سپنتا کتاب اکسپرس
کتاب تحلیل داده‌های کلان با زبان R و Apache Spark

کتاب تحلیل داده‌های کلان با زبان R و Apache Spark

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 تحلیل داده‌های کلان با زبان R و Apache Spark

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل داده‌های کلان و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر تحلیل داده های کلان
  • 2. مفاهیم کلیدی داده های کلان
  • 3. چالش های داده های کلان
  • 4. معماری داده های کلان
  • 5. آشنایی با زبان برنامه نویسی R
  • 6. نصب و پیکربندی R
  • 7. مبانی R برای تحلیل داده
  • 8. ساختارهای داده در R
  • 9. عملیات پایه بر روی داده ها در R
  • 10. مقدمه ای بر Apache Spark
  • 11. معماری Apache Spark
  • 12. اجزای کلیدی Spark
  • 13. نصب و پیکربندی Spark
  • 14. Spark Core API
  • 15. مفاهیم RDD
  • 16. عملیات بر روی RDD ها
  • 17. تبدیلات و اعمال در RDD ها
  • 18. Spark SQL
  • 19. مفاهیم DataFrame
  • 20. عملیات بر روی DataFrame ها
  • 21. توابع پنجره ای در Spark SQL
  • 22. Spark Streaming
  • 23. مفاهیم پردازش جریانی
  • 24. عملیات پایه در Spark Streaming
  • 25. پردازش داده های بلادرنگ
  • 26. Spark MLlib
  • 27. مفاهیم یادگیری ماشین در Spark
  • 28. الگوریتم های طبقه بندی در MLlib
  • 29. الگوریتم های رگرسیون در MLlib
  • 30. الگوریتم های خوشه بندی در MLlib
  • 31. کاهش ابعاد در MLlib
  • 32. مدل های تشخیص ناهنجاری
  • 33. مقدمه ای بر تحلیل داده های کلان با R و Spark
  • 34. اتصال R به Spark
  • 35. استفاده از SparkR
  • 36. کار با DataFrame ها در SparkR
  • 37. عملیات آماری در SparkR
  • 38. مصورسازی داده ها در R
  • 39. تکنیک های مصورسازی پایه
  • 40. مصورسازی پیشرفته داده ها
  • 41. مقدمه ای بر یادگیری ماشین
  • 42. مفاهیم پایه یادگیری ماشین
  • 43. انواع یادگیری ماشین
  • 44. ارزیابی مدل های یادگیری ماشین
  • 45. پیش پردازش داده ها
  • 46. پاکسازی داده ها
  • 47. مهندسی ویژگی
  • 48. انتخاب ویژگی
  • 49. مدل های خطی
  • 50. رگرسیون خطی
  • 51. رگرسیون لجستیک
  • 52. مدل های درختی
  • 53. درخت تصمیم
  • 54. جنگل تصادفی
  • 55. تقویت گرادیان
  • 56. مدل های بردار پشتیبان (SVM)
  • 57. شبکه های عصبی مقدماتی
  • 58. مقدمه ای بر یادگیری عمیق
  • 59. مفهوم لایه ها در شبکه های عصبی
  • 60. توابع فعال سازی
  • 61. پس انتشار خطا
  • 62. شبکه های عصبی کانولوشنی (CNN)
  • 63. کاربرد CNN در بینایی ماشین
  • 64. شبکه های عصبی بازگشتی (RNN)
  • 65. کاربرد RNN در پردازش زبان طبیعی
  • 66. آماده سازی داده ها برای مدل های یادگیری عمیق
  • 67. تنظیم ابرپارامترها
  • 68. اعتبارسنجی متقابل
  • 69. تکنیک های تنظیم مدل
  • 70. مقدمه ای بر تحلیل متن
  • 71. پردازش اولیه متن
  • 72. تکنیک های بازنمایی متن
  • 73. مدل های موضوعی
  • 74. تحلیل احساسات
  • 75. ابزارهای تحلیل متن در R
  • 76. کاربرد R و Spark در تحلیل متن
  • 77. مقدمه ای بر سیستم های توصیه گر
  • 78. انواع سیستم های توصیه گر
  • 79. فیلترینگ مبتنی بر محتوا
  • 80. فیلترینگ مشارکتی
  • 81. مدل های ترکیبی توصیه گر
  • 82. پیاده سازی سیستم توصیه گر با Spark
  • 83. مقدمه ای بر داده های مکانی-زمانی
  • 84. پردازش و تحلیل داده های مکانی-زمانی
  • 85. کاربرد R و Spark در تحلیل داده های مکانی-زمانی
  • 86. مقدمه ای بر داده های گراف
  • 87. مدل سازی داده های گراف
  • 88. تحلیل شبکه های اجتماعی
  • 89. کاربرد R و Spark در تحلیل داده های گراف
  • 90. مقدمه ای بر امنیت داده ها
  • 91. حفظ حریم خصوصی در داده ها
  • 92. مدیریت دسترسی به داده ها
  • 93. رمزنگاری داده ها
  • 94. مقدمه ای بر اخلاق در علم داده
  • 95. سوگیری در الگوریتم ها
  • 96. شفافیت و قابلیت توضیح
  • 97. مسئولیت پذیری در علم داده
  • 98. آینده تحلیل داده های کلان و هوش مصنوعی

📚 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.