سپنتا کتاب اکسپرس
کتاب مقدمه‌ای جامع بر علم داده و کاربرد کتابخانه scikit-learn در پایتون

کتاب مقدمه‌ای جامع بر علم داده و کاربرد کتابخانه scikit-learn در پایتون

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 مقدمه‌ای جامع بر علم داده و کاربرد کتابخانه scikit-learn در پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: علم داده و یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه بر علم داده و اهمیت آن
  • 2. نصب و راه‌اندازی محیط پایتون برای علم داده
  • 3. آشنایی با کتابخانه‌های کلیدی: NumPy
  • 4. کار با آرایه‌های NumPy و عملیات پایه
  • 5. آشنایی با کتابخانه‌های کلیدی: Pandas
  • 6. ساختار داده‌ای Series در Pandas
  • 7. ساختار داده‌ای DataFrame در Pandas
  • 8. بارگذاری و ذخیره داده‌ها در Pandas
  • 9. پاکسازی و پیش‌پردازش داده‌ها در Pandas
  • 10. مدیریت داده‌های گمشده
  • 11. مدیریت داده‌های تکراری
  • 12. تبدیل و اعاده داده‌ها
  • 13. انتخاب و فیلتر کردن داده‌ها
  • 14. گروه‌بندی و تجمیع داده‌ها
  • 15. ادغام و پیوستن DataFrames
  • 16. مقدمه بر مصورسازی داده‌ها
  • 17. مصورسازی با Matplotlib
  • 18. مصورسازی با Seaborn
  • 19. نمودارهای خطی و پراکندگی
  • 20. نمودارهای میله‌ای و هیستوگرام
  • 21. نمودارهای جعبه‌ای و ویولن
  • 22. نمودارهای حرارتی
  • 23. مقدمه بر یادگیری ماشین
  • 24. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 25. مفاهیم پایه یادگیری ماشین: ویژگی و برچسب
  • 26. مفاهیم پایه یادگیری ماشین: مدل و پیش‌بینی
  • 27. مفاهیم پایه یادگیری ماشین: آموزش و تست
  • 28. تقسیم داده‌ها به مجموعه آموزش و تست
  • 29. مقدمه بر کتابخانه scikit-learn
  • 30. ساختار کلی scikit-learn
  • 31. کار با مدل‌های scikit-learn: آموزش
  • 32. کار با مدل‌های scikit-learn: پیش‌بینی
  • 33. کار با مدل‌های scikit-learn: ارزیابی
  • 34. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 35. معیارهای ارزیابی مدل‌های رگرسیون
  • 36. مقدمه بر الگوریتم‌های یادگیری نظارت شده
  • 37. رگرسیون خطی
  • 38. مقدمه بر مدل‌های طبقه‌بندی
  • 39. رگرسیون لجستیک
  • 40. ماشین بردار پشتیبان (SVM)
  • 41. درخت تصمیم
  • 42. جنگل تصادفی
  • 43. مقدمه بر الگوریتم‌های یادگیری بدون نظارت
  • 44. خوشه‌بندی K-Means
  • 45. تحلیل مولفه‌های اصلی (PCA)
  • 46. مقدمه بر مهندسی ویژگی
  • 47. ایجاد ویژگی‌های جدید
  • 48. انتخاب ویژگی
  • 49. اهمیت ویژگی‌ها
  • 50. پیش‌پردازش داده‌ها برای یادگیری ماشین
  • 51. مقیاس‌بندی ویژگی‌ها (StandardScaler)
  • 52. نرمال‌سازی ویژگی‌ها (MinMaxScaler)
  • 53. کدگذاری ویژگی‌های دسته‌ای (One-Hot Encoding)
  • 54. کدگذاری ویژگی‌های ترتیبی
  • 55. رسیدگی به داده‌های نامتوازن
  • 56. معرفی تکنیک‌های نمونه‌گیری (SMOTE)
  • 57. اعتبارسنجی متقابل (Cross-Validation)
  • 58. تنظیم هایپرپارامترها (GridSearchCV)
  • 59. تنظیم هایپرپارامترها (RandomizedSearchCV)
  • 60. مقدمه بر یادگیری عمیق (فقط در حد معرفی)
  • 61. شبکه‌های عصبی مصنوعی (ANN)
  • 62. مقدمه بر پردازش زبان طبیعی (NLP)
  • 63. پردازش متن با NLTK و spaCy
  • 64. مدل‌سازی موضوعی (Topic Modeling)
  • 65. مقدمه بر سیستم‌های توصیه‌گر
  • 66. فیلترینگ مبتنی بر محتوا
  • 67. فیلترینگ مشارکتی
  • 68. کاربرد علم داده در کسب و کار
  • 69. تحلیل داده‌های فروش
  • 70. پیش‌بینی تقاضا
  • 71. شناسایی الگوهای مشتری
  • 72. بهینه‌سازی عملیات
  • 73. کاربرد علم داده در سلامت
  • 74. تشخیص بیماری
  • 75. پیش‌بینی شیوع بیماری
  • 76. تحلیل داده‌های ژنتیکی
  • 77. کاربرد علم داده در امور مالی
  • 78. مدیریت ریسک
  • 79. تشخیص تقلب
  • 80. پیش‌بینی بازار سهام
  • 81. کاربرد علم داده در صنعت
  • 82. بهینه‌سازی تولید
  • 83. نگهداری پیش‌بینانه
  • 84. کنترل کیفیت
  • 85. ملاحظات اخلاقی در علم داده
  • 86. حریم خصوصی داده‌ها
  • 87. سوگیری در الگوریتم‌ها
  • 88. مسئولیت‌پذیری در هوش مصنوعی
  • 89. آینده علم داده و یادگیری ماشین
  • 90. روندها و نوآوری‌ها
  • 91. مسیر شغلی در علم داده
  • 92. منابع بیشتر برای یادگیری
  • 93. تمرین عملی: تحلیل داده‌های واقعی
  • 94. پروژه کوچک: ساخت یک مدل پیش‌بینی ساده
  • 95. مقدمه‌ای بر مفاهیم آماری در علم داده
  • 96. احتمال و توزیع‌های آماری
  • 97. آزمون فرض آماری
  • 98. رابطه بین متغیرها: همبستگی و علیت
  • 99. مقدمه بر یادگیری تقویتی (فقط در حد معرفی)
  • 100. کاربردها و مفاهیم اولیه

📚 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.