سپنتا کتاب اکسپرس
کتاب مبانی رگرسیون در یادگیری ماشین نظارت‌شده

کتاب مبانی رگرسیون در یادگیری ماشین نظارت‌شده

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 در یادگیری ماشین نظارت‌شده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری نظارت‌شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین نظارت‌شده
  • 2. مفاهیم کلیدی رگرسیون
  • 3. انواع مسائل رگرسیون
  • 4. مجموعه داده‌ها در رگرسیون
  • 5. پیش‌پردازش داده‌ها برای رگرسیون
  • 6. پاکسازی داده‌ها
  • 7. مقیاس‌بندی داده‌ها
  • 8. رمزگذاری متغیرهای طبقه‌ای
  • 9. مهندسی ویژگی
  • 10. انتخاب ویژگی
  • 11. رگرسیون خطی ساده
  • 12. مدل رگرسیون خطی چندگانه
  • 13. مفروضات رگرسیون خطی
  • 14. تشخیص و رفع هم‌خطی
  • 15. مدل‌سازی تعاملات
  • 16. رگرسیون چندجمله‌ای
  • 17. تنظیم مدل رگرسیون خطی
  • 18. تنظیم مدل رگرسیون خطی با استفاده از منظم‌سازی
  • 19. مقدمه‌ای بر منظم‌سازی
  • 20. منظم‌سازی L1 (لَسو)
  • 21. منظم‌سازی L2 (ریج)
  • 22. الاستیک نت
  • 23. تنظیم ابرپارامترها
  • 24. اعتبارسنجی متقابل
  • 25. اعتبارسنجی K-fold
  • 26. اعتبارسنجی متقابل برای تنظیم ابرپارامترها
  • 27. ارزیابی مدل‌های رگرسیون
  • 28. معیارهای ارزیابی رگرسیون
  • 29. خطای میانگین مربعات (MSE)
  • 30. ریشه خطای میانگین مربعات (RMSE)
  • 31. خطای میانگین قدر مطلق (MAE)
  • 32. ضریب تعیین (R-squared)
  • 33. تنظیم مدل و جلوگیری از بیش‌برازش
  • 34. بیش‌برازش و کم‌برازش
  • 35. روش‌های جلوگیری از بیش‌برازش
  • 36. تنظیم مدل بهینه
  • 37. رگرسیون بردار پشتیبان (SVR)
  • 38. هسته‌های SVR
  • 39. تنظیم پارامترهای SVR
  • 40. درختان تصمیم برای رگرسیون
  • 41. نحوه ساخت درخت تصمیم
  • 42. تنظیم عمق درخت تصمیم
  • 43. جنگل‌های تصادفی برای رگرسیون
  • 44. نحوه ساخت جنگل تصادفی
  • 45. تنظیم پارامترهای جنگل تصادفی
  • 46. تقویت گرادیان برای رگرسیون
  • 47. الگوریتم گرادیان بوستینگ
  • 48. تنظیم پارامترهای گرادیان بوستینگ
  • 49. مدل‌های ترکیبی (Ensemble Models)
  • 50. مفهوم مدل‌های ترکیبی
  • 51. ترکیب مدل‌های رگرسیون
  • 52. مدل‌های خطی تعمیم‌یافته (GLM)
  • 53. معرفی GLM
  • 54. مدل‌های GLM رایج
  • 55. انتخاب مدل مناسب
  • 56. ملاحظات عملی در رگرسیون
  • 57. مدیریت داده‌های پرت
  • 58. شناسایی و مدیریت داده‌های پرت
  • 59. تفسیر نتایج رگرسیون
  • 60. ارائه نتایج مدل
  • 61. محدودیت‌های مدل‌های رگرسیون
  • 62. رگرسیون در کاربردهای واقعی
  • 63. پیش‌بینی قیمت مسکن
  • 64. پیش‌بینی فروش
  • 65. پیش‌بینی عملکرد مالی
  • 66. رگرسیون در تحلیل سری‌های زمانی
  • 67. مقدمه‌ای بر سری‌های زمانی
  • 68. مدل‌های رگرسیون برای سری‌های زمانی
  • 69. رگرسیون لجستیک (برای طبقه‌بندی، اما اشاره به مفاهیم مرتبط)
  • 70. مقدمه‌ای بر طبقه‌بندی
  • 71. رگرسیون لجستیک به عنوان یک مدل پایه
  • 72. ملاحظات مربوط به توزیع داده‌ها
  • 73. چولگی و کشیدگی داده‌ها
  • 74. تأثیر توزیع بر مدل
  • 75. رگرسیون با متغیرهای وابسته گسسته (اشاره به مفاهیم)
  • 76. رگرسیون پواسون
  • 77. رگرسیون منفی دوجمله‌ای
  • 78. ارزیابی مدل‌های پیشرفته رگرسیون
  • 79. اعتبارسنجی مدل در دنیای واقعی
  • 80. استقرار مدل‌های رگرسیون
  • 81. پیاده‌سازی مدل در محیط عملیاتی
  • 82. نگهداری و به‌روزرسانی مدل
  • 83. ملاحظات اخلاقی در رگرسیون
  • 84. سوگیری در داده‌ها و مدل‌ها
  • 85. شفافیت و توضیح‌پذیری مدل
  • 86. آینده رگرسیون در یادگیری ماشین
  • 87. روندهای جدید در رگرسیون
  • 88. کاربرد رگرسیون در هوش مصنوعی مولد
  • 89. مباحث پیشرفته در رگرسیون
  • 90. رگرسیون وزنی
  • 91. رگرسیون با داده‌های پرت زیاد
  • 92. رگرسیون چندسطحی
  • 93. رگرسیون غیرخطی پیشرفته
  • 94. یادگیری عمیق برای رگرسیون
  • 95. شبکه‌های عصبی برای رگرسیون
  • 96. استفاده از CNN برای رگرسیون
  • 97. استفاده از RNN برای رگرسیون
  • 98. رگرسیون با استفاده از ترنسفورمرها
  • 99. جمع‌بندی و مرور کلی مفاهیم رگرسیون
  • 100. مروری بر مدل‌های آموخته‌شده

📚 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.