سپنتا کتاب اکسپرس
کتاب مهندسی ویژگی برای یادگیری ماشین با پایتون

کتاب مهندسی ویژگی 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 مهندسی ویژگی برای یادگیری ماشین با پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی ویژگی در یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی ویژگی در یادگیری ماشین
  • 2. اهمیت مهندسی ویژگی در پایتون
  • 3. انواع داده‌ها در یادگیری ماشین
  • 4. شناخت انواع داده‌های عددی
  • 5. شناخت انواع داده‌های دسته‌ای
  • 6. شناخت انواع داده‌های متنی
  • 7. شناخت انواع داده‌های زمانی
  • 8. مراحل پیش‌پردازش داده‌ها
  • 9. پاکسازی داده‌های از دست رفته
  • 10. استراتژی‌های پر کردن مقادیر از دست رفته
  • 11. شناخت داده‌های پرت (Outliers)
  • 12. روش‌های شناسایی داده‌های پرت
  • 13. مدیریت داده‌های پرت
  • 14. تبدیل مقیاس داده‌ها
  • 15. استانداردسازی داده‌ها
  • 16. نرمال‌سازی داده‌ها
  • 17. رمزگذاری متغیرهای دسته‌ای
  • 18. رمزگذاری وان-هات (One-Hot Encoding)
  • 19. رمزگذاری برچسب (Label Encoding)
  • 20. رمزگذاری ترتیبی (Ordinal Encoding)
  • 21. رمزگذاری فراوانی (Frequency Encoding)
  • 22. رمزگذاری هدف (Target Encoding)
  • 23. تکنیک‌های مهندسی ویژگی برای داده‌های عددی
  • 24. ایجاد ویژگی‌های ترکیبی
  • 25. ایجاد ویژگی‌های چندجمله‌ای
  • 26. ایجاد ویژگی‌های تعاملی
  • 27. ایجاد ویژگی‌های مرتبه دوم
  • 28. ایجاد ویژگی‌های لگاریتمی
  • 29. ایجاد ویژگی‌های توان‌دار
  • 30. استفاده از توابع ریاضی برای مهندسی ویژگی
  • 31. تکنیک‌های مهندسی ویژگی برای داده‌های دسته‌ای
  • 32. گروه‌بندی دسته‌ها
  • 33. کاهش ابعاد در داده‌های دسته‌ای
  • 34. ایجاد ویژگی‌های جدید از ترکیب دسته‌ها
  • 35. تکنیک‌های مهندسی ویژگی برای داده‌های متنی
  • 36. پیش‌پردازش متن
  • 37. توکن‌سازی (Tokenization)
  • 38. حذف کلمات توقف (Stop Words Removal)
  • 39. ریشه‌یابی (Stemming)
  • 40. لمتایزاسیون (Lemmatization)
  • 41. کیسینگ (Case Folding)
  • 42. تبدیل متن به بردار
  • 43. مدل کیسه کلمات (Bag-of-Words)
  • 44. TF-IDF (Term Frequency-Inverse Document Frequency)
  • 45. مدل‌های جاسازی کلمات (Word Embeddings)
  • 46. Word2Vec
  • 47. GloVe
  • 48. FastText
  • 49. مهندسی ویژگی برای داده‌های زمانی
  • 50. استخراج ویژگی از تاریخ و زمان
  • 51. استخراج روز هفته
  • 52. استخراج ماه
  • 53. استخراج سال
  • 54. استخراج ساعت
  • 55. استخراج دقیقه
  • 56. استخراج فصل
  • 57. استخراج تعطیلات رسمی
  • 58. ایجاد ویژگی‌های تاخیری (Lag Features)
  • 59. ایجاد ویژگی‌های پنجره زمانی (Rolling Window Features)
  • 60. میانگین متحرک (Moving Average)
  • 61. انحراف معیار متحرک (Rolling Standard Deviation)
  • 62. حداکثر و حداقل متحرک (Rolling Max/Min)
  • 63. ایجاد ویژگی‌های مبتنی بر رویداد
  • 64. مهندسی ویژگی برای داده‌های مکانی
  • 65. نمایش مختصات جغرافیایی
  • 66. ایجاد ویژگی‌های فاصله
  • 67. ایجاد ویژگی‌های شعاعی
  • 68. ایجاد ویژگی‌های مبتنی بر منطقه
  • 69. استفاده از کتابخانه‌های پایتون برای مهندسی ویژگی
  • 70. Pandas برای دستکاری داده‌ها
  • 71. NumPy برای عملیات عددی
  • 72. Scikit-learn برای ابزارهای مهندسی ویژگی
  • 73. NLTK و SpaCy برای پردازش زبان طبیعی
  • 74. GeoPandas برای داده‌های مکانی
  • 75. خلاصه و جمع‌بندی مهندسی ویژگی
  • 76. ارزیابی اهمیت ویژگی‌ها
  • 77. روش‌های انتخاب ویژگی
  • 78. فیلتر مبتنی بر واریانس
  • 79. آزمون‌های آماری (Chi-squared, ANOVA)
  • 80. روش‌های مبتنی بر مدل (Recursive Feature Elimination)
  • 81. انتخاب ویژگی مبتنی بر اهمیت مدل (Feature Importance)
  • 82. استفاده از تکنیک‌های کاهش ابعاد
  • 83. تحلیل مولفه‌های اصلی (PCA)
  • 84. تحلیل مولفه‌های مستقل (ICA)
  • 85. تکنیک‌های مبتنی بر یادگیری عمیق برای مهندسی ویژگی
  • 86. شبکه‌های عصبی کانولوشنی (CNN) برای تصاویر
  • 87. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 88. مهندسی ویژگی در مدل‌های مختلف یادگیری ماشین
  • 89. رگرسیون خطی
  • 90. رگرسیون لجستیک
  • 91. درخت تصمیم
  • 92. جنگل تصادفی (Random Forest)
  • 93. ماشین بردار پشتیبان (SVM)
  • 94. شبکه‌های عصبی
  • 95. نکات پیشرفته در مهندسی ویژگی
  • 96. مهندسی ویژگی پویا
  • 97. مهندسی ویژگی خودکار (AutoFE)
  • 98. مدیریت داده‌های نامتعادل با مهندسی ویژگی
  • 99. کاربرد مهندسی ویژگی در مسائل واقعی
  • 100. پیش‌بینی فروش

📚 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.