سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر علم داده: استخراج دانش از داده‌ها

کتاب مقدمه‌ای بر علم داده: استخراج دانش از داده‌ها

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 بر علم داده: استخراج دانش از داده‌ها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: مبانی علم داده و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه: علم داده چیست؟
  • 2. اهمیت داده در دنیای امروز
  • 3. کاربردهای علم داده
  • 4. چرخه عمر پروژه علم داده
  • 5. انواع داده‌ها
  • 6. ساختار داده‌ها: جدول‌ها و پایگاه‌های داده
  • 7. مفاهیم پایگاه داده رابطه‌ای
  • 8. مقدمه‌ای بر SQL
  • 9. پرس‌وجوهای پایه در SQL
  • 10. فیلتر کردن داده‌ها با WHERE
  • 11. مرتب‌سازی داده‌ها با ORDER BY
  • 12. گروه‌بندی داده‌ها با GROUP BY
  • 13. توابع تجمعی در SQL
  • 14. اتصال جداول با JOIN
  • 15. انواع JOIN ها
  • 16. مقدمه ای بر تحلیل اکتشافی داده (EDA)
  • 17. اهمیت EDA
  • 18. مراحل EDA
  • 19. تجسم داده‌ها: چرا و چگونه؟
  • 20. انواع نمودارها: هیستوگرام
  • 21. انواع نمودارها: نمودار پراکندگی
  • 22. انواع نمودارها: نمودار میله‌ای
  • 23. انواع نمودارها: نمودار خطی
  • 24. ابزارهای تجسم داده
  • 25. مقدمه ای بر آمار توصیفی
  • 26. میانگین، میانه و مد
  • 27. واریانس و انحراف معیار
  • 28. صدک‌ها و چارک‌ها
  • 29. مقدمه ای بر احتمالات
  • 30. قوانین احتمالات
  • 31. احتمال شرطی
  • 32. قضیه بیز
  • 33. مقدمه ای بر یادگیری ماشین
  • 34. یادگیری با نظارت
  • 35. یادگیری بدون نظارت
  • 36. یادگیری تقویتی
  • 37. انواع مسائل در یادگیری ماشین
  • 38. رگرسیون خطی
  • 39. ارزیابی مدل‌های رگرسیون
  • 40. رگرسیون لجستیک
  • 41. طبقه‌بندی
  • 42. متریک‌های ارزیابی طبقه‌بندی
  • 43. مقدمه ای بر درخت تصمیم
  • 44. آموزش درخت تصمیم
  • 45. بهینه‌سازی درخت تصمیم
  • 46. مقدمه ای بر ماشین بردار پشتیبان (SVM)
  • 47. هسته‌ها در SVM
  • 48. مقدمه ای بر خوشه‌بندی
  • 49. الگوریتم K-Means
  • 50. ارزیابی خوشه‌بندی
  • 51. مقدمه ای بر کاهش ابعاد
  • 52. تحلیل مولفه‌های اصلی (PCA)
  • 53. کاربرد PCA
  • 54. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 55. پیش‌پردازش متن
  • 56. مدل‌سازی موضوعی
  • 57. مقدمه ای بر شبکه‌های عصبی
  • 58. شبکه‌های عصبی پرسپترون چندلایه
  • 59. توابع فعال‌سازی
  • 60. پس‌انتشار خطا
  • 61. مقدمه ای بر یادگیری عمیق
  • 62. شبکه‌های عصبی کانولوشنی (CNN)
  • 63. کاربرد CNN
  • 64. شبکه‌های عصبی بازگشتی (RNN)
  • 65. کاربرد RNN
  • 66. مقدمه ای بر یادگیری تقویتی
  • 67. عوامل و محیط در یادگیری تقویتی
  • 68. پاداش و جریمه
  • 69. یادگیری سیاست
  • 70. یادگیری ارزش
  • 71. مقدمه ای بر مهندسی ویژگی
  • 72. انتخاب ویژگی
  • 73. ساخت ویژگی
  • 74. تکنیک‌های مهندسی ویژگی
  • 75. مقدمه ای بر ارزیابی و انتخاب مدل
  • 76. اعتبارسنجی متقابل
  • 77. خطای بیش برازش و کم برازش
  • 78. تنظیم هایپرپارامترها
  • 79. مقدمه ای بر استقرار مدل
  • 80. روش‌های استقرار مدل
  • 81. مانیتورینگ مدل
  • 82. اخلاق در علم داده
  • 83. حریم خصوصی داده‌ها
  • 84. سوگیری در الگوریتم‌ها
  • 85. مسئولیت‌پذیری در علم داده
  • 86. مقدمه ای بر ابزارهای علم داده
  • 87. پایتون برای علم داده
  • 88. کتابخانه‌های پایتون: NumPy
  • 89. کتابخانه‌های پایتون: Pandas
  • 90. کتابخانه‌های پایتون: Matplotlib
  • 91. کتابخانه‌های پایتون: Scikit-learn
  • 92. مقدمه ای بر Big Data
  • 93. مفاهیم کلیدی Big Data
  • 94. چارچوب‌های Big Data: Hadoop
  • 95. چارچوب‌های Big Data: Spark
  • 96. کاربرد علم داده در صنعت
  • 97. علم داده در بازاریابی
  • 98. علم داده در امور مالی
  • 99. علم داده در بهداشت و درمان
  • 100. علم داده در حمل و نقل

📚 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.