سپنتا کتاب اکسپرس
کتاب مهندسی ویژگی در زبان برنامه‌نویسی R برای تحلیل داده

کتاب مهندسی ویژگی در زبان برنامه‌نویسی R برای تحلیل 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 مهندسی ویژگی در زبان برنامه‌نویسی R برای تحلیل داده

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: مهندسی ویژگی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی ویژگی در R
  • 2. مبانی تحلیل داده با R
  • 3. نصب و راه‌اندازی R و RStudio
  • 4. آشنایی با ساختارهای داده در R
  • 5. کار با بردارها و لیست‌ها در R
  • 6. کار با ماتریس‌ها و آرایه‌ها در R
  • 7. کار با دیتا فریم‌ها در R
  • 8. مقدمه‌ای بر کتابخانه dplyr
  • 9. فیلتر کردن داده‌ها در dplyr
  • 10. مرتب‌سازی داده‌ها در dplyr
  • 11. انتخاب ستون‌ها در dplyr
  • 12. ایجاد ستون‌های جدید در dplyr
  • 13. تجمع و خلاصه‌سازی داده‌ها در dplyr
  • 14. اتصال دیتا فریم‌ها در dplyr
  • 15. مقدمه‌ای بر کتابخانه tidyr
  • 16. نرمال‌سازی داده‌ها در tidyr
  • 17. مرتب‌سازی داده‌ها در tidyr
  • 18. تغییر شکل دیتا فریم‌ها در tidyr
  • 19. داده‌های گمشده و روش‌های مدیریت آن‌ها
  • 20. شناسایی و بررسی داده‌های گمشده
  • 21. حذف داده‌های گمشده
  • 22. جایگزینی داده‌های گمشده با میانگین
  • 23. جایگزینی داده‌های گمشده با میانه
  • 24. جایگزینی داده‌های گمشده با مد
  • 25. جایگزینی داده‌های گمشده با روش‌های پیشرفته‌تر
  • 26. شناسایی و مدیریت داده‌های پرت
  • 27. روش‌های بصری شناسایی داده‌های پرت
  • 28. روش‌های آماری شناسایی داده‌های پرت
  • 29. حذف داده‌های پرت
  • 30. تبدیل داده‌های پرت
  • 31. کدگذاری متغیرهای دسته‌ای
  • 32. کدگذاری وان-هات (One-Hot Encoding)
  • 33. کدگذاری برچسب (Label Encoding)
  • 34. کدگذاری فرکانس (Frequency Encoding)
  • 35. کدگذاری مقیاس‌بندی (Scaling Encoding)
  • 36. کدگذاری مبتنی بر هدف (Target Encoding)
  • 37. کدگذاری متغیرهای ترتیبی
  • 38. مقدمه‌ای بر مقیاس‌بندی ویژگی‌ها
  • 39. نرمال‌سازی (Min-Max Scaling)
  • 40. استانداردسازی (Z-Score Standardization)
  • 41. مقیاس‌بندی قوی (Robust Scaling)
  • 42. تبدیل‌های لگاریتمی
  • 43. تبدیل‌های جذر
  • 44. تبدیل‌های جعبه-کاکس (Box-Cox Transformation)
  • 45. ایجاد ویژگی‌های جدید از تاریخ و زمان
  • 46. استخراج سال، ماه، روز از تاریخ
  • 47. استخراج ساعت، دقیقه، ثانیه از زمان
  • 48. محاسبه فاصله زمانی بین دو تاریخ
  • 49. ایجاد ویژگی‌های روز هفته و تعطیلات
  • 50. استخراج فصل و سال کبیسه
  • 51. ایجاد ویژگی‌های ترکیبی
  • 52. ترکیب دو یا چند ویژگی عددی
  • 53. ترکیب ویژگی‌های دسته‌ای
  • 54. ایجاد ویژگی‌های تعاملی
  • 55. استفاده از توابع چند جمله‌ای
  • 56. ایجاد ویژگی‌های مبتنی بر دانش دامنه
  • 57. تحلیل اکتشافی داده‌ها (EDA)
  • 58. تجسم داده‌ها برای درک بهتر
  • 59. نمودارهای هیستوگرام و چگالی
  • 60. نمودارهای جعبه‌ای (Box Plots)
  • 61. نمودارهای پراکندگی (Scatter Plots)
  • 62. نمودارهای میله‌ای (Bar Charts)
  • 63. نمودارهای خطی (Line Charts)
  • 64. ماتریس همبستگی
  • 65. شناسایی الگوها و روابط در داده‌ها
  • 66. انتخاب ویژگی‌ها (Feature Selection)
  • 67. روش‌های فیلتر (Filter Methods)
  • 68. روش‌های پوشش (Wrapper Methods)
  • 69. روش‌های جاسازی شده (Embedded Methods)
  • 70. انتخاب ویژگی با استفاده از تحلیل مؤلفه‌های اصلی (PCA)
  • 71. مقدمه‌ای بر کاهش ابعاد
  • 72. تکنیک‌های کاهش ابعاد
  • 73. استفاده از PCA در مهندسی ویژگی
  • 74. کاربرد PCA در مصورسازی داده‌ها
  • 75. مقدمه‌ای بر مدل‌های یادگیری ماشین
  • 76. انواع مدل‌های یادگیری ماشین
  • 77. رگرسیون خطی
  • 78. رگرسیون لجستیک
  • 79. درخت تصمیم
  • 80. جنگل تصادفی
  • 81. ماشین بردار پشتیبان (SVM)
  • 82. شبکه‌های عصبی
  • 83. مقدمه‌ای بر اعتبارسنجی مدل
  • 84. اعتبارسنجی متقابل (Cross-Validation)
  • 85. تقسیم داده به مجموعه‌های آموزش و آزمون
  • 86. ارزیابی عملکرد مدل
  • 87. معیارهای ارزیابی مدل‌های رگرسیون
  • 88. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 89. کاربرد مهندسی ویژگی در بهبود مدل‌ها
  • 90. مثال عملی: مهندسی ویژگی برای پیش‌بینی قیمت مسکن
  • 91. مثال عملی: مهندسی ویژگی برای تشخیص تقلب
  • 92. مثال عملی: مهندسی ویژگی برای تحلیل احساسات متن
  • 93. نکات پیشرفته در مهندسی ویژگی
  • 94. خودکارسازی مهندسی ویژگی
  • 95. ابزارها و کتابخانه‌های خودکارسازی
  • 96. چالش‌های مهندسی ویژگی
  • 97. آینده مهندسی ویژگی

📚 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.