سپنتا کتاب اکسپرس
کتاب مبانی مدل‌سازی یادگیری ماشین با Sklearn

کتاب مبانی مدل‌سازی یادگیری ماشین با Sklearn

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 مبانی مدل‌سازی یادگیری ماشین با Sklearn

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین کاربردی

📋 سرفصل‌های دوره

  • 1. مقدمه بر علم داده و یادگیری ماشین
  • 2. آشنایی با کتابخانه Sklearn
  • 3. نصب و پیکربندی Sklearn
  • 4. مفاهیم پایه یادگیری ماشین
  • 5. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 6. پیش‌پردازش داده‌ها
  • 7. پاکسازی داده‌ها
  • 8. مقیاس‌بندی ویژگی‌ها
  • 9. کدگذاری متغیرهای دسته‌ای
  • 10. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 11. ارزیابی مدل‌ها
  • 12. معیارهای ارزیابی برای رگرسیون
  • 13. معیارهای ارزیابی برای طبقه‌بندی
  • 14. ماتریس درهم‌ریختگی
  • 15. اعتبارسنجی متقابل
  • 16. مدل‌های رگرسیون خطی
  • 17. رگرسیون خطی ساده
  • 18. رگرسیون خطی چندگانه
  • 19. تنظیم گرادیان
  • 20. مدل‌های رگرسیون چندجمله‌ای
  • 21. مدل‌های طبقه‌بندی
  • 22. رگرسیون لجستیک
  • 23. ماشین‌های بردار پشتیبان (SVM)
  • 24. درختان تصمیم
  • 25. جنگل‌های تصادفی
  • 26. مدل‌های خوشه‌بندی
  • 27. K-Means
  • 28. خوشه‌بندی سلسله مراتبی
  • 29. DBSCAN
  • 30. مدل‌های کاهش ابعاد
  • 31. تحلیل مولفه‌های اصلی (PCA)
  • 32. تجزیه مقادیر منفرد (SVD)
  • 33. نمودار t-SNE
  • 34. مدل‌های انتخاب ویژگی
  • 35. فیلترهای مبتنی بر معیار
  • 36. ویژگی‌های جاسازی شده
  • 37. انتخاب مبتنی بر مدل
  • 38. یادگیری عمیق و شبکه‌های عصبی
  • 39. مقدمه‌ای بر شبکه‌های عصبی
  • 40. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 41. توابع فعال‌سازی
  • 42. پس‌انتشار خطا
  • 43. بهینه‌سازی شبکه‌های عصبی
  • 44. بهینه‌سازها (Adam, SGD)
  • 45. تنظیم نرخ یادگیری
  • 46. تنظیم‌کننده‌ها (L1, L2)
  • 47. کاهش نرخ یادگیری
  • 48. مدل‌های پیچیده‌تر شبکه عصبی
  • 49. شبکه‌های عصبی کانولوشنال (CNN)
  • 50. شبکه‌های عصبی بازگشتی (RNN)
  • 51. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 52. شبکه‌های حافظه طولانی کوتاه (GRU)
  • 53. پردازش زبان طبیعی (NLP)
  • 54. نمایش متن (Bag-of-Words)
  • 55. TF-IDF
  • 56. جاسازی کلمات (Word Embeddings)
  • 57. مدل‌های زبانی
  • 58. مدل‌های ترنسفورمر (مقدماتی)
  • 59. کاربرد مدل‌های ترنسفورمر
  • 60. تنظیم دقیق مدل‌های ترنسفورمر
  • 61. مدل‌های پیش‌ساخته (Pre-trained Models)
  • 62. کاربرد مدل‌های پیش‌ساخته
  • 63. تکنیک‌های پیشرفته در Sklearn
  • 64. یادگیری انتقالی (Transfer Learning)
  • 65. یادگیری تقویتی (مقدماتی)
  • 66. کاربرد یادگیری تقویتی
  • 67. مدل‌های ترکیبی (Ensemble Methods)
  • 68. Bagging
  • 69. Boosting (AdaBoost, Gradient Boosting)
  • 70. Stacking
  • 71. مدل‌های یادگیری نیمه‌نظارت شده
  • 72. مدل‌های یادگیری خودنظارت شده
  • 73. مدل‌های یادگیری چند وظیفه‌ای
  • 74. مدل‌های تشخیص ناهنجاری
  • 75. مدل‌های پیش‌بینی سری‌های زمانی
  • 76. مدل‌های پردازش تصویر
  • 77. کاربرد Sklearn در پروژه‌های واقعی
  • 78. ملاحظات اخلاقی در هوش مصنوعی
  • 79. حریم خصوصی داده‌ها
  • 80. امنیت مدل‌ها
  • 81. قابلیت تفسیر مدل‌ها
  • 82. سوگیری در مدل‌ها
  • 83. کاربرد هوش مصنوعی در اقتصاد اسلامی
  • 84. کاربرد هوش مصنوعی در بانکداری بدون ربا
  • 85. کاربرد هوش مصنوعی در بیمه اسلامی
  • 86. کاربرد هوش مصنوعی در توسعه پایدار
  • 87. کاربرد هوش مصنوعی در سلامت
  • 88. کاربرد هوش مصنوعی در آموزش
  • 89. کاربرد هوش مصنوعی در کشاورزی
  • 90. کاربرد هوش مصنوعی در مدیریت شهری
  • 91. کاربرد هوش مصنوعی در صنعت
  • 92. کاربرد هوش مصنوعی در تحقیقات علمی
  • 93. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 94. کاربرد هوش مصنوعی در پیش‌بینی روند بازار
  • 95. کاربرد هوش مصنوعی در تحلیل داده‌های اجتماعی
  • 96. کاربرد هوش مصنوعی در بهبود کیفیت زندگی
  • 97. کاربرد هوش مصنوعی در ارتقاء امنیت
  • 98. کاربرد هوش مصنوعی در دستیابی به دانش
  • 99. مدیریت پروژه در علم داده
  • 100. اصول مهندسی نرم‌افزار 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.