سپنتا کتاب اکسپرس
کتاب کاربرد ماشین‌های بردار پشتیبان (SVM) در تحلیل داده با R

کتاب کاربرد ماشین‌های بردار پشتیبان (SVM) در تحلیل داده با R

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 کاربرد ماشین‌های بردار پشتیبان (SVM) در تحلیل داده با R

موضوع کلی: علوم کامپیوتر و داده‌کاوی

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی ماشین‌های بردار پشتیبان
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. مقدمه‌ای بر طبقه‌بندی
  • 7. مقدمه‌ای بر رگرسیون
  • 8. داده‌های آموزشی و آزمایشی
  • 9. پیش‌پردازش داده‌ها
  • 10. مقیاس‌بندی داده‌ها
  • 11. نرمال‌سازی داده‌ها
  • 12. بررسی داده‌های گم‌شده
  • 13. مهندسی ویژگی
  • 14. انتخاب ویژگی
  • 15. کاهش ابعاد
  • 16. تحلیل مؤلفه‌های اصلی (PCA)
  • 17. تجزیه مقادیر منفرد (SVD)
  • 18. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 19. مفهوم ابرصفحه جداکننده
  • 20. حاشیه در SVM
  • 21. هسته‌های SVM
  • 22. هسته خطی
  • 23. هسته چندجمله‌ای
  • 24. هسته تابع پایه شعاعی (RBF)
  • 25. هسته سیگموئید
  • 26. انتخاب هسته مناسب
  • 27. پیاده‌سازی SVM در R
  • 28. کتابخانه e1071
  • 29. تابع `svm()`
  • 30. تنظیم پارامترهای SVM
  • 31. تنظیم پارامتر C (جریمه)
  • 32. تنظیم پارامتر گاما
  • 33. اعتبارسنجی متقابل
  • 34. جستجوی شبکه‌ای (Grid Search)
  • 35. بهینه‌سازی فراپارامترها
  • 36. کاربرد SVM در طبقه‌بندی
  • 37. طبقه‌بندی با هسته خطی
  • 38. طبقه‌بندی با هسته RBF
  • 39. طبقه‌بندی دودویی
  • 40. طبقه‌بندی چندکلاسه
  • 41. استراتژی One-vs-Rest (OvR)
  • 42. استراتژی One-vs-One (OvO)
  • 43. ارزیابی مدل‌های طبقه‌بندی
  • 44. دقت (Accuracy)
  • 45. صحت (Precision)
  • 46. بازیابی (Recall)
  • 47. امتیاز F1
  • 48. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 49. منحنی ROC و AUC
  • 50. کاربرد SVM در رگرسیون
  • 51. رگرسیون بردار پشتیبان (SVR)
  • 52. تنظیم پارامترهای SVR
  • 53. هسته‌های SVR
  • 54. ارزیابی مدل‌های رگرسیون
  • 55. خطای میانگین مربعات (MSE)
  • 56. ریشه خطای میانگین مربعات (RMSE)
  • 57. خطای میانگین قدر مطلق (MAE)
  • 58. ضریب تعیین (R-squared)
  • 59. SVM برای داده‌های غیرخطی
  • 60. تشخیص اسپم با SVM
  • 61. طبقه‌بندی تصاویر با SVM
  • 62. تحلیل احساسات با SVM
  • 63. پیش‌بینی قیمت با SVR
  • 64. تشخیص تقلب با SVM
  • 65. کاربرد SVM در تشخیص ناهنجاری
  • 66. تشخیص ناهنجاری در داده‌های سری زمانی
  • 67. SVM برای یادگیری نیمه‌نظارت شده
  • 68. ملاحظات عملی در استفاده از SVM
  • 69. مقایسه SVM با الگوریتم‌های دیگر
  • 70. نکات پیشرفته در SVM
  • 71. تفسیرپذیری مدل‌های SVM
  • 72. نکات امنیتی در تحلیل داده
  • 73. حریم خصوصی داده‌ها
  • 74. اخلاق در هوش مصنوعی
  • 75. قوانین و مقررات داده‌ها در ایران
  • 76. مدیریت داده‌های حجیم
  • 77. مقدمه‌ای بر داده‌کاوی
  • 78. مراحل داده‌کاوی
  • 79. قوانین داده در ایران
  • 80. امنیت داده‌ها در سامانه آموزشی
  • 81. ملاحظات حقوقی در پردازش داده
  • 82. حفاظت از داده‌های کاربران
  • 83. داده‌های حساس و طبقه‌بندی آن‌ها
  • 84. مقررات مربوط به داده‌های شخصی
  • 85. رعایت حریم خصوصی در تحلیل داده
  • 86. ارتباط با داده‌های کلان (Big Data)
  • 87. کاربرد داده‌کاوی در صنایع ایران
  • 88. تحلیل داده‌های مالی با رویکرد اسلامی
  • 89. مبانی اقتصاد اسلامی در تحلیل داده
  • 90. مدل‌های پیش‌بینی در چارچوب اقتصاد مقاومتی
  • 91. کاربرد تحلیل داده در بهینه‌سازی فرآیندها
  • 92. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 93. شبکه‌های عصبی پرسپترون چندلایه
  • 94. پس‌انتشار خطا
  • 95. مقدمه‌ای بر یادگیری عمیق
  • 96. شبکه‌های عصبی کانولوشنال (CNN)
  • 97. شبکه‌های عصبی بازگشتی (RNN)
  • 98. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 99. پایان‌نامه و پروژه‌های کاربردی
  • 100. مستندسازی فنی پروژه‌ها

📚 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.