سپنتا کتاب اکسپرس
کتاب الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها در عمل

کتاب الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها در عمل

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 الگوریتم‌های یادگیری ماشین و تحلیل داده‌ها در عمل

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: مبانی و کاربردهای هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مبانی احتمال و آمار برای یادگیری ماشین
  • 3. توزیع‌های احتمال گسسته
  • 4. توزیع‌های احتمال پیوسته
  • 5. متغیرهای تصادفی و امید ریاضی
  • 6. قضیه حد مرکزی و کاربردهای آن
  • 7. مفاهیم اولیه تحلیل داده
  • 8. پیش‌پردازش داده‌ها
  • 9. پاکسازی و نرمال‌سازی داده‌ها
  • 10. مهندسی ویژگی
  • 11. انتخاب ویژگی
  • 12. کاهش ابعاد
  • 13. تحلیل مولفه‌های اصلی (PCA)
  • 14. تجزیه مقادیر منفرد (SVD)
  • 15. یادگیری بدون نظارت
  • 16. خوشه‌بندی
  • 17. الگوریتم K-Means
  • 18. خوشه‌بندی سلسله مراتبی
  • 19. مدل‌های مخلوط گوسی (GMM)
  • 20. تشخیص ناهنجاری
  • 21. یادگیری با نظارت
  • 22. رگرسیون خطی
  • 23. رگرسیون لجستیک
  • 24. ماشین‌های بردار پشتیبان (SVM)
  • 25. درخت‌های تصمیم
  • 26. جنگل‌های تصادفی
  • 27. تقویت گرادیان (Gradient Boosting)
  • 28. شبکه‌های عصبی مصنوعی
  • 29. مبانی شبکه‌های عصبی
  • 30. تابع فعال‌سازی
  • 31. پس‌انتشار خطا (Backpropagation)
  • 32. شبکه‌های عصبی کانولوشنی (CNN)
  • 33. شبکه‌های عصبی بازگشتی (RNN)
  • 34. پردازش زبان طبیعی (NLP)
  • 35. مدل‌سازی موضوعی
  • 36. تحلیل احساسات
  • 37. ترجمه ماشینی
  • 38. مدل‌های زبانی
  • 39. یادگیری تقویتی
  • 40. مبانی یادگیری تقویتی
  • 41. عامل و محیط
  • 42. پاداش و حالت
  • 43. سیاست و تابع ارزش
  • 44. الگوریتم‌های Q-Learning
  • 45. یادگیری عمیق در عمل
  • 46. کاربرد شبکه‌های عصبی در بینایی ماشین
  • 47. کاربرد شبکه‌های عصبی در پردازش صدا
  • 48. کاربرد شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 49. کاربرد شبکه‌های عصبی در تشخیص پزشکی
  • 50. کاربرد شبکه‌های عصبی در امور مالی
  • 51. مدل‌های مولد
  • 52. شبکه‌های مولد تخاصمی (GAN)
  • 53. کاربرد GAN ها در تولید تصویر
  • 54. کاربرد GAN ها در تولید متن
  • 55. یادگیری انتقالی (Transfer Learning)
  • 56. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 57. فرایندهای گوسی (Gaussian Processes)
  • 58. کاربرد فرایندهای گوسی در رگرسیون
  • 59. کاربرد فرایندهای گوسی در طبقه‌بندی
  • 60. بهینه‌سازی در یادگیری ماشین
  • 61. گرادیان کاهشی تصادفی (SGD)
  • 62. بهینه‌سازهای پیشرفته (Adam, RMSprop)
  • 63. تنظیم فراپارامترها
  • 64. اعتبارسنجی متقابل (Cross-Validation)
  • 65. اهمیت داده‌ها در یادگیری ماشین
  • 66. جمع‌آوری داده
  • 67. برچسب‌گذاری داده
  • 68. مدیریت داده‌های حجیم
  • 69. حفظ حریم خصوصی داده‌ها
  • 70. امنیت مدل‌های یادگیری ماشین
  • 71. حملات متقابل (Adversarial Attacks)
  • 72. دفاع در برابر حملات متقابل
  • 73. اخلاق در هوش مصنوعی
  • 74. سوگیری در الگوریتم‌ها
  • 75. عدالت و شفافیت در هوش مصنوعی
  • 76. مسئولیت‌پذیری هوش مصنوعی
  • 77. یادگیری ماشین قابل توضیح (XAI)
  • 78. تفسیر مدل‌های یادگیری ماشین
  • 79. روش‌های SHAP و LIME
  • 80. کاربردهای عملی یادگیری ماشین
  • 81. اتوماسیون فرآیندها
  • 82. پیش‌بینی تقاضا
  • 83. بهینه‌سازی منابع
  • 84. تشخیص تقلب
  • 85. سیستم‌های هوشمند
  • 86. آینده یادگیری ماشین
  • 87. روندهای نوظهور در یادگیری ماشین
  • 88. یادگیری ماشین توزیع‌شده
  • 89. یادگیری ماشین فدرال
  • 90. هوش مصنوعی عمومی (AGI)
  • 91. مباحث پیشرفته در یادگیری ماشین
  • 92. یادگیری عمیق برای داده‌های پرتنش
  • 93. مدل‌های گراف عصبی (GNN)
  • 94. یادگیری تقویتی عمیق
  • 95. یادگیری خود نظارتی
  • 96. یادگیری با نمونه‌های کم (Few-Shot Learning)
  • 97. یادگیری مداوم (Continual Learning)
  • 98. مدیریت ریسک در پروژه‌های هوش مصنوعی
  • 99. ارزیابی عملکرد مدل‌ها
  • 100. شاخص‌های ارزیابی رگرسیون

📚 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.