سپنتا کتاب اکسپرس
کتاب یادگیری ماشین نظارت‌شده با پایتون: مبانی و کاربردها

کتاب یادگیری ماشین نظارت‌شده با پایتون: مبانی و کاربردها

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 یادگیری ماشین نظارت‌شده با پایتون: مبانی و کاربردها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم داده و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین نظارت‌شده
  • 3. انواع مسائل یادگیری ماشین نظارت‌شده
  • 4. مجموعه داده: ساختار و آماده‌سازی
  • 5. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 6. مهندسی ویژگی: ایجاد ویژگی‌های جدید
  • 7. انتخاب ویژگی: کاهش ابعاد
  • 8. معرفی مدل‌های یادگیری ماشین
  • 9. رگرسیون خطی ساده
  • 10. ارزیابی مدل‌های رگرسیون: خطای میانگین مربعات
  • 11. ارزیابی مدل‌های رگرسیون: ضریب تعیین
  • 12. رگرسیون خطی چندگانه
  • 13. تنظیم مدل‌های رگرسیون: منظم‌سازی لاسو
  • 14. تنظیم مدل‌های رگرسیون: منظم‌سازی ریج
  • 15. رگرسیون لجستیک برای مسائل طبقه‌بندی
  • 16. معیارهای ارزیابی طبقه‌بندی: دقت و صحت
  • 17. معیارهای ارزیابی طبقه‌بندی: فراخوانی و امتیاز F1
  • 18. ماتریس درهم‌ریختگی
  • 19. آستانه تصمیم‌گیری در طبقه‌بندی
  • 20. منحنی مشخصه عملکرد گیرنده (ROC)
  • 21. منحنی سطح زیر منحنی (AUC)
  • 22. درختان تصمیم برای رگرسیون
  • 23. درختان تصمیم برای طبقه‌بندی
  • 24. تنظیم درختان تصمیم: هرس کردن
  • 25. جنگل‌های تصادفی برای رگرسیون
  • 26. جنگل‌های تصادفی برای طبقه‌بندی
  • 27. دسته‌بندی‌کننده‌های بردار پشتیبان (SVM)
  • 28. هسته‌ها در SVM
  • 29. ماشین‌های بردار پشتیبان برای رگرسیون (SVR)
  • 30. دسته‌بندی‌کننده‌های بیز ساده
  • 31. بیان احتمال در طبقه‌بندی بیز
  • 32. تحلیل مولفه‌های اصلی (PCA)
  • 33. کاهش ابعاد با PCA
  • 34. تجزیه و تحلیل تفکیک خطی (LDA)
  • 35. کاربرد PCA و LDA در پیش‌پردازش
  • 36. معرفی الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 37. تنظیم پارامتر K در KNN
  • 38. KNN برای رگرسیون
  • 39. مدل‌های آنسامبل: تقویت گرادیان
  • 40. تقویت گرادیان برای رگرسیون
  • 41. تقویت گرادیان برای طبقه‌بندی
  • 42. مدل‌های آنسامبل: Adaboost
  • 43. Adaboost برای رگرسیون
  • 44. Adaboost برای طبقه‌بندی
  • 45. مدل‌های آنسامبل: XGBoost
  • 46. کاربرد XGBoost در مسابقات
  • 47. معرفی شبکه‌های عصبی مصنوعی
  • 48. لایه ورودی و خروجی در شبکه‌های عصبی
  • 49. لایه‌های پنهان و توابع فعال‌سازی
  • 50. پس‌انتشار خطا (Backpropagation)
  • 51. آموزش شبکه‌های عصبی: نرخ یادگیری
  • 52. آموزش شبکه‌های عصبی: بهینه‌سازها
  • 53. آموزش شبکه‌های عصبی: تابع زیان
  • 54. شبکه‌های عصبی برای رگرسیون
  • 55. شبکه‌های عصبی برای طبقه‌بندی
  • 56. شبکه‌های عصبی کانولوشنال (CNN) - مقدمه
  • 57. کاربرد CNN در پردازش تصویر
  • 58. شبکه‌های عصبی بازگشتی (RNN) - مقدمه
  • 59. کاربرد RNN در پردازش زبان طبیعی
  • 60. شبکه‌های عصبی ترنسفورمر - مقدمه
  • 61. کاربرد ترنسفورمر در NLP
  • 62. یادگیری بدون نظارت - مقدمه
  • 63. خوشه‌بندی K-Means
  • 64. ارزیابی خوشه‌بندی
  • 65. کاهش ابعاد با تحلیل مولفه‌های اصلی (PCA)
  • 66. شناسایی ناهنجاری‌ها
  • 67. یادگیری تقویتی - مقدمه
  • 68. مفاهیم پایه یادگیری تقویتی
  • 69. کاربردهای یادگیری تقویتی
  • 70. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 71. پیش‌پردازش متن: توکنیزاسیون
  • 72. پیش‌پردازش متن: حذف کلمات توقف
  • 73. پیش‌پردازش متن: ریشه‌یابی کلمات
  • 74. مدل‌سازی موضوعی: LSA
  • 75. مدل‌سازی موضوعی: LDA
  • 76. تعبیه‌سازی کلمات: Word2Vec
  • 77. تعبیه‌سازی کلمات: GloVe
  • 78. تحلیل احساسات
  • 79. طبقه‌بندی متن
  • 80. استخراج اطلاعات
  • 81. سیستم‌های توصیه‌گر - مقدمه
  • 82. فیلترینگ مشارکتی
  • 83. فیلترینگ مبتنی بر محتوا
  • 84. سیستم‌های توصیه‌گر ترکیبی
  • 85. ارزیابی سیستم‌های توصیه‌گر
  • 86. مقدمه‌ای بر یادگیری عمیق
  • 87. شبکه‌های عصبی عمیق
  • 88. کاربرد شبکه‌های عصبی عمیق در بینایی ماشین
  • 89. کاربرد شبکه‌های عصبی عمیق در NLP
  • 90. اخلاق در هوش مصنوعی
  • 91. حریم خصوصی داده‌ها و هوش مصنوعی
  • 92. سوگیری در الگوریتم‌های هوش مصنوعی
  • 93. تفسیرپذیری مدل‌های هوش مصنوعی
  • 94. کاربردهای عملی یادگیری ماشین در صنعت
  • 95. یادگیری ماشین در حوزه سلامت
  • 96. یادگیری ماشین در حوزه مالی
  • 97. یادگیری ماشین در حوزه بازاریابی
  • 98. آینده یادگیری ماشین و هوش مصنوعی

📚 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.