سپنتا کتاب اکسپرس
کتاب مبانی رگرسیون خطی و یادگیری نظارت‌شده با پایتون

کتاب مبانی رگرسیون خطی و یادگیری نظارت‌شده 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 مبانی رگرسیون خطی و یادگیری نظارت‌شده با پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری نظارت‌شده و مدل‌سازی آماری

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. مبانی پایتون برای علم داده
  • 3. نصب و راه‌اندازی محیط توسعه
  • 4. مفاهیم اولیه یادگیری نظارت‌شده
  • 5. آشنایی با داده‌های آموزشی و آزمایشی
  • 6. مقدمه بر رگرسیون خطی
  • 7. مدل رگرسیون خطی ساده
  • 8. تفسیر ضرایب رگرسیون خطی
  • 9. ارزیابی مدل رگرسیون خطی
  • 10. معیارهای ارزیابی: MSE و RMSE
  • 11. معیارهای ارزیابی: MAE و R-squared
  • 12. رگرسیون خطی چندگانه
  • 13. انتخاب ویژگی در رگرسیون خطی
  • 14. پیش‌پردازش داده‌ها برای رگرسیون
  • 15. مقیاس‌بندی ویژگی‌ها
  • 16. کدگذاری متغیرهای دسته‌ای
  • 17. مدیریت مقادیر گمشده
  • 18. مقدمه بر رگرسیون لجستیک
  • 19. کاربرد رگرسیون لجستیک در طبقه‌بندی
  • 20. تفسیر خروجی رگرسیون لجستیک
  • 21. ارزیابی مدل‌های طبقه‌بندی
  • 22. معیارهای ارزیابی: دقت، صحت و بازیابی
  • 23. معیارهای ارزیابی: امتیاز F1 و AUC-ROC
  • 24. مقدمه بر الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 25. کاربرد KNN در طبقه‌بندی و رگرسیون
  • 26. انتخاب مقدار K در KNN
  • 27. یادگیری ماشین مبتنی بر درخت تصمیم
  • 28. ساخت درخت تصمیم برای طبقه‌بندی
  • 29. ساخت درخت تصمیم برای رگرسیون
  • 30. ارزیابی درختان تصمیم
  • 31. مقدمه بر روش‌های جمعی (Ensemble Methods)
  • 32. تقویت گرادیان (Gradient Boosting)
  • 33. جنگل تصادفی (Random Forest)
  • 34. کاربرد Random Forest در طبقه‌بندی
  • 35. کاربرد Random Forest در رگرسیون
  • 36. شبکه‌های عصبی مصنوعی (ANN)
  • 37. مبانی پرسپترون
  • 38. شبکه‌های عصبی چندلایه (MLP)
  • 39. تابع فعال‌سازی در شبکه‌های عصبی
  • 40. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 41. بهینه‌سازی پارامترها در شبکه‌های عصبی
  • 42. مقدمه بر ماشین‌های بردار پشتیبان (SVM)
  • 43. SVM برای طبقه‌بندی
  • 44. هسته‌های SVM (Kernels)
  • 45. کاربرد SVM در رگرسیون (SVR)
  • 46. مقدمه بر یادگیری بدون نظارت
  • 47. خوشه‌بندی (Clustering)
  • 48. الگوریتم K-Means
  • 49. ارزیابی خوشه‌بندی
  • 50. کاهش ابعاد (Dimensionality Reduction)
  • 51. تحلیل مؤلفه‌های اصلی (PCA)
  • 52. کاربرد PCA در پیش‌پردازش داده‌ها
  • 53. انتخاب مدل و تنظیم ابرپارامترها
  • 54. اعتبارسنجی متقابل (Cross-Validation)
  • 55. تنظیم ابرپارامترها با جستجوی شبکه‌ای (Grid Search)
  • 56. تنظیم ابرپارامترها با جستجوی تصادفی (Random Search)
  • 57. مقدمه بر پردازش زبان طبیعی (NLP)
  • 58. کاربرد NLP در یادگیری ماشین
  • 59. نمایش متنی: Bag-of-Words
  • 60. نمایش متنی: TF-IDF
  • 61. مقدمه بر مدل‌های زبانی
  • 62. کاربرد مدل‌های زبانی در طبقه‌بندی متن
  • 63. مقدمه بر یادگیری تقویتی
  • 64. مفاهیم پایه یادگیری تقویتی
  • 65. کاربرد یادگیری تقویتی
  • 66. ملاحظات اخلاقی در هوش مصنوعی
  • 67. حریم خصوصی داده‌ها در هوش مصنوعی
  • 68. امنیت مدل‌های یادگیری ماشین
  • 69. سوگیری (Bias) در الگوریتم‌های هوش مصنوعی
  • 70. شناسایی و کاهش سوگیری
  • 71. تفسیرپذیری مدل‌های یادگیری ماشین
  • 72. کاربرد هوش مصنوعی در صنعت
  • 73. کاربرد هوش مصنوعی در سلامت
  • 74. کاربرد هوش مصنوعی در آموزش
  • 75. کاربرد هوش مصنوعی در اقتصاد
  • 76. کاربرد هوش مصنوعی در حمل و نقل
  • 77. کاربرد هوش مصنوعی در کشاورزی
  • 78. کاربرد هوش مصنوعی در خدمات عمومی
  • 79. مقدمه بر یادگیری عمیق
  • 80. شبکه‌های عصبی کانولوشنی (CNN)
  • 81. کاربرد CNN در بینایی ماشین
  • 82. شبکه‌های عصبی بازگشتی (RNN)
  • 83. کاربرد RNN در پردازش توالی
  • 84. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 85. کاربرد LSTM در NLP
  • 86. ترنسفورمرها (Transformers)
  • 87. کاربرد ترنسفورمرها در NLP
  • 88. مدل‌های زبانی بزرگ (LLMs)
  • 89. کاربرد LLMs در تولید متن
  • 90. تکنیک‌های پیشرفته در یادگیری ماشین
  • 91. یادگیری انتقالی (Transfer Learning)
  • 92. آموزش نیمه‌نظارت‌شده (Semi-Supervised Learning)
  • 93. یادگیری خودنظارت‌شده (Self-Supervised Learning)
  • 94. شبکه‌های مولد تخاصمی (GANs)
  • 95. کاربرد GANs در تولید داده
  • 96. مقدمه بر مهندسی ویژگی (Feature Engineering)
  • 97. ساخت ویژگی‌های جدید
  • 98. اصول مهندسی ویژگی مؤثر
  • 99. بررسی و اعتبارسنجی مدل نهایی
  • 100. استقرار مدل‌های یادگیری ماشین

📚 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.