سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر ماشین‌های بردار پشتیبان با پایتون

کتاب مقدمه‌ای بر ماشین‌های بردار پشتیبان 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 ماشین‌های بردار پشتیبان با پایتون

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مقدمه ای بر ماشین های بردار پشتیبان (SVM)
  • 5. کاربرد SVM در مسائل طبقه بندی
  • 6. کاربرد SVM در مسائل رگرسیون
  • 7. مبانی ریاضی SVM: جداسازی خطی
  • 8. فضای ویژگی و نگاشت هسته
  • 9. توابع هسته در SVM: هسته خطی
  • 10. توابع هسته در SVM: هسته چند جمله ای
  • 11. توابع هسته در SVM: هسته تابع پایه شعاعی (RBF)
  • 12. توابع هسته در SVM: هسته سیگموئید
  • 13. پیاده سازی SVM در پایتون با Scikit-learn
  • 14. آماده سازی داده ها برای SVM
  • 15. پیش پردازش داده ها: مقیاس بندی ویژگی ها
  • 16. پیش پردازش داده ها: حذف داده های پرت
  • 17. انتخاب پارامترهای SVM: پارامتر C
  • 18. تنظیم هایپرپارامترها با جستجوی شبکه (Grid Search)
  • 19. ارزیابی مدل SVM: معیارهای طبقه بندی
  • 20. ارزیابی مدل SVM: ماتریس درهم ریختگی
  • 21. ارزیابی مدل SVM: دقت، صحت و بازیابی
  • 22. ارزیابی مدل SVM: امتیاز F1
  • 23. ارزیابی مدل SVM: منحنی ROC و AUC
  • 24. کاهش ابعاد و SVM
  • 25. تحلیل مولفه های اصلی (PCA) و SVM
  • 26. تحلیل تفکیک کننده خطی (LDA) و SVM
  • 27. SVM برای طبقه بندی چند کلاسه
  • 28. روش های One-vs-Rest (OvR)
  • 29. روش های One-vs-One (OvO)
  • 30. ملاحظات عملی در استفاده از SVM
  • 31. مدیریت داده های نامتوازن با SVM
  • 32. استفاده از SVM در تشخیص تصویر
  • 33. استفاده از SVM در پردازش زبان طبیعی
  • 34. استفاده از SVM در تشخیص اسپم
  • 35. کاربرد SVM در پیش بینی قیمت سهام
  • 36. کاربرد SVM در تشخیص بیماری
  • 37. کاربرد SVM در سیستم های توصیه گر
  • 38. مقایسه SVM با الگوریتم های دیگر یادگیری ماشین
  • 39. مقایسه SVM با درختان تصمیم
  • 40. مقایسه SVM با شبکه های عصبی
  • 41. مقایسه SVM با الگوریتم K-نزدیکترین همسایه
  • 42. محدودیت های SVM
  • 43. مشکلات محاسباتی SVM با داده های بزرگ
  • 44. راهکارهای مواجهه با داده های بزرگ در SVM
  • 45. آینده SVM و پژوهش های مرتبط
  • 46. مقدمه ای بر یادگیری عمیق
  • 47. شبکه های عصبی پرسپترون چند لایه (MLP)
  • 48. شبکه های عصبی کانولوشنال (CNN)
  • 49. شبکه های عصبی بازگشتی (RNN)
  • 50. کاربرد یادگیری عمیق در بینایی ماشین
  • 51. کاربرد یادگیری عمیق در پردازش زبان طبیعی
  • 52. کاربرد یادگیری عمیق در سیستم های توصیه گر
  • 53. مقدمه ای بر یادگیری تقویتی
  • 54. عناصر اصلی یادگیری تقویتی
  • 55. الگوریتم های یادگیری تقویتی پایه
  • 56. کاربرد یادگیری تقویتی در رباتیک
  • 57. کاربرد یادگیری تقویتی در بازی ها
  • 58. مقدمه ای بر پردازش زبان طبیعی
  • 59. روش های پیش پردازش متن
  • 60. مدل سازی موضوعی (Topic Modeling)
  • 61. تحلیل احساسات (Sentiment Analysis)
  • 62. ترجمه ماشینی
  • 63. تولید متن
  • 64. کاربرد NLP در استخراج اطلاعات
  • 65. مقدمه ای بر بینایی ماشین
  • 66. پردازش اولیه تصاویر
  • 67. تشخیص ویژگی ها در تصاویر
  • 68. تشخیص اشیاء در تصاویر
  • 69. تقسیم بندی تصاویر (Image Segmentation)
  • 70. تولید تصویر
  • 71. کاربرد بینایی ماشین در صنعت
  • 72. کاربرد بینایی ماشین در پزشکی
  • 73. کاربرد بینایی ماشین در کشاورزی
  • 74. اصول اخلاقی در هوش مصنوعی
  • 75. سوگیری در داده ها و مدل ها
  • 76. شفافیت و قابلیت توضیح در هوش مصنوعی
  • 77. حریم خصوصی و امنیت در هوش مصنوعی
  • 78. تاثیر هوش مصنوعی بر جامعه و اشتغال
  • 79. چارچوب های قانونی و نظارتی هوش مصنوعی در ایران
  • 80. رویکردهای بومی سازی هوش مصنوعی
  • 81. کاربرد هوش مصنوعی در اقتصاد مقاومتی
  • 82. هوش مصنوعی و تحول دیجیتال در سازمان ها
  • 83. هوش مصنوعی و حکمرانی داده
  • 84. هوش مصنوعی و امنیت سایبری
  • 85. هوش مصنوعی و بهینه سازی فرآیندها
  • 86. هوش مصنوعی و سلامت دیجیتال
  • 87. هوش مصنوعی و آموزش هوشمند
  • 88. هوش مصنوعی و مدیریت شهری
  • 89. هوش مصنوعی و صنعت دفاعی
  • 90. هوش مصنوعی و پژوهش های پیشرفته
  • 91. آینده هوش مصنوعی در علوم کامپیوتر
  • 92. هوش مصنوعی و علوم داده
  • 93. هوش مصنوعی و اینترنت اشیاء (IoT)
  • 94. هوش مصنوعی و بلاکچین
  • 95. هوش مصنوعی و محاسبات کوانتومی
  • 96. مبانی یادگیری ماشین با پایتون
  • 97. ساخت مدل های پیش بینی با پایتون
  • 98. تحلیل داده های بزرگ با پایتون
  • 99. تصویرسازی داده ها با پایتون
  • 100. کتابخانه های کلیدی یادگیری ماشین در پایتون

📚 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.