سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر علم داده با پایتون: از مفاهیم تا پیاده‌سازی کاربردی

کتاب مقدمه‌ای بر علم داده با پایتون: از مفاهیم تا پیاده‌سازی 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 مقدمه‌ای بر علم داده با پایتون: از مفاهیم تا پیاده‌سازی کاربردی

موضوع کلی: علوم و مهندسی داده

موضوع میانی: تحلیل و پردازش داده با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و اهمیت آن
  • 2. نصب و راه‌اندازی محیط توسعه پایتون
  • 3. آشنایی با ساختارهای داده در پایتون
  • 4. مبانی برنامه‌نویسی پایتون برای علم داده
  • 5. کار با لیست‌ها و تاپل‌ها در پایتون
  • 6. کار با دیکشنری‌ها و مجموعه‌ها در پایتون
  • 7. مفاهیم شی‌گرایی در پایتون
  • 8. مقدمه‌ای بر کتابخانه NumPy
  • 9. عملیات پایه‌ای با آرایه‌های NumPy
  • 10. عملیات پیشرفته با آرایه‌های NumPy
  • 11. آشنایی با کتابخانه Pandas
  • 12. ساخت و دستکاری DataFrame در Pandas
  • 13. فیلتر کردن و انتخاب داده در Pandas
  • 14. گروه‌بندی و تجمیع داده در Pandas
  • 15. ترکیب و ادغام DataFrameها
  • 16. مدیریت داده‌های گم‌شده در Pandas
  • 17. کار با داده‌های متنی در Pandas
  • 18. آشنایی با کتابخانه Matplotlib
  • 19. رسم نمودارهای پایه‌ای در Matplotlib
  • 20. سفارشی‌سازی نمودارها در Matplotlib
  • 21. رسم نمودارهای آماری با Matplotlib
  • 22. مقدمه‌ای بر کتابخانه Seaborn
  • 23. رسم نمودارهای توزیع با Seaborn
  • 24. رسم نمودارهای دسته‌بندی با Seaborn
  • 25. رسم نمودارهای همبستگی با Seaborn
  • 26. آشنایی با مفاهیم آماری پایه
  • 27. میانگین، میانه و مد
  • 28. واریانس و انحراف معیار
  • 29. توزیع‌های آماری رایج
  • 30. احتمال و نظریه احتمال
  • 31. مفاهیم یادگیری ماشین
  • 32. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت)
  • 33. مقدمه‌ای بر رگرسیون خطی
  • 34. اجرای رگرسیون خطی با Scikit-learn
  • 35. ارزیابی مدل‌های رگرسیون
  • 36. مقدمه‌ای بر طبقه‌بندی
  • 37. رگرسیون لجستیک
  • 38. ماشین بردار پشتیبان (SVM)
  • 39. درخت تصمیم
  • 40. جنگل تصادفی
  • 41. ارزیابی مدل‌های طبقه‌بندی
  • 42. مقدمه‌ای بر خوشه‌بندی
  • 43. K-Means Clustering
  • 44. DBSCAN Clustering
  • 45. مقدمه‌ای بر کاهش ابعاد
  • 46. تحلیل مولفه‌های اصلی (PCA)
  • 47. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 48. پیش‌پردازش متن
  • 49. شمارش کلمات و TF-IDF
  • 50. مدل‌سازی موضوعی (Topic Modeling)
  • 51. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 52. ایستایی و ناایستایی سری‌های زمانی
  • 53. مدل ARIMA
  • 54. مقدمه‌ای بر شبکه‌های عصبی
  • 55. نورون مصنوعی و لایه‌ها
  • 56. شبکه‌های عصبی پیشخور
  • 57. مقدمه‌ای بر یادگیری عمیق
  • 58. شبکه‌های عصبی کانولوشنال (CNN)
  • 59. شبکه‌های عصبی بازگشتی (RNN)
  • 60. مقدمه‌ای بر مهندسی ویژگی
  • 61. انتخاب ویژگی
  • 62. تبدیل ویژگی
  • 63. کار با داده‌های طبقه‌بندی
  • 64. کار با داده‌های عددی
  • 65. مقدمه‌ای بر ارزیابی مدل پیشرفته
  • 66. اعتبارسنجی متقابل (Cross-validation)
  • 67. منحنی ROC و AUC
  • 68. مقدمه‌ای بر مدل‌های ترکیبی (Ensemble)
  • 69. Bagging و Boosting
  • 70. Stacking
  • 71. مقدمه‌ای بر مدل‌های توصیه‌گر
  • 72. فیلترینگ مشارکتی
  • 73. مقدمه‌ای بر داده‌های بزرگ (Big Data)
  • 74. مبانی Hadoop و Spark
  • 75. کار با داده‌های ابری
  • 76. مقدمه‌ای بر اخلاق در علم داده
  • 77. حریم خصوصی داده‌ها
  • 78. سوگیری در الگوریتم‌ها
  • 79. مقدمه‌ای بر کاربردهای علم داده در ایران
  • 80. تحلیل داده‌های بازار ایران
  • 81. کاربرد در حوزه سلامت
  • 82. کاربرد در حوزه اقتصاد
  • 83. کاربرد در حوزه صنعت
  • 84. کاربرد در حوزه حمل و نقل
  • 85. کاربرد در حوزه آموزش
  • 86. کاربرد در حوزه محیط زیست
  • 87. کاربرد در حوزه کشاورزی
  • 88. کاربرد در حوزه فرهنگ و هنر
  • 89. کاربرد در حوزه شهرسازی
  • 90. کاربرد در حوزه انرژی
  • 91. کاربرد در حوزه گردشگری
  • 92. کاربرد در حوزه مدیریت بحران
  • 93. کاربرد در حوزه پژوهش و فناوری
  • 94. کاربرد در حوزه حکمرانی و خدمات عمومی
  • 95. کاربرد در حوزه کسب و کارهای نوین
  • 96. کاربرد در حوزه رسانه و ارتباطات
  • 97. کاربرد در حوزه حقوق و قضایی
  • 98. کاربرد در حوزه ورزش
  • 99. کاربرد در حوزه دفاع و امنیت

📚 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.