سپنتا کتاب اکسپرس
کتاب مبانی رگرسیون خطی و پیشرفته در یادگیری ماشین

کتاب مبانی رگرسیون خطی و پیشرفته در 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 مبانی رگرسیون خطی و پیشرفته در یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین نظارت‌شده

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و رگرسیون
  • 2. مقدمه‌ای بر رگرسیون خطی ساده
  • 3. مدل رگرسیون خطی ساده
  • 4. مفروضات رگرسیون خطی ساده
  • 5. تخمین پارامترها با روش حداقل مربعات
  • 6. تحلیل واریانس (ANOVA) در رگرسیون
  • 7. معناداری مدل و ضریب تعیین (R-squared)
  • 8. آزمون فرض آماری برای ضرایب رگرسیون
  • 9. باقیمانده‌ها و تشخیص نقاط پرت
  • 10. آزمون‌های تشخیصی برای مفروضات مدل
  • 11. رگرسیون خطی چندگانه
  • 12. مدل رگرسیون خطی چندگانه
  • 13. تفسیر ضرایب در رگرسیون چندگانه
  • 14. انتخاب متغیر در رگرسیون چندگانه
  • 15. روش گام به گام (Stepwise Regression)
  • 16. تداخل (Interaction) بین متغیرهای پیش‌بین
  • 17. اثرات چندهم‌خطی (Multicollinearity)
  • 18. تشخیص و مدیریت چندهم‌خطی
  • 19. رگرسیون با متغیرهای طبقه‌ای
  • 20. متغیرهای مجازی (Dummy Variables)
  • 21. کاربرد متغیرهای مجازی در رگرسیون
  • 22. رگرسیون با متغیرهای ترتیبی
  • 23. مدل‌های غیرخطی قابل تبدیل به خطی
  • 24. تبدیل متغیرها برای مدل‌سازی غیرخطی
  • 25. رگرسیون چندجمله‌ای (Polynomial Regression)
  • 26. مدل‌های غیرخطی ذاتی
  • 27. رگرسیون لجستیک (برای مسائل طبقه‌بندی)
  • 28. مقدمه‌ای بر طبقه‌بندی در یادگیری ماشین
  • 29. تابع سیگموئید و احتمال خروجی
  • 30. تابع زیان در رگرسیون لجستیک
  • 31. روش حداکثر درستنمایی (Maximum Likelihood Estimation)
  • 32. تفسیر ضرایب در رگرسیون لجستیک
  • 33. ارزیابی مدل رگرسیون لجستیک
  • 34. منحنی ROC و سطح زیر منحنی (AUC)
  • 35. رگرسیون پواسون (برای داده‌های شمارشی)
  • 36. مدل‌های خطی تعمیم‌یافته (GLMs)
  • 37. تابع پیوند (Link Function)
  • 38. تابع توزیع (Distribution Function)
  • 39. کاربرد GLMs در مسائل مختلف
  • 40. رگرسیون ریج (Ridge Regression)
  • 41. منظم‌سازی (Regularization) در یادگیری ماشین
  • 42. مفهوم L2 Regularization
  • 43. کاربرد ریج در کاهش چندهم‌خطی
  • 44. رگرسیون لاسو (Lasso Regression)
  • 45. مفهوم L1 Regularization
  • 46. انتخاب متغیر با استفاده از لاسو
  • 47. مقایسه ریج و لاسو
  • 48. رگرسیون الاستیک نت (Elastic Net Regression)
  • 49. ترکیب L1 و L2 Regularization
  • 50. تنظیم ابرپارامترها در الاستیک نت
  • 51. مدل‌های رگرسیون غیرخطی
  • 52. ماشین‌های بردار پشتیبان (SVM) برای رگرسیون
  • 53. رگرسیون فرآیند گوسی (Gaussian Process Regression)
  • 54. مدل‌های مبتنی بر درخت (Tree-based Models)
  • 55. درخت تصمیم برای رگرسیون
  • 56. جنگل تصادفی (Random Forest) برای رگرسیون
  • 57. تقویت گرادیان (Gradient Boosting) برای رگرسیون
  • 58. مدل‌های شبکه عصبی برای رگرسیون
  • 59. مقدمه‌ای بر شبکه‌های عصبی
  • 60. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 61. آموزش شبکه‌های عصبی با پس‌انتشار خطا
  • 62. تنظیم ابرپارامترهای شبکه‌های عصبی
  • 63. رگرسیون سری زمانی (Time Series Regression)
  • 64. مقدمه‌ای بر تحلیل سری زمانی
  • 65. مدل‌های ARIMA
  • 66. مدل‌های رگرسیون با اثرات زمانی
  • 67. پیش‌بینی سری زمانی با یادگیری ماشین
  • 68. رگرسیون با داده‌های فضایی
  • 69. مدل‌های رگرسیون فضایی
  • 70. کاربرد در علوم جغرافیایی و محیط زیست
  • 71. مباحث پیشرفته در رگرسیون
  • 72. رگرسیون کوانتیل (Quantile Regression)
  • 73. رگرسیون با داده‌های پرت زیاد
  • 74. مدل‌های ترکیبی (Ensemble Models)
  • 75. روش‌های ترکیب مدل‌ها
  • 76. یادگیری انتقالی (Transfer Learning) در رگرسیون
  • 77. تفسیرپذیری مدل‌های رگرسیون (Explainable AI - XAI)
  • 78. ابزارهای تفسیرپذیری مدل‌ها
  • 79. ارزیابی و انتخاب مدل نهایی
  • 80. بهینه‌سازی عملکرد مدل
  • 81. مقایسه مدل‌های رگرسیون مختلف
  • 82. کاربرد رگرسیون در حل مسائل واقعی
  • 83. مطالعه موردی: پیش‌بینی قیمت مسکن
  • 84. مطالعه موردی: پیش‌بینی فروش محصولات
  • 85. مطالعه موردی: تحلیل ریسک اعتباری
  • 86. مطالعه موردی: پیش‌بینی مصرف انرژی
  • 87. مطالعه موردی: تحلیل داده‌های پزشکی
  • 88. مطالعه موردی: بهینه‌سازی فرآیندهای صنعتی
  • 89. مطالعه موردی: پیش‌بینی آب و هوا
  • 90. مطالعه موردی: تحلیل احساسات متنی
  • 91. مطالعه موردی: پیش‌بینی عملکرد تحصیلی
  • 92. ملاحظات عملی در پیاده‌سازی مدل‌های رگرسیون
  • 93. اهمیت داده‌های تمیز و آماده‌سازی آن‌ها
  • 94. انتخاب ویژگی‌های مرتبط
  • 95. مدیریت داده‌های نامتعادل
  • 96. چالش‌های اخلاقی در استفاده از مدل‌های پیش‌بینی
  • 97. امنیت داده‌ها و حریم خصوصی
  • 98. آینده رگرسیون و 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.