرت (Outliers)
  • 66. روش‌های شناسایی داده‌های پرت
  • 67. حذف یا تبدیل داده‌های پرت
  • 68. مهندسی ویژگی (Feature Engineering)
  • 69. ایجاد ویژگی‌های جدید
  • 70. انتخاب ویژگی (Feature Selection)
  • 71. روش‌های انتخاب ویژگی
  • 72. اهمیت ویژگی‌ها
  • 73. مدل‌سازی پیشرفته رگرسیون
  • 74. نکات و ترفندهای پیشرفته
  • 75. عیب‌یابی مدل‌های رگرسیون
  • 76. بهینه‌سازی عملکرد مدل
  • 77. کاربرد رگرسیون در حوزه‌های مختلف
  • 78. تحلیل داده‌های بازار سهام
  • 79. پیش‌بینی قیمت مسکن
  • 80. تحلیل داده‌های پزشکی
  • 81. تحلیل داده‌های فروش
  • 82. مقدمه‌ای بر یادگیری عمیق برای رگرسیون
  • 83. شبکه‌های عصبی برای رگرسیون
  • 84. معماری‌های شبکه‌های عصبی
  • 85. پیاده‌سازی شبکه‌های عصبی با کتابخانه‌های مرتبط
  • 86. آموزش شبکه‌های عصبی
  • 87. ارزیابی مدل‌های یادگیری عمیق
  • 88. کاربرد یادگیری عمیق در رگرسیون
  • 89. مقدمه‌ای بر مدل‌های ترکیبی (Ensemble Methods)
  • 90. ترکیب مدل‌های رگرسیون
  • 91. روش‌های Stacking و Blending
  • 92. پیاده‌سازی مدل‌های ترکیبی
  • 93. بهبود دقت پیش‌بینی با مدل‌های ترکیبی
  • 94. تحلیل حساسیت و عدم قطعیت در مدل‌ها
  • 95. مفهوم تحلیل حساسیت
  • 96. روش‌های تحلیل عدم قطعیت
  • 97. مدل‌سازی ریسک با رگرسیون
  • 98. کاربرد مدل‌های رگرسیون در مدیریت ریسک
  • 99. مقدمه‌ای بر اخلاق در علم داده
  • 100. مسائل اخلاقی در مدل‌سازی رگرسیون

📚 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.