سپنتا کتاب اکسپرس
کتاب مهارت‌های پیشرفته در دستکاری داده‌ها و یادگیری ماشین کاربردی

کتاب مهارت‌های پیشرفته در دستکاری داده‌ها و یادگیری ماشین کاربردی

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 مهارت‌های پیشرفته در دستکاری داده‌ها و یادگیری ماشین کاربردی

موضوع کلی: علم داده و یادگیری ماشین

موضوع میانی: پردازش و تحلیل داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر پردازش داده در علم داده
  • 2. مفاهیم پایه ای دستکاری داده ها
  • 3. مجموعه های داده و ساختارهای داده ای
  • 4. آشنایی با کتابخانه های پردازش داده در پایتون
  • 5. نصب و پیکربندی محیط توسعه
  • 6. مقدمه ای بر pandas
  • 7. ساخت DataFrames و Series
  • 8. شاخص گذاری و انتخاب داده ها
  • 9. فیلتر کردن داده ها بر اساس شرط
  • 10. عملیات پایه ای روی ستون ها
  • 11. اضافه کردن و حذف ستون ها
  • 12. عملیات ریاضی روی داده ها
  • 13. مدیریت مقادیر گمشده (NaN)
  • 14. پُر کردن مقادیر گمشده
  • 15. حذف مقادیر گمشده
  • 16. نمونه برداری از داده ها
  • 17. مرتب سازی داده ها
  • 18. گروه بندی و تجمیع داده ها (groupby)
  • 19. توابع تجمیعی (sum, mean, count)
  • 20. استفاده از agg و transform
  • 21. ادغام و الحاق مجموعه داده ها (merge, concat)
  • 22. عملیات Joins در pandas
  • 23. پیاده سازی روابط بین جداول
  • 24. کار با داده های متنی
  • 25. پاکسازی و پیش پردازش داده های متنی
  • 26. استفاده از عبارات منظم (Regex)
  • 27. تبدیل داده های متنی به عددی
  • 28. کار با داده های تاریخ و زمان
  • 29. استخراج اطلاعات از ستون های تاریخ و زمان
  • 30. تبدیل فرمت تاریخ و زمان
  • 31. کار با داده های دسته ای (Categorical Data)
  • 32. تبدیل متغیرهای دسته ای به عددی
  • 33. رمزگذاری One-Hot
  • 34. مقدمه ای بر یادگیری ماشین
  • 35. انواع مسائل در یادگیری ماشین
  • 36. یادگیری با نظارت و بدون نظارت
  • 37. مدل های رگرسیون
  • 38. رگرسیون خطی ساده
  • 39. ارزیابی مدل های رگرسیون
  • 40. میانگین مربعات خطا (MSE)
  • 41. میانگین قدر مطلق خطا (MAE)
  • 42. ضریب تعیین (R-squared)
  • 43. مدل های طبقه بندی
  • 44. رگرسیون لجستیک
  • 45. متریک های ارزیابی مدل های طبقه بندی
  • 46. دقت (Accuracy)
  • 47. صحت (Precision) و بازیابی (Recall)
  • 48. امتیاز F1
  • 49. ماتریس درهم ریختگی (Confusion Matrix)
  • 50. مقدمه ای بر scikit-learn
  • 51. نصب و آشنایی با رابط کاربری scikit-learn
  • 52. تقسیم داده ها به مجموعه های آموزش و آزمون
  • 53. تنظیم پارامترهای مدل
  • 54. اعتبارسنجی متقابل (Cross-validation)
  • 55. مقدمه ای بر پیش پردازش داده ها برای یادگیری ماشین
  • 56. استانداردسازی (Standardization)
  • 57. نرمال سازی (Normalization)
  • 58. مدیریت داده های پرت (Outliers)
  • 59. شناسایی و حذف داده های پرت
  • 60. جایگزینی داده های پرت
  • 61. مهندسی ویژگی (Feature Engineering)
  • 62. ایجاد ویژگی های جدید
  • 63. ترکیب ویژگی ها
  • 64. انتخاب ویژگی (Feature Selection)
  • 65. روش های مبتنی بر فیلتر
  • 66. روش های مبتنی بر wrapper
  • 67. روش های مبتنی بر embeded
  • 68. مدل های پایه در یادگیری ماشین
  • 69. ماشین بردار پشتیبان (SVM)
  • 70. درخت تصمیم (Decision Tree)
  • 71. جنگل تصادفی (Random Forest)
  • 72. ماشین های تقویت کننده گرادیان (Gradient Boosting Machines)
  • 73. معرفی XGBoost
  • 74. تنظیم پارامترهای XGBoost
  • 75. مدل های خوشه بندی
  • 76. K-Means Clustering
  • 77. ارزیابی مدل های خوشه بندی
  • 78. شاخص Silhouette
  • 79. کار با داده های بزرگ (Big Data)
  • 80. مقدمه ای بر مفاهیم Big Data
  • 81. معرفی Apache Spark
  • 82. کار با Spark DataFrame
  • 83. پردازش موازی در Spark
  • 84. مقدمه ای بر یادگیری عمیق
  • 85. شبکه های عصبی مصنوعی
  • 86. لایه ها و توابع فعال سازی
  • 87. آموزش شبکه های عصبی
  • 88. بهینه سازی مدل های یادگیری عمیق
  • 89. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 90. کاربرد NLP در علم داده
  • 91. استفاده از کتابخانه NLTK
  • 92. استفاده از کتابخانه spaCy
  • 93. مدل سازی موضوعی (Topic Modeling)
  • 94. تحلیل احساسات (Sentiment Analysis)
  • 95. کار با داده های سری زمانی (Time Series Data)
  • 96. مفاهیم پایه ای سری زمانی
  • 97. مدل های ARIMA
  • 98. پیش بینی در سری های زمانی
  • 99. مقدمه ای بر یادگیری تقویتی (Reinforcement Learning)
  • 100. مفاهیم پایه ای یادگیری تقویتی

📚 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.