سپنتا کتاب اکسپرس
کتاب ساخت پروژه‌های کاربردی یادگیری ماشین با پایتون برای مبتدیان

کتاب ساخت پروژه‌های کاربردی یادگیری ماشین با پایتون برای مبتدیان

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 ساخت پروژه‌های کاربردی یادگیری ماشین با پایتون برای مبتدیان

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و کاربردهای عملی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر پایتون برای یادگیری ماشین
  • 2. نصب و پیکربندی محیط توسعه پایتون
  • 3. آشنایی با کتابخانه‌های کلیدی: NumPy و Pandas
  • 4. عملیات پایه با NumPy برای داده‌های عددی
  • 5. کار با دیتافریم‌ها در Pandas
  • 6. پاکسازی و پیش‌پردازش داده‌ها
  • 7. مدیریت مقادیر گمشده
  • 8. شناسایی و حذف داده‌های پرت
  • 9. تبدیل داده‌های دسته‌ای به عددی
  • 10. استانداردسازی و نرمال‌سازی داده‌ها
  • 11. مقدمه‌ای بر یادگیری ماشین
  • 12. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 13. مفهوم مدل‌های یادگیری ماشین
  • 14. ارزیابی مدل‌های یادگیری ماشین
  • 15. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
  • 16. رگرسیون خطی ساده
  • 17. رگرسیون خطی چندگانه
  • 18. ارزیابی مدل‌های رگرسیون
  • 19. مقدمه‌ای بر طبقه‌بندی
  • 20. رگرسیون لجستیک
  • 21. دسته‌بندی‌کننده‌های K-نزدیکترین همسایه (KNN)
  • 22. ماشین بردار پشتیبان (SVM)
  • 23. درختان تصمیم
  • 24. جنگل‌های تصادفی
  • 25. ارزیابی مدل‌های طبقه‌بندی
  • 26. متریک‌های ارزیابی: دقت، صحت، بازیابی، امتیاز F1
  • 27. ماتریس درهم‌ریختگی
  • 28. مقدمه‌ای بر یادگیری بدون نظارت
  • 29. خوشه‌بندی K-Means
  • 30. تحلیل مؤلفه‌های اصلی (PCA)
  • 31. کاهش ابعاد داده‌ها
  • 32. کار با داده‌های متنی
  • 33. پردازش زبان طبیعی (NLP) مقدماتی
  • 34. کیسه کلمات (Bag-of-Words)
  • 35. TF-IDF
  • 36. مدل‌سازی موضوعی (Topic Modeling)
  • 37. مقدمه‌ای بر شبکه‌های عصبی
  • 38. نورون مصنوعی
  • 39. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 40. تابع فعال‌سازی
  • 41. پس‌انتشار خطا (Backpropagation)
  • 42. کتابخانه TensorFlow و Keras
  • 43. ساخت اولین شبکه عصبی با Keras
  • 44. شبکه‌های عصبی کانولوشنال (CNN)
  • 45. کاربرد CNN در تشخیص تصویر
  • 46. شبکه‌های عصبی بازگشتی (RNN)
  • 47. کاربرد RNN در پردازش توالی
  • 48. شبکه‌های LSTM و GRU
  • 49. کاربرد در مدل‌سازی زبان
  • 50. مقدمه‌ای بر یادگیری تقویتی
  • 51. مفاهیم پایه یادگیری تقویتی
  • 52. عامل، محیط، پاداش
  • 53. الگوریتم‌های Q-Learning
  • 54. یادگیری عمیق برای پردازش تصویر
  • 55. تشخیص اشیاء
  • 56. تقسیم‌بندی تصویر
  • 57. معماری‌های معروف CNN
  • 58. استفاده از مدل‌های از پیش آموزش دیده (Transfer Learning)
  • 59. یادگیری عمیق برای پردازش زبان طبیعی
  • 60. ترجمه ماشینی
  • 61. تولید متن
  • 62. مدل‌های زبانی بزرگ (LLMs) مقدماتی
  • 63. کاربرد LLMs در وظایف مختلف
  • 64. ملاحظات اخلاقی در هوش مصنوعی
  • 65. سوگیری در داده‌ها و مدل‌ها
  • 66. حریم خصوصی و امنیت داده‌ها
  • 67. هوش مصنوعی مسئولانه
  • 68. پروژه ۱: پیش‌بینی قیمت مسکن با رگرسیون
  • 69. پروژه ۲: دسته‌بندی تصاویر حیوانات با CNN
  • 70. پروژه ۳: تحلیل احساسات متن با NLP
  • 71. پروژه ۴: ساخت یک ربات چت ساده با RNN
  • 72. پروژه ۵: خوشه‌بندی مشتریان با K-Means
  • 73. پروژه ۶: تشخیص چهره با استفاده از کتابخانه‌های موجود
  • 74. پروژه ۷: پیش‌بینی روند سهام با مدل‌های سری زمانی
  • 75. پروژه ۸: سیستم توصیه‌گر ساده
  • 76. پروژه ۹: تشخیص ناهنجاری در داده‌های سنسور
  • 77. پروژه ۱۰: بازی‌سازی با یادگیری تقویتی مقدماتی
  • 78. بهینه‌سازی مدل‌ها و تنظیم هایپرپارامترها
  • 79. اعتبارسنجی متقابل (Cross-validation)
  • 80. تکنیک‌های تنظیم هایپرپارامتر
  • 81. استقرار مدل‌های یادگیری ماشین
  • 82. مقدمه‌ای بر MLOps
  • 83. ساخت API برای مدل‌های یادگیری ماشین
  • 84. مقدمه‌ای بر ابزارهای ابری برای یادگیری ماشین
  • 85. AWS SageMaker
  • 86. Google AI Platform
  • 87. Azure Machine Learning
  • 88. یادگیری ماشین در عمل: مطالعات موردی
  • 89. کاربرد در حوزه سلامت
  • 90. کاربرد در حوزه مالی
  • 91. کاربرد در حوزه صنعت
  • 92. کاربرد در حوزه تجارت الکترونیک
  • 93. آینده یادگیری ماشین و هوش مصنوعی
  • 94. روندهای نوظهور
  • 95. چالش‌های پیش رو
  • 96. یادگیری عمیق پیشرفته
  • 97. شبکه‌های مولد تخاصمی (GANs)
  • 98. یادگیری انتقالی پیشرفته
  • 99. یادگیری فدرال
  • 100. هوش مصنوعی قابل تفسیر (XAI)

📚 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.