سپنتا کتاب اکسپرس
کتاب علم داده کاربردی برای متخصصان: از مبانی تا مدل‌سازی پیشرفته

کتاب علم داده کاربردی برای متخصصان: از مبانی تا مدل‌سازی پیشرفته

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 علم داده کاربردی برای متخصصان: از مبانی تا مدل‌سازی پیشرفته

موضوع کلی: علوم کامپیوتر و مهندسی داده

موضوع میانی: هوش مصنوعی و تحلیل داده

📋 سرفصل‌های دوره

  • 1. مبانی علم داده
  • 2. مفاهیم پایه پایگاه داده
  • 3. انواع داده و ساختارها
  • 4. مقدمه‌ای بر زبان پایتون برای علم داده
  • 5. نصب و پیکربندی محیط توسعه
  • 6. کار با کتابخانه‌های NumPy و Pandas
  • 7. پیش‌پردازش داده‌ها
  • 8. پاکسازی داده‌ها
  • 9. مدیریت داده‌های گمشده
  • 10. تبدیل و نرمال‌سازی داده‌ها
  • 11. مهندسی ویژگی
  • 12. مقدمه‌ای بر بصری‌سازی داده‌ها
  • 13. استفاده از Matplotlib و Seaborn
  • 14. نمودارهای رایج و کاربردها
  • 15. آمار توصیفی
  • 16. مفاهیم احتمال
  • 17. توزیع‌های آماری
  • 18. آزمون فرض آماری
  • 19. مقدمه‌ای بر یادگیری ماشین
  • 20. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 21. رگرسیون خطی
  • 22. رگرسیون لجستیک
  • 23. درختان تصمیم
  • 24. جنگل‌های تصادفی
  • 25. ماشین بردار پشتیبان (SVM)
  • 26. خوشه‌بندی (K-Means)
  • 27. کاهش ابعاد (PCA)
  • 28. ارزیابی مدل‌های یادگیری ماشین
  • 29. معیارهای ارزیابی (دقت، صحت، بازیابی)
  • 30. اعتبارسنجی متقابل (Cross-Validation)
  • 31. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 32. مقدمه‌ای بر یادگیری عمیق
  • 33. شبکه‌های عصبی مصنوعی
  • 34. شبکه‌های عصبی کانولوشنال (CNN)
  • 35. شبکه‌های عصبی بازگشتی (RNN)
  • 36. کاربرد شبکه‌های عصبی در پردازش تصویر
  • 37. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 38. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 39. توکن‌سازی و تحلیل واژگانی
  • 40. مدل‌سازی موضوعی (Topic Modeling)
  • 41. تحلیل احساسات (Sentiment Analysis)
  • 42. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 43. فیلترینگ مبتنی بر محتوا
  • 44. فیلترینگ مشارکتی
  • 45. ترکیب روش‌ها در سیستم‌های توصیه‌گر
  • 46. مقدمه‌ای بر کلان داده (Big Data)
  • 47. مفاهیم Hadoop و Spark
  • 48. کار با Apache Spark
  • 49. مقدمه‌ای بر پایگاه‌های داده NoSQL
  • 50. کاربرد پایگاه‌های داده NoSQL
  • 51. علم داده در عمل: مطالعه موردی
  • 52. تحلیل رفتار مشتری
  • 53. پیش‌بینی فروش
  • 54. تشخیص تقلب
  • 55. مدیریت ریسک
  • 56. بهینه‌سازی فرآیندها
  • 57. مقدمه‌ای بر اینترنت اشیا (IoT) و داده‌های آن
  • 58. تحلیل داده‌های IoT
  • 59. امنیت داده‌ها در علم داده
  • 60. اخلاق در علم داده
  • 61. مسئولیت‌پذیری در علم داده
  • 62. حریم خصوصی داده‌ها
  • 63. قوانین و مقررات داده‌ها در ایران
  • 64. مقدمه‌ای بر هوش مصنوعی
  • 65. کاربرد هوش مصنوعی در صنایع مختلف
  • 66. پردازش تصویر با هوش مصنوعی
  • 67. پردازش صدا با هوش مصنوعی
  • 68. سیستم‌های خبره
  • 69. رباتیک و هوش مصنوعی
  • 70. مقدمه‌ای بر یادگیری تقویتی
  • 71. الگوریتم‌های یادگیری تقویتی
  • 72. کاربرد یادگیری تقویتی
  • 73. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 74. کاربرد GNN در تحلیل شبکه‌ها
  • 75. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 76. کاربرد یادگیری انتقالی
  • 77. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 78. کاربرد یادگیری فدرال
  • 79. استقرار مدل‌های علم داده (Deployment)
  • 80. نظارت بر مدل‌ها (Model Monitoring)
  • 81. مقدمه‌ای بر داده‌های سری زمانی (Time Series)
  • 82. مدل‌سازی داده‌های سری زمانی
  • 83. پیش‌بینی سری زمانی
  • 84. مقدمه‌ای بر داده‌های مکانی (Spatial Data)
  • 85. تحلیل داده‌های مکانی
  • 86. کاربرد علم داده در حوزه سلامت
  • 87. کاربرد علم داده در حوزه مالی
  • 88. کاربرد علم داده در حوزه آموزش
  • 89. کاربرد علم داده در حوزه کشاورزی
  • 90. کاربرد علم داده در حوزه محیط زیست
  • 91. مقدمه‌ای بر داده‌کاوی (Data Mining)
  • 92. تکنیک‌های کشف الگو در داده‌کاوی
  • 93. مقدمه‌ای بر تحلیل شبکه‌های اجتماعی
  • 94. تحلیل روابط در شبکه‌های اجتماعی
  • 95. مقدمه‌ای بر داده‌های متنی (Text Data)
  • 96. استخراج اطلاعات از متن
  • 97. تحلیل پیشرفته متن
  • 98. مقدمه‌ای بر داده‌های تصویری (Image Data)
  • 99. استخراج ویژگی از تصاویر
  • 100. تحلیل و طبقه‌بندی تصاویر

📚 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.