سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

کتاب مبانی یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

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 یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل داده

📋 سرفصل‌های دوره

  • 1. مبانی علوم کامپیوتر برای یادگیری ماشین
  • 2. مقدمه‌ای بر زبان پایتون و ابزارهای آن
  • 3. ساختارهای داده در پایتون
  • 4. الگوریتم‌های پایه و تحلیل پیچیدگی
  • 5. مقدمه ای بر علم داده و یادگیری ماشین
  • 6. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 7. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 8. مهندسی ویژگی: انتخاب و استخراج ویژگی
  • 9. ماتریس‌ها و عملیات بر روی آن‌ها در پایتون
  • 10. آمار توصیفی برای تحلیل داده
  • 11. احتمالات و توزیع‌های آماری
  • 12. مقدمه ای بر جبر خطی برای یادگیری ماشین
  • 13. نمودارهای پراکندگی و همبستگی
  • 14. رگرسیون خطی ساده
  • 15. ارزیابی مدل رگرسیون خطی
  • 16. رگرسیون خطی چندگانه
  • 17. تنظیم مدل: بیش‌برازش و کم‌برازش
  • 18. رگولاریزاسیون: L1 و L2
  • 19. رگرسیون لجستیک برای مسائل طبقه‌بندی
  • 20. تابع سیگموئید و تفسیر نتایج
  • 21. آستانه تصمیم‌گیری و معیارهای ارزیابی
  • 22. مقدمه ای بر ماشین‌های بردار پشتیبان (SVM)
  • 23. هسته‌های SVM: خطی، چندجمله‌ای، RBF
  • 24. کاربرد SVM در طبقه‌بندی
  • 25. درخت‌های تصمیم
  • 26. قوانین استخراج شده از درخت‌های تصمیم
  • 27. روش‌های بهبود درخت‌های تصمیم: هرس کردن
  • 28. جنگل‌های تصادفی (Random Forests)
  • 29. تقویت گرادیان (Gradient Boosting)
  • 30. مقدمه ای بر الگوریتم‌های خوشه‌بندی
  • 31. K-Means Clustering
  • 32. ارزیابی خوشه‌بندی
  • 33. خوشه‌بندی سلسله مراتبی
  • 34. مقدمه ای بر کاهش ابعاد
  • 35. تحلیل مؤلفه‌های اصلی (PCA)
  • 36. کاربرد PCA در بصری‌سازی داده
  • 37. تحلیل افتراقی خطی (LDA)
  • 38. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 39. تکنیک‌های پیش‌پردازش متن
  • 40. مدل‌سازی موضوعی: LDA (Latent Dirichlet Allocation)
  • 41. بردارسازی متن: Bag-of-Words
  • 42. بردارسازی متن: TF-IDF
  • 43. مقدمه ای بر شبکه‌های عصبی مصنوعی
  • 44. نورون مصنوعی و توابع فعال‌سازی
  • 45. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 46. پس‌انتشار خطا (Backpropagation)
  • 47. بهینه‌سازها: گرادیان کاهشی تصادفی (SGD)
  • 48. بهینه‌سازها: Adam، RMSprop
  • 49. شبکه‌های عصبی کانولوشنی (CNN)
  • 50. لایه‌های کانولوشن و پولینگ
  • 51. کاربرد CNN در تشخیص تصویر
  • 52. شبکه‌های عصبی بازگشتی (RNN)
  • 53. حافظه کوتاه مدت و بلند مدت (LSTM)
  • 54. کاربرد RNN در تحلیل سری‌های زمانی
  • 55. شبکه‌های عصبی ترنسفورمر
  • 56. مکانیزم توجه (Attention Mechanism)
  • 57. مقدمه ای بر یادگیری تقویتی
  • 58. عامل، محیط، پاداش
  • 59. روش‌های یادگیری تقویتی: مبتنی بر ارزش
  • 60. روش‌های یادگیری تقویتی: مبتنی بر سیاست
  • 61. یادگیری Q (Q-Learning)
  • 62. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 63. مقدمه ای بر سیستم‌های توصیه‌گر
  • 64. فیلترینگ مبتنی بر محتوا
  • 65. فیلترینگ مشارکتی
  • 66. ترکیب روش‌ها در سیستم‌های توصیه‌گر
  • 67. ارزیابی سیستم‌های توصیه‌گر
  • 68. مقدمه ای بر یادگیری انتقالی (Transfer Learning)
  • 69. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 70. کاربرد یادگیری انتقالی در NLP و بینایی کامپیوتر
  • 71. مقدمه ای بر یادگیری نیمه‌نظارت شده
  • 72. روش‌های یادگیری نیمه‌نظارت شده
  • 73. مقدمه ای بر یادگیری خودنظارت شده
  • 74. کاربرد یادگیری خودنظارت شده
  • 75. تکنیک‌های بصری‌سازی داده‌ها در پایتون (Matplotlib, Seaborn)
  • 76. رسم نمودارهای خطی، میله‌ای، هیستوگرام
  • 77. رسم نمودارهای پراکندگی و جعبه‌ای
  • 78. بصری‌سازی ماتریس همبستگی
  • 79. مقدمه ای بر اعتبارسنجی متقابل (Cross-Validation)
  • 80. اعتبارسنجی K-Fold
  • 81. ارزیابی مدل: دقت، صحت، بازیابی، F1-Score
  • 82. منحنی ROC و AUC
  • 83. مقدمه ای بر مدل‌های آنسامبل
  • 84. تکنیک Bagging
  • 85. تکنیک Boosting
  • 86. مقدمه ای بر یادگیری غیرقابل توضیح (Explainable AI - XAI)
  • 87. روش‌های توضیح‌پذیری مدل
  • 88. کاربرد XAI در مسائل حیاتی
  • 89. مقدمه ای بر داده‌های بزرگ (Big Data) و پلتفرم‌های مرتبط
  • 90. مقدمه ای بر مفاهیم پایگاه داده رابطه‌ای
  • 91. مقدمه ای بر مفاهیم پایگاه داده NoSQL
  • 92. اصول اخلاقی در علم داده و یادگیری ماشین
  • 93. حریم خصوصی داده‌ها و امنیت اطلاعات
  • 94. کاربرد یادگیری ماشین در حل مسائل کاربردی
  • 95. پروژه‌های عملی یادگیری ماشین با پایتون
  • 96. مقدمه ای بر آینده یادگیری ماشین و هوش مصنوعی
  • 97. نکات پیشرفته در مهندسی ویژگی
  • 98. تنظیم و بهینه‌سازی هایپرپارامترها
  • 99. معرفی کتابخانه‌های پیشرفته 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.