سپنتا کتاب اکسپرس
کتاب ارتقاء دقت مدل‌ها با روش‌های ترکیبی یادگیری ماشین

کتاب ارتقاء دقت مدل‌ها با روش‌های ترکیبی 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 ارتقاء دقت مدل‌ها با روش‌های ترکیبی یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: روش‌های پیشرفته یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر روش های ترکیبی یادگیری ماشین
  • 2. مفاهیم پایه ای یادگیری ماشین
  • 3. انواع مدل های یادگیری ماشین
  • 4. مقدمه ای بر Bagging
  • 5. پیاده سازی الگوریتم Random Forest
  • 6. کاربرد Random Forest در مسائل طبقه بندی
  • 7. کاربرد Random Forest در مسائل رگرسیون
  • 8. تنظیم پارامترهای Random Forest
  • 9. معرفی Boosting
  • 10. الگوریتم AdaBoost
  • 11. کاربرد AdaBoost در مسائل طبقه بندی
  • 12. کاربرد AdaBoost در مسائل رگرسیون
  • 13. الگوریتم Gradient Boosting Machines (GBM)
  • 14. تنظیم پارامترهای GBM
  • 15. معرفی XGBoost
  • 16. کاربرد XGBoost در مسائل طبقه بندی
  • 17. کاربرد XGBoost در مسائل رگرسیون
  • 18. تنظیم پارامترهای XGBoost
  • 19. معرفی LightGBM
  • 20. کاربرد LightGBM در مسائل طبقه بندی
  • 21. کاربرد LightGBM در مسائل رگرسیون
  • 22. تنظیم پارامترهای LightGBM
  • 23. معرفی CatBoost
  • 24. کاربرد CatBoost در مسائل طبقه بندی
  • 25. کاربرد CatBoost در مسائل رگرسیون
  • 26. تنظیم پارامترهای CatBoost
  • 27. روش Stacking
  • 28. اجزای یک سیستم Stacking
  • 29. پیاده سازی Stacking با استفاده از متا یادگیرنده
  • 30. ارزیابی عملکرد سیستم های Stacking
  • 31. معرفی Blending
  • 32. تفاوت Blending و Stacking
  • 33. پیاده سازی Blending
  • 34. کاربرد Blending در مسائل پیچیده
  • 35. روش Voting
  • 36. انواع Voting (Hard و Soft)
  • 37. پیاده سازی Voting
  • 38. کاربرد Voting در مسائل طبقه بندی
  • 39. روش Averaging
  • 40. کاربرد Averaging در مسائل رگرسیون
  • 41. روش Weighted Averaging
  • 42. کاربرد Weighted Averaging
  • 43. روش مدل های سلسله مراتبی
  • 44. معرفی مدل های سلسله مراتبی
  • 45. پیاده سازی مدل های سلسله مراتبی
  • 46. کاربرد مدل های سلسله مراتبی
  • 47. روش های پیش پردازش داده برای مدل های ترکیبی
  • 48. اهمیت انتخاب ویژگی
  • 49. روش های انتخاب ویژگی
  • 50. تکنیک های مهندسی ویژگی
  • 51. مقیاس بندی داده ها
  • 52. مدیریت داده های نامتوازن
  • 53. روش های ترکیبی برای داده های نامتوازن
  • 54. ارزیابی مدل های ترکیبی
  • 55. معیارهای ارزیابی (دقت، صحت، بازیابی)
  • 56. معیارهای ارزیابی برای مسائل رگرسیون
  • 57. Cross-validation برای ارزیابی مدل های ترکیبی
  • 58. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 59. روش Grid Search
  • 60. روش Random Search
  • 61. روش Bayesian Optimization
  • 62. معرفی کتابخانه Scikit-learn برای مدل های ترکیبی
  • 63. استفاده از کلاس‌های BaggingClassifier و BaggingRegressor
  • 64. استفاده از کلاس‌های RandomForestClassifier و RandomForestRegressor
  • 65. استفاده از کلاس‌های AdaBoostClassifier و AdaBoostRegressor
  • 66. استفاده از کلاس‌های GradientBoostingClassifier و GradientBoostingRegressor
  • 67. استفاده از کلاس‌های XGBClassifier و XGBRegressor
  • 68. استفاده از کلاس‌های LightGBMClassifier و LightGBMRegressor
  • 69. استفاده از کلاس‌های CatBoostClassifier و CatBoostRegressor
  • 70. استفاده از کلاس‌های StackingClassifier و StackingRegressor
  • 71. پیاده سازی VotingClassifier و VotingRegressor
  • 72. کاربرد مدل های ترکیبی در تشخیص نفوذ شبکه
  • 73. کاربرد مدل های ترکیبی در پیش بینی تقلب مالی
  • 74. کاربرد مدل های ترکیبی در تحلیل احساسات متن
  • 75. کاربرد مدل های ترکیبی در تشخیص بیماری
  • 76. کاربرد مدل های ترکیبی در پیش بینی قیمت سهام
  • 77. کاربرد مدل های ترکیبی در سیستم های توصیه گر
  • 78. کاربرد مدل های ترکیبی در پردازش تصویر
  • 79. کاربرد مدل های ترکیبی در تشخیص اشیاء
  • 80. کاربرد مدل های ترکیبی در تولید متن
  • 81. کاربرد مدل های ترکیبی در ترجمه ماشینی
  • 82. کاربرد مدل های ترکیبی در هوش مصنوعی مولد
  • 83. ملاحظات اخلاقی در استفاده از مدل های ترکیبی
  • 84. حفظ حریم خصوصی داده ها
  • 85. شفافیت و قابلیت تفسیرپذیری مدل ها
  • 86. سوگیری در مدل های یادگیری ماشین
  • 87. مقابله با سوگیری در مدل های ترکیبی
  • 88. آینده روش های ترکیبی یادگیری ماشین
  • 89. چالش های پیش رو
  • 90. روندهای نوظهور
  • 91. تکنیک های پیشرفته برای ترکیب مدل ها
  • 92. جمع بندی و نتیجه گیری

📚 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.