سپنتا کتاب اکسپرس
کتاب مبانی علم داده و یادگیری ماشین با پایتون

کتاب مبانی علم داده و یادگیری ماشین با 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 مبانی علم داده و یادگیری ماشین با پایتون

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: علم داده و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده
  • 2. آشنایی با مفاهیم کلیدی علم داده
  • 3. کاربرد علم داده در صنعت
  • 4. ابزارها و کتابخانه‌های علم داده در پایتون
  • 5. نصب و پیکربندی محیط پایتون برای علم داده
  • 6. مبانی برنامه‌نویسی پایتون برای علم داده
  • 7. ساختارهای داده در پایتون (لیست‌ها، تاپل‌ها، دیکشنری‌ها)
  • 8. عملیات پایه با داده‌ها در پایتون
  • 9. کتابخانه NumPy برای محاسبات عددی
  • 10. آرایه‌های NumPy و عملیات روی آن‌ها
  • 11. نمایش داده‌ها با کتابخانه Matplotlib
  • 12. رسم نمودارهای پایه (خطی، میله‌ای، پراکندگی)
  • 13. کتابخانه Pandas برای دستکاری و تحلیل داده
  • 14. ساختارهای داده DataFrame و Series در Pandas
  • 15. بارگذاری و ذخیره داده‌ها با Pandas
  • 16. پاکسازی و پیش‌پردازش داده‌ها
  • 17. مدیریت مقادیر گمشده (Missing Values)
  • 18. تبدیل و نرمال‌سازی داده‌ها
  • 19. شناسایی و حذف داده‌های پرت (Outliers)
  • 20. مهندسی ویژگی (Feature Engineering)
  • 21. ایجاد ویژگی‌های جدید از داده‌های موجود
  • 22. انتخاب ویژگی (Feature Selection)
  • 23. مقدمه‌ای بر یادگیری ماشین
  • 24. یادگیری نظارت شده (Supervised Learning)
  • 25. یادگیری بدون نظارت (Unsupervised Learning)
  • 26. یادگیری تقویتی (Reinforcement Learning)
  • 27. انواع مسائل در یادگیری ماشین (رگرسیون، طبقه‌بندی)
  • 28. الگوریتم رگرسیون خطی (Linear Regression)
  • 29. ارزیابی مدل‌های رگرسیون
  • 30. الگوریتم رگرسیون لجستیک (Logistic Regression)
  • 31. مقدمه‌ای بر طبقه‌بندی
  • 32. الگوریتم ماشین بردار پشتیبان (SVM)
  • 33. الگوریتم درخت تصمیم (Decision Tree)
  • 34. الگوریتم جنگل تصادفی (Random Forest)
  • 35. الگوریتم K-نزدیک‌ترین همسایه (K-NN)
  • 36. ارزیابی مدل‌های طبقه‌بندی
  • 37. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 38. دقت (Accuracy)، صحت (Precision) و بازیابی (Recall)
  • 39. شاخص F1 (F1-Score)
  • 40. منحنی ROC و سطح زیر منحنی (AUC)
  • 41. ریسک بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 42. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 43. اعتبارسنجی متقابل (Cross-Validation)
  • 44. الگوریتم خوشه‌بندی K-Means
  • 45. ارزیابی مدل‌های خوشه‌بندی
  • 46. کاهش ابعاد (Dimensionality Reduction)
  • 47. تحلیل مولفه‌های اصلی (PCA)
  • 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 49. توکنیزاسیون (Tokenization) و نرمال‌سازی متن
  • 50. نمایش متنی به صورت بردار (Bag-of-Words, TF-IDF)
  • 51. مقدمه‌ای بر شبکه‌های عصبی مصنوعی (ANN)
  • 52. لایه ورودی، لایه‌های پنهان و لایه خروجی
  • 53. توابع فعال‌سازی (Activation Functions)
  • 54. پس‌انتشار خطا (Backpropagation)
  • 55. آموزش شبکه‌های عصبی
  • 56. شبکه‌های عصبی کانولوشنی (CNN)
  • 57. کاربرد CNN در پردازش تصویر
  • 58. شبکه‌های عصبی بازگشتی (RNN)
  • 59. کاربرد RNN در پردازش توالی (مانند متن)
  • 60. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 61. معماری‌های رایج یادگیری عمیق
  • 62. کاربردهای علم داده و یادگیری ماشین در کسب‌وکار
  • 63. تحلیل داده‌های مشتریان
  • 64. پیش‌بینی فروش
  • 65. سیستم‌های توصیه‌گر (Recommendation Systems)
  • 66. شناسایی تقلب (Fraud Detection)
  • 67. مدیریت ریسک در نظام بانکی
  • 68. اصول و مبانی اقتصاد اسلامی در بانکداری
  • 69. مبانی عقود اسلامی در نظام بانکی
  • 70. مدیریت سرمایه‌گذاری در چارچوب اسلامی
  • 71. اصول بیمه در فقه اسلامی
  • 72. اخلاق حرفه‌ای در علم داده
  • 73. ملاحظات شرعی در جمع‌آوری و استفاده از داده
  • 74. حریم خصوصی و امنیت داده‌ها در چارچوب قوانین
  • 75. مسئولیت‌پذیری در الگوریتم‌های یادگیری ماشین
  • 76. مبانی تحلیل آماری داده‌ها
  • 77. توزیع‌های آماری رایج
  • 78. آزمون فرض آماری
  • 79. مقدمه‌ای بر بهینه‌سازی
  • 80. الگوریتم‌های بهینه‌سازی در یادگیری ماشین
  • 81. یادگیری آماری (Statistical Learning)
  • 82. مدل‌های خطی تعمیم‌یافته (Generalized Linear Models)
  • 83. مدل‌های یادگیری مبتنی بر درخت (Tree-Based Learning)
  • 84. مجموعه‌های تقویت‌شده (Ensemble Methods)
  • 85. مقدمه‌ای بر یادگیری عمیق پیشرفته
  • 86. شبکه‌های مولد تخاصمی (GANs)
  • 87. شبکه‌های عصبی ترنسفورمر (Transformers)
  • 88. کاربرد ترنسفورمرها در NLP
  • 89. اصول داده‌کاوی (Data Mining)
  • 90. قواعد وابستگی (Association Rules)
  • 91. کشف الگوهای پنهان در داده‌ها
  • 92. مبانی تحلیل سری‌های زمانی (Time Series Analysis)
  • 93. مدل‌های ARIMA
  • 94. پیش‌بینی در سری‌های زمانی
  • 95. مقدمه‌ای بر یادگیری تقویتی
  • 96. عوامل، محیط و پاداش در یادگیری تقویتی
  • 97. الگوریتم‌های Q-Learning
  • 98. کاربرد یادگیری تقویتی در رباتیک و بازی‌ها
  • 99. کاربرد علم داده در بهداشت و درمان
  • 100. تشخیص بیماری‌ها با یادگیری ماشین

📚 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.