سپنتا کتاب اکسپرس
کتاب مهندسی ویژگی برای تحلیل داده در R

کتاب مهندسی ویژگی برای تحلیل داده در R

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 مهندسی ویژگی برای تحلیل داده در R

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مهندسی ویژگی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم داده و مهندسی ویژگی
  • 2. چرا مهندسی ویژگی مهم است؟
  • 3. نقش مهندسی ویژگی در مدل‌های یادگیری ماشین
  • 4. مفاهیم پایه در R برای تحلیل داده
  • 5. مقدمه‌ای بر بسته‌های R برای مهندسی ویژگی
  • 6. مقدمه‌ای بر مجموعه داده‌ها و انواع آن‌ها
  • 7. شناخت و درک داده‌ها
  • 8. بررسی اولیه داده‌ها با R
  • 9. خلاصه‌سازی آماری داده‌ها
  • 10. شناسایی و مدیریت مقادیر گمشده
  • 11. استراتژی‌های پر کردن مقادیر گمشده
  • 12. شناسایی و مدیریت داده‌های پرت
  • 13. تکنیک‌های شناسایی داده‌های پرت
  • 14. بررسی توزیع داده‌ها
  • 15. نمودارهای توزیع داده‌ها
  • 16. تکنیک‌های تبدیل داده‌ها
  • 17. مقیاس‌بندی ویژگی‌ها (Scaling)
  • 18. نرمال‌سازی (Normalization)
  • 19. استانداردسازی (Standardization)
  • 20. تبدیل لگاریتمی
  • 21. تبدیل ریشه‌دوم
  • 22. تبدیل جعبه‌کاکس (Box-Cox)
  • 23. ایجاد ویژگی‌های جدید از ویژگی‌های موجود
  • 24. ترکیب ویژگی‌های عددی
  • 25. ایجاد ویژگی‌های طبقه‌بندی از ویژگی‌های عددی
  • 26. ایجاد ویژگی‌های تعاملی
  • 27. استفاده از زمان و تاریخ در مهندسی ویژگی
  • 28. استخراج اجزای زمان (روز، ماه، سال)
  • 29. شناسایی روزهای هفته و تعطیلات
  • 30. محاسبه فواصل زمانی
  • 31. مهندسی ویژگی برای داده‌های طبقه‌بندی
  • 32. کدگذاری یک‌طرفه (One-Hot Encoding)
  • 33. کدگذاری ترتیبی (Ordinal Encoding)
  • 34. کدگذاری فراوانی (Frequency Encoding)
  • 35. کدگذاری مبتنی بر هدف (Target Encoding)
  • 36. مدیریت ویژگی‌های با تعداد دسته‌بندی بالا
  • 37. مهندسی ویژگی برای داده‌های متنی
  • 38. پیش‌پردازش متن: حذف علائم نگارشی و اعداد
  • 39. تبدیل به حروف کوچک
  • 40. حذف کلمات توقف (Stop Words)
  • 41. ریشه‌یابی کلمات (Stemming)
  • 42. لمتیزاسیون (Lemmatization)
  • 43. تکنیک‌های نمایش متن: Bag-of-Words
  • 44. تکنیک‌های نمایش متن: TF-IDF
  • 45. استفاده از مدل‌های زبانی پیش‌آموزش‌دیده (مقدماتی)
  • 46. مهندسی ویژگی برای داده‌های مکانی
  • 47. مقدمه‌ای بر داده‌های مکانی در R
  • 48. استخراج ویژگی از مختصات جغرافیایی
  • 49. محاسبه فاصله بین نقاط
  • 50. استفاده از کتابخانه‌های مکانی در R
  • 51. مهندسی ویژگی برای داده‌های سری زمانی
  • 52. مقدمه‌ای بر سری‌های زمانی
  • 53. ایجاد ویژگی‌های تاخیر (Lag Features)
  • 54. ایجاد ویژگی‌های پنجره غلتان (Rolling Window Features)
  • 55. ایجاد ویژگی‌های مبتنی بر روند و فصلی بودن
  • 56. استفاده از تبدیل فوریه (مقدماتی)
  • 57. مهندسی ویژگی خودکار (Automated Feature Engineering)
  • 58. مقدمه‌ای بر ابزارهای خودکار
  • 59. استفاده از بسته‌های خودکار در R
  • 60. ارزیابی اهمیت ویژگی‌ها
  • 61. روش‌های مبتنی بر مدل (Model-Based Feature Importance)
  • 62. تکنیک‌های حذف افزایشی ویژگی (Recursive Feature Elimination)
  • 63. آزمون‌های آماری برای اهمیت ویژگی
  • 64. انتخاب ویژگی (Feature Selection)
  • 65. فیلترهای مبتنی بر آمار
  • 66. روش‌های مبتنی بر Wrapper
  • 67. روش‌های مبتنی بر Embedded
  • 68. تکنیک‌های کاهش ابعاد
  • 69. تحلیل مؤلفه‌های اصلی (PCA)
  • 70. تحلیل تفکیک‌کننده خطی (LDA)
  • 71. تکنیک‌های یادگیری عمیق برای استخراج ویژگی (مقدماتی)
  • 72. شبکه‌های عصبی کانولوشنال (CNN)
  • 73. شبکه‌های عصبی بازگشتی (RNN)
  • 74. نمونه‌سازی و جمع‌آوری ویژگی‌ها
  • 75. ایجاد مجموعه داده‌های مهندسی شده
  • 76. ذخیره‌سازی و مدیریت ویژگی‌ها
  • 77. ملاحظات اخلاقی در مهندسی ویژگی
  • 78. سوگیری در داده‌ها و ویژگی‌ها
  • 79. تفسیرپذیری مدل‌ها
  • 80. کاربرد مهندسی ویژگی در مسائل واقعی
  • 81. مثال کاربردی: پیش‌بینی فروش
  • 82. مثال کاربردی: تشخیص تقلب
  • 83. مثال کاربردی: تحلیل احساسات
  • 84. بهینه‌سازی فرآیند مهندسی ویژگی
  • 85. تکرار و بهبود استراتژی‌های مهندسی ویژگی
  • 86. نکات پیشرفته در R برای مهندسی ویژگی
  • 87. جمع‌بندی و گام‌های بعدی در مهندسی ویژگی
  • 88. مرور بر مفاهیم کلیدی
  • 89. اهمیت مهندسی ویژگی در چرخه حیات یادگیری ماشین
  • 90. آینده مهندسی ویژگی
  • 91. یادگیری ماشین قابل تفسیر (XAI) و مهندسی ویژگی
  • 92. جمع‌آوری دانش از منابع معتبر داخلی
  • 93. کاربرد عملی در پروژه‌های دانشجویی
  • 94. پروژه‌های عملی مهندسی ویژگی با داده‌های ایرانی
  • 95. مطالعه موردی: مهندسی ویژگی برای داده‌های اقتصادی ایران
  • 96. مطالعه موردی: مهندسی ویژگی برای داده‌های سلامت ایران
  • 97. مطالعه موردی: مهندسی ویژگی برای داده‌های حمل و نقل ایران
  • 98. بررسی چالش‌های مهندسی ویژگی در بافت ایران
  • 99. اهمیت رعایت الزامات قانونی در داده‌کاوی
  • 100. اصول اخلاقی در استفاده از داده‌های ایرانی

📚 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.