کتاب مبانی درخت تصمیم و ناخالصی جینی با کدنویسی 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 مبانی درخت تصمیم و ناخالصی جینی با کدنویسی پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری نظارت شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. آشنایی با یادگیری نظارت شده
  • 3. مفهوم درخت تصمیم
  • 4. کاربرد درخت تصمیم در مسائل واقعی
  • 5. مبانی درخت تصمیم: هدف و ساختار
  • 6. فرایند ساخت درخت تصمیم
  • 7. مفهوم تقسیم گره
  • 8. معیارهای تقسیم گره
  • 9. ناخالصی جینی (Gini Impurity) چیست؟
  • 10. فرمول محاسبه ناخالصی جینی
  • 11. مثال کاربردی ناخالصی جینی
  • 12. انتخاب بهترین ویژگی برای تقسیم
  • 13. الگوریتم ID3 و مبانی آن
  • 14. تفاوت ID3 با معیارهای دیگر
  • 15. مفهوم اطلاعات متقابل (Information Gain)
  • 16. مقایسه ناخالصی جینی و اطلاعات متقابل
  • 17. مفهوم آنتروپی (Entropy)
  • 18. ارتباط آنتروپی با ناخالصی جینی
  • 19. مثال عملی محاسبه آنتروپی
  • 20. نحوه ساخت ریشه درخت تصمیم
  • 21. ساخت گره‌های میانی در درخت
  • 22. مفهوم برگ درخت (Leaf Node)
  • 23. پیش‌بینی با استفاده از درخت تصمیم
  • 24. مثال ساده پیش‌بینی با درخت
  • 25. مشکل بیش‌برازش (Overfitting) در درختان تصمیم
  • 26. روش‌های جلوگیری از بیش‌برازش
  • 27. هرس کردن (Pruning) درختان تصمیم
  • 28. انواع هرس کردن
  • 29. روش هرس کردن مبتنی بر خطا
  • 30. روش هرس کردن مبتنی بر پیچیدگی
  • 31. پیاده‌سازی درخت تصمیم در پایتون
  • 32. نصب کتابخانه‌های مورد نیاز (Scikit-learn)
  • 33. مقدمه ای بر کتابخانه Scikit-learn
  • 34. کلاس `DecisionTreeClassifier`
  • 35. آماده‌سازی داده‌ها برای درخت تصمیم
  • 36. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 37. آموزش مدل درخت تصمیم
  • 38. تنظیم پارامترهای `DecisionTreeClassifier`
  • 39. پارامتر `max_depth`
  • 40. پارامتر `min_samples_split`
  • 41. پارامتر `min_samples_leaf`
  • 42. پارامتر `criterion` (Gini vs Entropy)
  • 43. ارزیابی عملکرد درخت تصمیم
  • 44. متریک‌های ارزیابی: دقت (Accuracy)
  • 45. متریک‌های ارزیابی: صحت (Precision)
  • 46. متریک‌های ارزیابی: بازیابی (Recall)
  • 47. متریک‌های ارزیابی: امتیاز F1
  • 48. مفهوم ماتریس درهم‌ریختگی (Confusion Matrix)
  • 49. رسم ماتریس درهم‌ریختگی
  • 50. تفسیر نتایج ماتریس درهم‌ریختگی
  • 51. مثال عملی ارزیابی مدل
  • 52. تجسم درخت تصمیم
  • 53. کتابخانه `graphviz`
  • 54. نحوه نصب و استفاده از `graphviz`
  • 55. رسم درخت تصمیم با `export_graphviz`
  • 56. تفسیر بصری درخت تصمیم
  • 57. کاربرد درخت تصمیم در مسائل طبقه‌بندی
  • 58. مثال طبقه‌بندی مشتریان
  • 59. مثال طبقه‌بندی ایمیل‌های اسپم
  • 60. کاربرد درخت تصمیم در مسائل رگرسیون
  • 61. مفهوم درخت رگرسیون
  • 62. تفاوت درخت رگرسیون با درخت طبقه‌بندی
  • 63. معیارهای تقسیم در درخت رگرسیون (MSE)
  • 64. مفهوم خطای میانگین مربعات (MSE)
  • 65. پیاده‌سازی درخت رگرسیون در پایتون
  • 66. کلاس `DecisionTreeRegressor`
  • 67. آموزش و ارزیابی درخت رگرسیون
  • 68. مثال رگرسیون قیمت مسکن
  • 69. مثال رگرسیون پیش‌بینی دما
  • 70. مزایای درختان تصمیم
  • 71. معایب درختان تصمیم
  • 72. مقایسه درختان تصمیم با الگوریتم‌های دیگر
  • 73. درختان تصمیم در مقابل رگرسیون لجستیک
  • 74. درختان تصمیم در مقابل ماشین‌های بردار پشتیبان (SVM)
  • 75. درختان تصمیم در مقابل شبکه‌های عصبی
  • 76. مفهوم مجموعه‌سازی (Ensemble Methods)
  • 77. مقدمه‌ای بر روش‌های مجموعه‌سازی
  • 78. الگوریتم جنگل تصادفی (Random Forest)
  • 79. نحوه کار جنگل تصادفی
  • 80. مزایای جنگل تصادفی
  • 81. پیاده‌سازی جنگل تصادفی در پایتون
  • 82. کلاس `RandomForestClassifier`
  • 83. تنظیم پارامترهای جنگل تصادفی
  • 84. اهمیت ویژگی‌ها (Feature Importance)
  • 85. تفسیر اهمیت ویژگی‌ها
  • 86. کاربرد جنگل تصادفی در مسائل پیچیده
  • 87. الگوریتم تقویت گرادیان (Gradient Boosting)
  • 88. نحوه کار تقویت گرادیان
  • 89. پیاده‌سازی تقویت گرادیان در پایتون
  • 90. کلاس `GradientBoostingClassifier`
  • 91. تنظیم پارامترهای تقویت گرادیان
  • 92. مقایسه جنگل تصادفی و تقویت گرادیان
  • 93. کاربردهای پیشرفته درختان تصمیم
  • 94. درختان تصمیم در یادگیری تقویتی
  • 95. ملاحظات اخلاقی در استفاده از درختان تصمیم
  • 96. شفافیت و قابلیت تفسیر مدل
  • 97. مسؤولیت‌پذیری در تصمیم‌گیری‌های مبتنی بر هوش مصنوعی
  • 98. جمع‌بندی مبانی درخت تصمیم و ناخالصی جینی
  • 99. مسیرهای یادگیری بیشتر در 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.