کتاب مبانی رگرسیون، طبقه‌بندی و خوشه‌بندی در یادگیری ماشین

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 مبانی رگرسیون، طبقه‌بندی و خوشه‌بندی در یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین نظارت‌شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تعریف یادگیری ماشین و انواع آن
  • 3. یادگیری ماشین نظارت‌شده: مفاهیم پایه
  • 4. اهداف رگرسیون در یادگیری ماشین
  • 5. اهداف طبقه‌بندی در یادگیری ماشین
  • 6. اهداف خوشه‌بندی در یادگیری ماشین
  • 7. داده‌ها در یادگیری ماشین: جمع‌آوری و آماده‌سازی
  • 8. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 9. مهندسی ویژگی: انتخاب و استخراج ویژگی
  • 10. مفهوم ویژگی‌های مستقل و وابسته
  • 11. تقسیم داده‌ها: مجموعه آموزش، اعتبارسنجی و آزمون
  • 12. معیارهای ارزیابی مدل‌های رگرسیون
  • 13. خطای میانگین مربعات (MSE)
  • 14. خطای مطلق میانگین (MAE)
  • 15. ضریب تعیین (R-squared)
  • 16. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 17. دقت (Accuracy)
  • 18. صحت (Precision)
  • 19. بازیابی (Recall)
  • 20. امتیاز F1
  • 21. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 22. رگرسیون خطی ساده
  • 23. مدل‌سازی رگرسیون خطی ساده
  • 24. حل معادلات رگرسیون خطی ساده
  • 25. مفاهیم بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 26. تنظیم مدل: جلوگیری از بیش‌برازش
  • 27. رگرسیون خطی چندگانه
  • 28. مدل‌سازی رگرسیون خطی چندگانه
  • 29. اهمیت تفسیر ضرایب در رگرسیون خطی
  • 30. رگرسیون چندجمله‌ای
  • 31. کاربرد رگرسیون چندجمله‌ای
  • 32. رگرسیون لجستیک برای طبقه‌بندی
  • 33. تابع سیگموئید در رگرسیون لجستیک
  • 34. تابع هزینه در رگرسیون لجستیک
  • 35. بهینه‌سازی پارامترها در رگرسیون لجستیک
  • 36. آستانه تصمیم‌گیری در طبقه‌بندی
  • 37. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 38. هسته در SVM (Kernel Trick)
  • 39. کاربرد SVM در طبقه‌بندی
  • 40. کاربرد SVM در رگرسیون (SVR)
  • 41. مقدمه‌ای بر درختان تصمیم
  • 42. ساختار درخت تصمیم
  • 43. معیار ناخالصی جیلی (Gini Impurity)
  • 44. معیار آنتروپی شانون (Entropy)
  • 45. فرایند ساخت درخت تصمیم
  • 46. روش‌های هرس (Pruning) درختان تصمیم
  • 47. مقدمه‌ای بر جنگل‌های تصادفی (Random Forests)
  • 48. نحوه عملکرد جنگل‌های تصادفی
  • 49. مزایای جنگل‌های تصادفی
  • 50. کاربرد جنگل‌های تصادفی در طبقه‌بندی و رگرسیون
  • 51. مقدمه‌ای بر تقویت گرادیان (Gradient Boosting)
  • 52. الگوریتم AdaBoost
  • 53. الگوریتم Gradient Boosting Machines (GBM)
  • 54. الگوریتم XGBoost
  • 55. کاربرد تقویت گرادیان
  • 56. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 57. نورون مصنوعی و توابع فعال‌سازی
  • 58. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 59. آموزش شبکه‌های عصبی: انتشار پس‌رو (Backpropagation)
  • 60. گرادیان کاهشی (Gradient Descent)
  • 61. انواع گرادیان کاهشی: دسته‌ای، تصادفی، مینی‌بچ
  • 62. مقدمه‌ای بر خوشه‌بندی
  • 63. اهداف خوشه‌بندی غیرنظارت‌شده
  • 64. مقدمه‌ای بر الگوریتم K-Means
  • 65. انتخاب تعداد خوشه‌ها (K) در K-Means
  • 66. مراحل اجرای الگوریتم K-Means
  • 67. معیارهای ارزیابی خوشه‌بندی
  • 68. شاخص سیلوئت (Silhouette Score)
  • 69. شاخص دیسکونتی (Davies-Bouldin Index)
  • 70. مقدمه‌ای بر خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
  • 71. روش پیوندی (Linkage) در خوشه‌بندی سلسله‌مراتبی
  • 72. دندروگرام (Dendrogram)
  • 73. الگوریتم DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
  • 74. مفهوم هسته، مرزی و نویز در DBSCAN
  • 75. مزایا و معایب DBSCAN
  • 76. مقایسه الگوریتم‌های خوشه‌بندی
  • 77. کاربرد خوشه‌بندی در بخش‌بندی بازار
  • 78. کاربرد خوشه‌بندی در تحلیل داده‌های ژنتیکی
  • 79. کاربرد خوشه‌بندی در تشخیص ناهنجاری (Anomaly Detection)
  • 80. مقدمه‌ای بر کاهش ابعاد
  • 81. تحلیل مولفه‌های اصلی (PCA)
  • 82. مراحل اجرای PCA
  • 83. کاربرد PCA در کاهش ابعاد
  • 84. تحلیل تفکیک‌کننده خطی (LDA)
  • 85. کاربرد LDA در کاهش ابعاد و طبقه‌بندی
  • 86. نکات عملی در پیاده‌سازی مدل‌ها
  • 87. انتخاب مدل مناسب برای مسئله
  • 88. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 89. اعتبارسنجی متقابل (Cross-Validation)
  • 90. ارزیابی نهایی مدل
  • 91. اصول اخلاقی در یادگیری ماشین
  • 92. شفافیت و قابلیت تفسیر مدل‌ها
  • 93. ملاحظات مربوط به داده‌های حساس
  • 94. حفظ حریم خصوصی در جمع‌آوری و استفاده از داده‌ها
  • 95. ملاحظات مربوط به عدالت و سوگیری در الگوریتم‌ها
  • 96. مقدمه‌ای بر کاربردهای یادگیری ماشین در صنایع
  • 97. یادگیری ماشین در حوزه سلامت و پزشکی
  • 98. یادگیری ماشین در حوزه مالی و بانکداری
  • 99. یادگیری ماشین در حوزه تولید و صنعت
  • 100. یادگیری ماشین در حوزه خدمات و تجارت الکترونیک

📚 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.