سپنتا کتاب اکسپرس
کتاب جامع یادگیری ماشین با پایتون و R برای علم داده

کتاب جامع یادگیری ماشین با پایتون و R برای علم داده

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 جامع یادگیری ماشین با پایتون و R برای علم داده

موضوع کلی: علوم کامپیوتر و داده

موضوع میانی: یادگیری ماشین و علم داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و یادگیری ماشین
  • 2. نصب و راه‌اندازی محیط توسعه پایتون
  • 3. مبانی برنامه‌نویسی پایتون برای علم داده
  • 4. کار با کتابخانه NumPy برای محاسبات عددی
  • 5. کار با کتابخانه Pandas برای تحلیل داده
  • 6. تجسم داده‌ها با Matplotlib و Seaborn
  • 7. مقدمه‌ای بر آمار و احتمال در علم داده
  • 8. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 9. یادگیری ماشین نظارت شده: رگرسیون خطی
  • 10. یادگیری ماشین نظارت شده: رگرسیون چندجمله‌ای
  • 11. یادگیری ماشین نظارت شده: مدل‌های درخت تصمیم
  • 12. یادگیری ماشین نظارت شده: جنگل‌های تصادفی
  • 13. یادگیری ماشین نظارت شده: ماشین‌های بردار پشتیبان (SVM)
  • 14. یادگیری ماشین نظارت شده: رگرسیون لجستیک
  • 15. یادگیری ماشین نظارت شده: شبکه‌های عصبی مقدماتی
  • 16. یادگیری ماشین نظارت شده: طبقه‌بندی K-نزدیک‌ترین همسایه (KNN)
  • 17. یادگیری ماشین نظارت شده: طبقه‌بندی نایو بیز
  • 18. ارزیابی مدل‌های رگرسیون: معیارهای MSE و MAE
  • 19. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت و بازیابی
  • 20. مقدمه‌ای بر یادگیری ماشین بدون نظارت
  • 21. خوشه‌بندی: الگوریتم K-Means
  • 22. خوشه‌بندی: خوشه‌بندی سلسله مراتبی
  • 23. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 24. مقدمه‌ای بر یادگیری عمیق
  • 25. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
  • 26. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 27. کار با کتابخانه Scikit-learn برای پیاده‌سازی مدل‌ها
  • 28. پیش‌پردازش داده‌ها: پاکسازی و مدیریت داده‌های گمشده
  • 29. پیش‌پردازش داده‌ها: نرمال‌سازی و استانداردسازی
  • 30. پیش‌پردازش داده‌ها: کدگذاری متغیرهای دسته‌ای
  • 31. انتخاب ویژگی و مهندسی ویژگی
  • 32. تنظیم هایپرپارامتر مدل‌ها
  • 33. اعتبارسنجی متقابل (Cross-Validation)
  • 34. تشخیص و مدیریت بیش‌برازش (Overfitting)
  • 35. تشخیص و مدیریت کم‌برازش (Underfitting)
  • 36. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 37. کار با کتابخانه NLTK برای NLP
  • 38. کار با کتابخانه SpaCy برای NLP
  • 39. مدل‌سازی موضوعی با LDA
  • 40. تحلیل احساسات با پایتون
  • 41. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 42. پیاده‌سازی سیستم توصیه‌گر مبتنی بر فیلترینگ محتوا
  • 43. پیاده‌سازی سیستم توصیه‌گر مبتنی بر فیلترینگ مشارکتی
  • 44. مقدمه‌ای بر یادگیری تقویتی
  • 45. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 46. کار با کتابخانه TensorFlow برای یادگیری عمیق
  • 47. کار با کتابخانه Keras برای یادگیری عمیق
  • 48. کار با کتابخانه PyTorch برای یادگیری عمیق
  • 49. یادگیری ماشین در عمل: تحلیل داده‌های بازار سهام
  • 50. یادگیری ماشین در عمل: پیش‌بینی تقاضا
  • 51. یادگیری ماشین در عمل: تشخیص ناهنجاری
  • 52. یادگیری ماشین در عمل: پردازش تصویر پزشکی
  • 53. کار با داده‌های بزرگ و مفاهیم مرتبط
  • 54. مقدمه‌ای بر مفاهیم Big Data
  • 55. مقدمه‌ای بر Spark برای پردازش داده‌های بزرگ
  • 56. مقدمه‌ای بر Hadoop
  • 57. مقدمه‌ای بر مفاهیم Data Warehousing
  • 58. مقدمه‌ای بر مفاهیم Data Lake
  • 59. مقدمه‌ای بر معماری‌های کلان داده
  • 60. اخلاق در علم داده و هوش مصنوعی
  • 61. حریم خصوصی داده‌ها و امنیت
  • 62. مسئولیت‌پذیری در هوش مصنوعی
  • 63. مقدمه‌ای بر مبانی اقتصاد و کاربرد آن در علم داده
  • 64. مبانی بانکداری بدون ربا و کاربرد آن
  • 65. عقود اسلامی در معاملات مالی
  • 66. مقررات بانک مرکزی جمهوری اسلامی ایران در حوزه رمزارزها
  • 67. مبانی فقهی معاملات و قراردادها
  • 68. احکام شرعی مرتبط با داده‌ها و اطلاعات
  • 69. مفاهیم کلامی در نسبت علم و دین
  • 70. عرفان اسلامی و ابعاد معنوی داده‌ها
  • 71. روانشناسی خانواده ایرانی-اسلامی
  • 72. روابط بین فردی در چارچوب خانواده
  • 73. مدیریت تعارض در خانواده
  • 74. نقش فناوری در تحکیم خانواده
  • 75. تاریخ تحولات علم و فناوری در ایران
  • 76. سیاست‌گذاری علم و فناوری در جمهوری اسلامی ایران
  • 77. روابط بین‌الملل در حوزه علم و فناوری
  • 78. علوم پزشکی در جمهوری اسلامی ایران
  • 79. پروتکل‌های وزارت بهداشت در حوزه سلامت
  • 80. مبانی طب سنتی و مکمل ایرانی
  • 81. بررسی رویکردهای نوین در درمان
  • 82. مقدمه‌ای بر تجزیه و تحلیل داده‌های سری زمانی
  • 83. مدل‌های ARIMA برای تحلیل سری زمانی
  • 84. مدل‌های پیش‌بینی با استفاده از شبکه‌های عصبی
  • 85. تحلیل شبکه‌های اجتماعی با پایتون
  • 86. مقدمه‌ای بر سیستم‌های اطلاعات جغرافیایی (GIS)
  • 87. کار با داده‌های مکانی و جغرافیایی
  • 88. مقدمه‌ای بر یادگیری ماشین با R
  • 89. مقایسه پایتون و R در علم داده
  • 90. مقدمه‌ای بر ابزارهای بصری‌سازی پیشرفته
  • 91. ساخت داشبوردهای تعاملی با Tableau
  • 92. ساخت داشبوردهای تعاملی با Power BI
  • 93. مقدمه‌ای بر مهندسی ویژگی برای داده‌های متنی
  • 94. مقدمه‌ای بر یادگیری انتقال (Transfer Learning)
  • 95. بهینه‌سازی مدل‌ها برای استقرار
  • 96. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 97. مقدمه‌ای بر هوش مصنوعی مولد
  • 98. کار با مدل‌های زبان بزرگ (LLMs)
  • 99. ملاحظات امنیتی در پیاده‌سازی مدل‌های یادگیری ماشین
  • 100. مقدمه‌ای بر مفاهیم DevOps برای علم داده

📚 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.