سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری ماشین و علم داده با پایتون

کتاب مقدمه‌ای بر یادگیری ماشین و علم داده 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 مقدمه‌ای بر یادگیری ماشین و علم داده با پایتون

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و یادگیری ماشین
  • 2. مفاهیم پایه پایتون برای علم داده
  • 3. ساختارهای داده در پایتون
  • 4. توابع و ماژول‌ها در پایتون
  • 5. مفاهیم اولیه برنامه‌نویسی شیءگرا
  • 6. نصب و پیکربندی محیط توسعه
  • 7. کار با کتابخانه‌های NumPy و Pandas
  • 8. عملیات پایه با آرایه‌ها در NumPy
  • 9. کار با دیتافریم‌ها در Pandas
  • 10. بارگذاری و ذخیره داده‌ها
  • 11. پاکسازی و پیش‌پردازش داده‌ها
  • 12. مدیریت داده‌های گمشده
  • 13. شناسایی و حذف داده‌های پرت
  • 14. تبدیل و نرمال‌سازی داده‌ها
  • 15. مهندسی ویژگی (Feature Engineering)
  • 16. مقدمه‌ای بر مصورسازی داده‌ها
  • 17. رسم نمودارهای پایه با Matplotlib
  • 18. رسم نمودارهای پیشرفته با Seaborn
  • 19. تحلیل اکتشافی داده‌ها (EDA)
  • 20. مفاهیم پایه آمار برای علم داده
  • 21. میانگین، میانه و مد
  • 22. واریانس و انحراف معیار
  • 23. توزیع‌های آماری رایج
  • 24. آزمون فرض آماری
  • 25. مقدمه‌ای بر یادگیری ماشین
  • 26. انواع یادگیری ماشین (نظارت‌شده، بدون نظارت، تقویتی)
  • 27. مجموعه داده‌های آموزشی، اعتبارسنجی و آزمون
  • 28. ارزیابی مدل‌ها در یادگیری نظارت‌شده
  • 29. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 30. دقت، صحت و بازیابی
  • 31. امتیاز F1 و منحنی ROC
  • 32. معیارهای ارزیابی مدل‌های رگرسیون
  • 33. خطای میانگین مربعات (MSE)
  • 34. خطای میانگین قدر مطلق (MAE)
  • 35. ضریب تعیین (R-squared)
  • 36. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت‌شده
  • 37. رگرسیون خطی ساده
  • 38. رگرسیون خطی چندگانه
  • 39. رگرسیون چندجمله‌ای
  • 40. مدل‌های طبقه‌بندی
  • 41. رگرسیون لجستیک
  • 42. ماشین‌های بردار پشتیبان (SVM)
  • 43. درخت‌های تصمیم
  • 44. جنگل‌های تصادفی (Random Forests)
  • 45. گره‌ترین همسایگان (K-Nearest Neighbors)
  • 46. نظارت بر بایاس (Bayesian Classification)
  • 47. مقدمه‌ای بر الگوریتم‌های یادگیری بدون نظارت
  • 48. خوشه‌بندی (Clustering)
  • 49. الگوریتم K-Means
  • 50. خوشه‌بندی سلسله‌مراتبی
  • 51. تحلیل مؤلفه‌های اصلی (PCA)
  • 52. کاهش ابعاد داده‌ها
  • 53. مقدمه‌ای بر یادگیری تقویتی
  • 54. مفاهیم پایه یادگیری تقویتی
  • 55. کاربردها در دنیای واقعی
  • 56. مقدمه‌ای بر یادگیری عمیق
  • 57. شبکه‌های عصبی مصنوعی
  • 58. تابع فعال‌سازی
  • 59. پس‌انتشار خطا (Backpropagation)
  • 60. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 61. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 62. کاربرد CNN در پردازش تصویر
  • 63. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 64. کاربرد RNN در پردازش زبان طبیعی
  • 65. یادگیری عمیق برای داده‌های ساختاریافته
  • 66. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 67. پیش‌پردازش متن
  • 68. توزیع واژگان
  • 69. مدل‌سازی موضوعی (Topic Modeling)
  • 70. تحلیل احساسات (Sentiment Analysis)
  • 71. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 72. فیلترینگ مبتنی بر محتوا
  • 73. فیلترینگ مشارکتی
  • 74. ترکیب روش‌ها
  • 75. کاربرد یادگیری ماشین در تحلیل داده‌های مالی
  • 76. پیش‌بینی روند سهام
  • 77. تشخیص تقلب
  • 78. کاربرد یادگیری ماشین در حوزه سلامت
  • 79. تشخیص بیماری‌ها
  • 80. تجزیه و تحلیل تصاویر پزشکی
  • 81. مقدمه‌ای بر اخلاق در علم داده
  • 82. حریم خصوصی داده‌ها
  • 83. سوگیری در الگوریتم‌ها
  • 84. مسئولیت‌پذیری در هوش مصنوعی
  • 85. کاربرد علم داده در کسب و کار
  • 86. بهینه‌سازی فرآیندها
  • 87. درک رفتار مشتری
  • 88. مقدمه‌ای بر ابزارهای پیشرفته علم داده
  • 89. چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 90. پلتفرم‌های ابری برای علم داده
  • 91. ابزارهای مدیریت پروژه علم داده
  • 92. بهینه‌سازی مدل‌ها و پارامترها
  • 93. اعتبارسنجی متقابل (Cross-validation)
  • 94. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 95. یادگیری انتقالی (Transfer Learning)
  • 96. مقدمه‌ای بر یادگیری تقویتی پیشرفته
  • 97. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 98. کاربردها در رباتیک و بازی‌ها
  • 99. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 100. کاربرد GNN در تحلیل شبکه‌های اجتماعی

📚 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.