سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

کتاب مبانی یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

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 مبانی یادگیری ماشین با پایتون: از تئوری تا پیاده‌سازی عملی

موضوع کلی: علم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه بر علم داده و یادگیری ماشین
  • 2. نصب و راه‌اندازی محیط توسعه پایتون
  • 3. آشنایی با کتابخانه‌های کلیدی علم داده (NumPy, Pandas)
  • 4. مقدمه‌ای بر ساختارهای داده در پایتون
  • 5. عملیات پایه با آرایه‌های NumPy
  • 6. دستکاری و تحلیل داده با Pandas DataFrames
  • 7. پاکسازی و پیش‌پردازش داده‌ها
  • 8. شناسایی و مدیریت مقادیر گمشده
  • 9. شناسایی و مدیریت داده‌های پرت
  • 10. تبدیل و نرمال‌سازی داده‌ها
  • 11. مهندسی ویژگی (Feature Engineering)
  • 12. انتخاب ویژگی (Feature Selection)
  • 13. مقدمه‌ای بر یادگیری ماشین
  • 14. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 15. ارزیابی مدل‌های یادگیری ماشین
  • 16. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 17. معیارهای ارزیابی مدل‌های رگرسیون
  • 18. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت شده
  • 19. رگرسیون خطی (Linear Regression)
  • 20. تنظیم مدل رگرسیون خطی
  • 21. رگرسیون چندجمله‌ای (Polynomial Regression)
  • 22. رگرسیون لجستیک (Logistic Regression)
  • 23. تنظیم مدل رگرسیون لجستیک
  • 24. دسته‌بندی‌کننده‌های بیز ساده (Naive Bayes Classifiers)
  • 25. دسته‌بندی‌کننده‌های بیز گوسی
  • 26. دسته‌بندی‌کننده‌های بیز چندجمله‌ای
  • 27. دسته‌بندی‌کننده‌های بیز برنولی
  • 28. ماشین‌های بردار پشتیبان (Support Vector Machines - SVM)
  • 29. کاربرد SVM در دسته‌بندی
  • 30. کاربرد SVM در رگرسیون
  • 31. درخت‌های تصمیم (Decision Trees)
  • 32. ساخت و تفسیر درخت تصمیم
  • 33. پارامترهای درخت تصمیم
  • 34. جنگل‌های تصادفی (Random Forests)
  • 35. تنظیم پارامترهای جنگل تصادفی
  • 36. تقویت گرادیان (Gradient Boosting)
  • 37. الگوریتم XGBoost
  • 38. الگوریتم LightGBM
  • 39. مقدمه‌ای بر الگوریتم‌های یادگیری بدون نظارت
  • 40. خوشه‌بندی (Clustering)
  • 41. الگوریتم K-Means
  • 42. تنظیم پارامتر K در K-Means
  • 43. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 44. تحلیل مولفه‌های اصلی (Principal Component Analysis - PCA)
  • 45. کاربرد PCA در کاهش ابعاد
  • 46. کاهش ابعاد با t-SNE
  • 47. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 48. نورون مصنوعی و لایه‌ها
  • 49. توابع فعال‌سازی (Activation Functions)
  • 50. پس‌انتشار خطا (Backpropagation)
  • 51. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 52. پایه‌گذاری شبکه‌های عصبی با TensorFlow/Keras
  • 53. ساخت یک شبکه عصبی ساده
  • 54. آموزش و ارزیابی شبکه‌های عصبی
  • 55. بهینه‌سازی شبکه‌های عصبی
  • 56. تنظیم نرخ یادگیری
  • 57. تنظیم اندازه دسته‌ها (Batch Size)
  • 58. تنظیم تعداد دوره‌ها (Epochs)
  • 59. روش‌های منظم‌سازی (Regularization)
  • 60. Dropout
  • 61. L1 و L2 Regularization
  • 62. یادگیری عمیق (Deep Learning)
  • 63. شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks - CNN)
  • 64. کاربرد CNN در پردازش تصویر
  • 65. لایه کانولوشن و Pooling
  • 66. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN)
  • 67. کاربرد RNN در پردازش زبان طبیعی
  • 68. حافظه طولانی کوتاه مدت (LSTM)
  • 69. واحد بازگشتی دروازه‌ای (GRU)
  • 70. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 71. پیش‌پردازش متن
  • 72. توکنیزاسیون (Tokenization)
  • 73. حذف کلمات توقف (Stop Words Removal)
  • 74. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
  • 75. نمایش متنی (Text Representation)
  • 76. مدل Bag-of-Words
  • 77. مدل TF-IDF
  • 78. مدل‌های جاسازی کلمه (Word Embeddings)
  • 79. Word2Vec
  • 80. GloVe
  • 81. شبکه‌های عصبی برای NLP
  • 82. کاربرد مدل‌های زبانی
  • 83. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 84. مفاهیم پایه یادگیری تقویتی
  • 85. عامل، محیط، پاداش
  • 86. مسئله مارکوف تصمیم‌گیری (MDP)
  • 87. الگوریتم‌های یادگیری تقویتی
  • 88. Q-Learning
  • 89. Deep Q-Networks (DQN)
  • 90. مقدمه‌ای بر مدل‌های پیش‌بینی سری زمانی
  • 91. شناسایی مولفه‌های سری زمانی
  • 92. مدل‌های ARIMA
  • 93. مدل‌های Exponential Smoothing
  • 94. کاربرد یادگیری ماشین در پیش‌بینی
  • 95. ارزیابی مدل‌های سری زمانی
  • 96. مقدمه‌ای بر یادگیری ناهمگن (Unsupervised Learning)
  • 97. کاربرد آنسامبل در یادگیری ماشین
  • 98. تکنیک‌های Stacking و Blending
  • 99. آموزش مدل‌های کارآمد
  • 100. بهینه‌سازی مصرف حافظه

📚 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.