سپنتا کتاب اکسپرس
کتاب ایده‌پردازی پروژه‌های تحلیل پیش‌بینانه کاربردی

کتاب ایده‌پردازی پروژه‌های تحلیل پیش‌بینانه 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 ایده‌پردازی پروژه‌های تحلیل پیش‌بینانه کاربردی

موضوع کلی: هوش مصنوعی و علم داده

موضوع میانی: تحلیل پیش‌بینانه و مدل‌سازی داده

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و علم داده
  • 2. آشنایی با مفاهیم کلیدی علم داده
  • 3. چرخه حیات پروژه‌های علم داده
  • 4. مراحل جمع‌آوری و پاکسازی داده‌ها
  • 5. فهم انواع داده‌ها و ساختار آن‌ها
  • 6. روش‌های اکتشاف و بصری‌سازی داده‌ها
  • 7. مقدمه‌ای بر تحلیل پیش‌بینانه
  • 8. انواع مدل‌های تحلیل پیش‌بینانه
  • 9. مفاهیم آماری پایه در تحلیل پیش‌بینانه
  • 10. توزیع‌ها و آمار توصیفی
  • 11. آزمون فرض و مفاهیم آماری
  • 12. رگرسیون خطی ساده و چندگانه
  • 13. ارزیابی مدل‌های رگرسیون
  • 14. مقدمه‌ای بر طبقه‌بندی
  • 15. رگرسیون لجستیک
  • 16. درختان تصمیم
  • 17. جنگل‌های تصادفی
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. بایاس ساده (Naive Bayes)
  • 20. ارزیابی مدل‌های طبقه‌بندی
  • 21. متریک‌های ارزیابی مدل‌های طبقه‌بندی
  • 22. منحنی ROC و AUC
  • 23. کاهش ابعاد و انتخاب ویژگی
  • 24. تحلیل مولفه‌های اصلی (PCA)
  • 25. انتخاب ویژگی مبتنی بر مدل
  • 26. مقدمه‌ای بر یادگیری عمیق
  • 27. شبکه‌های عصبی مصنوعی
  • 28. شبکه‌های عصبی کانولوشنال (CNN)
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 31. مدل‌سازی موضوعی
  • 32. تحلیل احساسات
  • 33. سیستم‌های توصیه‌گر
  • 34. فیلترینگ مشارکتی
  • 35. فیلترینگ مبتنی بر محتوا
  • 36. فیلترینگ ترکیبی
  • 37. مقدمه‌ای بر یادگیری تقویتی
  • 38. عوامل یادگیری تقویتی
  • 39. مفاهیم پایه یادگیری تقویتی
  • 40. کاربردها در دنیای واقعی
  • 41. تحلیل سری‌های زمانی
  • 42. مدل‌های ARIMA
  • 43. ارزیابی مدل‌های سری زمانی
  • 44. مقدمه‌ای بر داده‌های حجیم (Big Data)
  • 45. اکوسیستم داده‌های حجیم
  • 46. ابزارهای پردازش داده‌های حجیم
  • 47. مقدمه‌ای بر هوش مصنوعی مولد
  • 48. مدل‌های زبانی بزرگ (LLMs)
  • 49. کاربردهای هوش مصنوعی مولد
  • 50. اخلاق در علم داده و هوش مصنوعی
  • 51. حریم خصوصی و امنیت داده‌ها
  • 52. سوگیری در الگوریتم‌ها
  • 53. مسئولیت‌پذیری در هوش مصنوعی
  • 54. مقدمه‌ای بر مهندسی ویژگی
  • 55. تکنیک‌های مهندسی ویژگی
  • 56. خلاقیت در مهندسی ویژگی
  • 57. مقدمه‌ای بر مدل‌های ترکیبی (Ensemble Methods)
  • 58. تقویت (Boosting)
  • 59. کاهش (Bagging)
  • 60. استکینگ (Stacking)
  • 61. مقدمه‌ای بر یادگیری نامسبو
  • 62. خوشه‌بندی (Clustering)
  • 63. K-Means Clustering
  • 64. خوشه‌بندی سلسله مراتبی
  • 65. روش‌های تشخیص ناهنجاری (Anomaly Detection)
  • 66. تکنیک‌های تشخیص ناهنجاری
  • 67. کاربرد تشخیص ناهنجاری
  • 68. مقدمه‌ای بر شبکه‌های عصبی گراف (GNNs)
  • 69. مبانی GNNs
  • 70. کاربردهای GNNs
  • 71. مقدمه‌ای بر یادگیری انتقال (Transfer Learning)
  • 72. تکنیک‌های یادگیری انتقال
  • 73. کاربردهای یادگیری انتقال
  • 74. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 75. تکنیک‌های یادگیری چندوظیفه‌ای
  • 76. کاربردهای یادگیری چندوظیفه‌ای
  • 77. مقدمه‌ای بر مدل‌های آماری پیشرفته
  • 78. مدل‌های مارکوف پنهان (HMM)
  • 79. مدل‌های گرافیکی احتمالی
  • 80. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 81. مفاهیم پایه تحلیل شبکه
  • 82. شاخص‌های مرکزییت در شبکه‌ها
  • 83. کاربردهای تحلیل شبکه‌های اجتماعی
  • 84. مقدمه‌ای بر بهینه‌سازی در یادگیری ماشین
  • 85. روش‌های بهینه‌سازی
  • 86. گرادیان کاهشی و مشتقات آن
  • 87. مقدمه‌ای بر تفسیرپذیری مدل‌های هوش مصنوعی (XAI)
  • 88. تکنیک‌های تفسیرپذیری
  • 89. اهمیت تفسیرپذیری
  • 90. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 91. مبانی یادگیری فدرال
  • 92. کاربردهای یادگیری فدرال
  • 93. مقدمه‌ای بر هوش مصنوعی قابل اعتماد
  • 94. اصول هوش مصنوعی قابل اعتماد
  • 95. ارزیابی هوش مصنوعی قابل اعتماد
  • 96. مقدمه‌ای بر یادگیری عمیق مولد برای تصاویر
  • 97. شبکه‌های مولد تخاصمی (GANs)
  • 98. خودرمزگذارها (Autoencoders)
  • 99. کاربردهای GANs و Autoencoders
  • 100. مقدمه‌ای بر پردازش صدا و گفتار

📚 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.