سپنتا کتاب اکسپرس
کتاب پیش‌پردازش داده‌ها برای یادگیری ماشین با پایتون

کتاب پیش‌پردازش داده‌ها برای یادگیری ماشین با پایتون

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 پیش‌پردازش داده‌ها برای یادگیری ماشین با پایتون

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پیش‌پردازش داده‌ها در یادگیری ماشین
  • 2. اهمیت پیش‌پردازش داده‌ها
  • 3. آشنایی با محیط توسعه پایتون برای علوم داده
  • 4. نصب و پیکربندی کتابخانه‌های ضروری (NumPy, Pandas, Scikit-learn)
  • 5. مفاهیم پایه‌ای ساختارهای داده در پایتون (لیست‌ها، تاپل‌ها، دیکشنری‌ها)
  • 6. مقدمه‌ای بر کتابخانه NumPy برای محاسبات عددی
  • 7. آرایه‌های NumPy: ایجاد، دستکاری و عملیات
  • 8. نمایه‌گذاری و برش در آرایه‌های NumPy
  • 9. عملیات برداری در NumPy
  • 10. مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده
  • 11. ساختارهای داده Pandas: سری‌ها و دیتافریم‌ها
  • 12. بارگذاری و ذخیره داده‌ها (CSV, Excel)
  • 13. دستکاری دیتافریم‌ها: انتخاب، فیلتر و مرتب‌سازی
  • 14. مدیریت مقادیر گمشده در دیتافریم‌ها
  • 15. شناسایی و مدیریت مقادیر گمشده
  • 16. روش‌های جایگزینی مقادیر گمشده (میانگین، میانه، مد)
  • 17. درون‌یابی مقادیر گمشده
  • 18. حذف داده‌های دارای مقادیر گمشده
  • 19. کار با داده‌های دسته‌ای (Categorical Data)
  • 20. کدگذاری متغیرهای دسته‌ای (One-Hot Encoding)
  • 21. کدگذاری ترتیبی (Ordinal Encoding)
  • 22. برچسب‌گذاری متغیرهای دسته‌ای
  • 23. کار با داده‌های متنی
  • 24. پیش‌پردازش متن: پاکسازی، حذف علائم نگارشی
  • 25. توکن‌سازی و حذف کلمات توقف (Stop Words)
  • 26. تبدیل متن به بردار (Bag-of-Words, TF-IDF)
  • 27. نرمال‌سازی و استانداردسازی داده‌ها
  • 28. تکنیک‌های نرمال‌سازی (Min-Max Scaling)
  • 29. تکنیک‌های استانداردسازی (Z-score Standardization)
  • 30. اهمیت استانداردسازی برای الگوریتم‌های یادگیری ماشین
  • 31. شناسایی و مدیریت داده‌های پرت (Outliers)
  • 32. روش‌های شناسایی داده‌های پرت (نمودار جعبه‌ای، IQR)
  • 33. روش‌های حذف داده‌های پرت
  • 34. روش‌های جایگزینی داده‌های پرت
  • 35. مهندسی ویژگی (Feature Engineering)
  • 36. ایجاد ویژگی‌های جدید از ویژگی‌های موجود
  • 37. ترکیب ویژگی‌ها
  • 38. استخراج ویژگی از تاریخ و زمان
  • 39. استخراج ویژگی از داده‌های مکانی (در صورت کاربرد)
  • 40. کاهش ابعاد (Dimensionality Reduction)
  • 41. تحلیل مؤلفه‌های اصلی (PCA)
  • 42. کاربرد PCA در کاهش ابعاد
  • 43. تجزیه مقادیر منفرد (SVD)
  • 44. تجزیه و تحلیل تشابه (LDA)
  • 45. انتخاب ویژگی (Feature Selection)
  • 46. روش‌های فیلتر (Filter Methods)
  • 47. روش‌های بسته‌بندی (Wrapper Methods)
  • 48. روش‌های تعبیه شده (Embedded Methods)
  • 49. انتخاب ویژگی با استفاده از درخت‌های تصمیم
  • 50. استفاده از اهمیت ویژگی در مدل‌های خطی
  • 51. پیش‌پردازش داده‌ها برای طبقه‌بندی
  • 52. پیش‌پردازش داده‌ها برای رگرسیون
  • 53. کاربرد تکنیک‌های پیش‌پردازش در مدل‌های مختلف
  • 54. آماده‌سازی داده‌ها برای الگوریتم‌های مبتنی بر فاصله
  • 55. آماده‌سازی داده‌ها برای شبکه‌های عصبی
  • 56. آماده‌سازی داده‌ها برای الگوریتم‌های درختی
  • 57. ارزیابی کیفیت پیش‌پردازش
  • 58. بازنگری و اعتبارسنجی مراحل پیش‌پردازش
  • 59. مستندسازی فرآیند پیش‌پردازش
  • 60. مدیریت توازن داده‌ها (Data Balancing)
  • 61. شناسایی عدم توازن کلاس‌ها
  • 62. روش‌های نمونه‌برداری بیش از حد (Oversampling)
  • 63. روش‌های نمونه‌برداری کمتر از حد (Undersampling)
  • 64. استفاده از کتابخانه imbalanced-learn
  • 65. پیش‌پردازش داده‌های سری زمانی
  • 66. شناسایی الگوها در داده‌های سری زمانی
  • 67. نرمال‌سازی داده‌های سری زمانی
  • 68. تبدیل داده‌های سری زمانی برای مدل‌ها
  • 69. پیش‌پردازش داده‌های تصویر
  • 70. بارگذاری و نمایش تصاویر
  • 71. تبدیل تصاویر به فرمت عددی
  • 72. نرمال‌سازی مقادیر پیکسل تصاویر
  • 73. تکنیک‌های افزایش داده (Data Augmentation) برای تصاویر
  • 74. پیش‌پردازش داده‌های صوتی
  • 75. فشرده‌سازی و کاهش ابعاد داده‌های صوتی
  • 76. استخراج ویژگی از سیگنال صوتی
  • 77. پیش‌پردازش داده‌های گراف
  • 78. نمایش و دستکاری گراف‌ها
  • 79. تبدیل گراف به فرمت قابل استفاده برای یادگیری ماشین
  • 80. پیش‌پردازش داده‌های ترکیبی (Heterogeneous Data)
  • 81. ادغام منابع داده مختلف
  • 82. چالش‌های پیش‌پردازش داده‌های ترکیبی
  • 83. ملاحظات اخلاقی در پیش‌پردازش داده‌ها
  • 84. حفظ حریم خصوصی داده‌ها
  • 85. کاهش سوگیری در داده‌ها
  • 86. پیش‌پردازش داده‌ها در عمل: مطالعات موردی
  • 87. مثال: پیش‌پردازش داده‌های مالی
  • 88. مثال: پیش‌پردازش داده‌های پزشکی
  • 89. مثال: پیش‌پردازش داده‌های فروشگاه‌های آنلاین
  • 90. آینده پیش‌پردازش داده‌ها در یادگیری ماشین
  • 91. چالش‌های جدید در پیش‌پردازش داده‌ها
  • 92. ابزارها و تکنیک‌های نوظهور
  • 93. جمع‌بندی و گام‌های بعدی در یادگیری ماشین

📚 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.