کتاب مقدمه‌ای بر یادگیری ماشین با پایتون: از مبانی تا کاربرد

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 یادگیری ماشین با پایتون: از مبانی تا کاربرد

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی علوم کامپیوتر برای یادگیری ماشین
  • 2. ساختار داده‌های بنیادی در پایتون
  • 3. الگوریتم‌های پایه و تحلیل پیچیدگی
  • 4. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
  • 5. ساختارهای کنترلی در پایتون
  • 6. توابع و ماژول‌ها در پایتون
  • 7. کار با رشته‌ها و داده‌های متنی
  • 8. ساختارهای داده پیشرفته پایتون: لیست‌ها و تاپل‌ها
  • 9. دیکشنری‌ها و مجموعه‌ها در پایتون
  • 10. مقدمه‌ای بر برنامه‌نویسی شیءگرا در پایتون
  • 11. مفهوم کلاس‌ها و اشیاء
  • 12. وراثت و پلی‌مورفیسم در پایتون
  • 13. مدیریت فایل‌ها و ورودی/خروجی در پایتون
  • 14. مقدمه‌ای بر کتابخانه‌های علمی پایتون
  • 15. نصب و پیکربندی محیط توسعه پایتون
  • 16. مقدمه‌ای بر یادگیری ماشین
  • 17. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 18. کاربردها و چشم‌انداز یادگیری ماشین
  • 19. مبانی ریاضی یادگیری ماشین: جبر خطی
  • 20. مبانی ریاضی یادگیری ماشین: حساب دیفرانسیل و انتگرال
  • 21. مبانی ریاضی یادگیری ماشین: احتمالات و آمار
  • 22. مقدمه‌ای بر کتابخانه NumPy برای محاسبات عددی
  • 23. عملیات برداری و ماتریسی با NumPy
  • 24. توابع آماری و ریاضی در NumPy
  • 25. مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده
  • 26. ساخت DataFrame و Series در Pandas
  • 27. پاکسازی و پیش‌پردازش داده‌ها با Pandas
  • 28. فیلتر کردن و انتخاب داده‌ها در Pandas
  • 29. ادغام و ترکیب داده‌ها با Pandas
  • 30. تجسم داده‌ها با Matplotlib
  • 31. ایجاد نمودارهای پایه با Matplotlib
  • 32. تنظیمات پیشرفته نمودارها در Matplotlib
  • 33. مقدمه‌ای بر کتابخانه Seaborn برای تجسم پیشرفته
  • 34. نمودارهای آماری با Seaborn
  • 35. نقش داده‌ها در یادگیری ماشین
  • 36. جمع‌آوری و آماده‌سازی داده‌ها
  • 37. مهندسی ویژگی (Feature Engineering)
  • 38. انتخاب ویژگی (Feature Selection)
  • 39. مقدمه‌ای بر مدل‌های یادگیری ماشین نظارت‌شده
  • 40. رگرسیون خطی ساده
  • 41. ارزیابی مدل‌های رگرسیون
  • 42. رگرسیون خطی چندگانه
  • 43. مقدمه‌ای بر طبقه‌بندی
  • 44. رگرسیون لجستیک
  • 45. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازیابی
  • 46. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 47. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 48. کاربرد SVM در طبقه‌بندی
  • 49. مقدمه‌ای بر درختان تصمیم
  • 50. ساخت درخت تصمیم برای طبقه‌بندی
  • 51. مقدمه‌ای بر جنگل‌های تصادفی (Random Forests)
  • 52. کاربرد جنگل‌های تصادفی در طبقه‌بندی
  • 53. مقدمه‌ای بر مدل‌های یادگیری ماشین بدون نظارت
  • 54. خوشه‌بندی (Clustering)
  • 55. الگوریتم K-Means
  • 56. ارزیابی مدل‌های خوشه‌بندی
  • 57. تحلیل مولفه‌های اصلی (PCA)
  • 58. کاربرد PCA در کاهش ابعاد
  • 59. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 60. مبانی پرسپترون
  • 61. تابع فعال‌سازی در شبکه‌های عصبی
  • 62. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 63. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 64. مقدمه‌ای بر یادگیری عمیق
  • 65. مقدمه‌ای بر کتابخانه TensorFlow
  • 66. مقدمه‌ای بر کتابخانه Keras
  • 67. ساخت و آموزش مدل‌های ساده با Keras
  • 68. کاربرد شبکه‌های عصبی کانولوشنال (CNN)
  • 69. کاربرد شبکه‌های عصبی بازگشتی (RNN)
  • 70. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 71. پیش‌پردازش متن برای NLP
  • 72. مدل‌سازی موضوعی (Topic Modeling)
  • 73. تحلیل احساسات (Sentiment Analysis)
  • 74. مقدمه‌ای بر یادگیری تقویتی
  • 75. مفاهیم پایه در یادگیری تقویتی
  • 76. کاربرد یادگیری تقویتی
  • 77. مقدمه‌ای بر مهندسی نرم‌افزار
  • 78. چرخه حیات توسعه نرم‌افزار
  • 79. روش‌های توسعه چابک (Agile)
  • 80. مفاهیم پایه پایگاه داده
  • 81. مقدمه‌ای بر SQL
  • 82. طراحی پایگاه داده رابطه‌ای
  • 83. مقدمه‌ای بر امنیت سایبری در نرم‌افزار
  • 84. اصول امن‌نویسی (Secure Coding)
  • 85. مدیریت خطا و استثنا در پایتون
  • 86. مقدمه‌ای بر تست نرم‌افزار
  • 87. انواع تست: واحد، یکپارچه‌سازی، سیستمی
  • 88. مقدمه‌ای بر استقرار نرم‌افزار (Deployment)
  • 89. مقدمه‌ای بر مفاهیم DevOps
  • 90. مقدمه‌ای بر معماری نرم‌افزار
  • 91. الگوهای طراحی نرم‌افزار
  • 92. مقدمه‌ای بر کاربردهای هوش مصنوعی در صنعت
  • 93. هوش مصنوعی در حوزه سلامت
  • 94. هوش مصنوعی در حوزه مالی
  • 95. هوش مصنوعی در حوزه آموزش
  • 96. کاربردهای یادگیری ماشین در کسب‌وکار
  • 97. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 98. حریم خصوصی داده‌ها در هوش مصنوعی
  • 99. پیش‌بینی و تحلیل روندها با یادگیری ماشین
  • 100. سیستم‌های توصیه‌گر (Recommender Systems)

📚 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.