سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری ماشین برای تحلیل داده‌ها

کتاب مبانی و کاربردهای یادگیری ماشین برای تحلیل داده‌ها

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 و کاربردهای یادگیری ماشین برای تحلیل داده‌ها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر علم داده و یادگیری ماشین
  • 2. مفاهیم اساسی علم داده
  • 3. انواع داده و ساختارهای آن
  • 4. پیش پردازش داده ها
  • 5. پاکسازی و نرمال سازی داده ها
  • 6. مهندسی ویژگی
  • 7. انتخاب ویژگی
  • 8. مقدمه ای بر یادگیری ماشین
  • 9. یادگیری نظارت شده
  • 10. یادگیری بدون نظارت
  • 11. یادگیری تقویتی
  • 12. الگوریتم های رگرسیون خطی
  • 13. ارزیابی مدل های رگرسیون
  • 14. الگوریتم های رگرسیون لجستیک
  • 15. ارزیابی مدل های طبقه بندی
  • 16. درخت تصمیم
  • 17. جنگل تصادفی
  • 18. ماشین بردار پشتیبان
  • 19. خوشه بندی
  • 20. الگوریتم K-Means
  • 21. تحلیل مولفه اصلی (PCA)
  • 22. کاهش ابعاد
  • 23. مقدمه ای بر شبکه های عصبی
  • 24. نورون مصنوعی
  • 25. توابع فعال سازی
  • 26. پس انتشار خطا
  • 27. شبکه های عصبی پرسپترون چند لایه
  • 28. آموزش شبکه های عصبی
  • 29. تنظیم ابرپارامترها
  • 30. شبکه های عصبی کانولوشنال (CNN)
  • 31. کاربرد CNN در بینایی ماشین
  • 32. شبکه های عصبی بازگشتی (RNN)
  • 33. کاربرد RNN در پردازش زبان طبیعی
  • 34. مدل های زبانی
  • 35. یادگیری عمیق
  • 36. معماری های یادگیری عمیق
  • 37. یادگیری انتقالی
  • 38. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 39. توکن سازی و نرمال سازی متن
  • 40. مدل های نمایش کلمه (Word Embeddings)
  • 41. Word2Vec
  • 42. GloVe
  • 43. مدل های ترنسفورمر
  • 44. BERT
  • 45. کاربرد NLP در تحلیل احساسات
  • 46. خلاصه سازی متن
  • 47. ترجمه ماشینی
  • 48. مقدمه ای بر بینایی ماشین
  • 49. تشخیص اشیاء
  • 50. تقسیم بندی تصاویر
  • 51. تشخیص چهره
  • 52. کاربرد بینایی ماشین در صنعت
  • 53. مقدمه ای بر یادگیری تقویتی
  • 54. محیط و عامل در یادگیری تقویتی
  • 55. پاداش و حالت
  • 56. سیاست و ارزش
  • 57. الگوریتم های Q-Learning
  • 58. کاربرد یادگیری تقویتی در رباتیک
  • 59. مقدمه ای بر علم داده های بزرگ (Big Data)
  • 60. مفاهیم و چالش های داده های بزرگ
  • 61. ابزارهای پردازش داده های بزرگ
  • 62. Apache Hadoop
  • 63. Apache Spark
  • 64. مقدمه ای بر یادگیری ماشین توزیع شده
  • 65. کاربرد یادگیری ماشین در حوزه سلامت
  • 66. تشخیص بیماری
  • 67. توسعه دارو
  • 68. کاربرد یادگیری ماشین در حوزه مالی
  • 69. تشخیص تقلب
  • 70. مدیریت ریسک
  • 71. پیش بینی بازار سهام
  • 72. کاربرد یادگیری ماشین در حوزه بازاریابی
  • 73. شخصی سازی محتوا
  • 74. پیش بینی رفتار مشتری
  • 75. کاربرد یادگیری ماشین در حوزه تولید
  • 76. کنترل کیفیت
  • 77. بهینه سازی فرآیندها
  • 78. مقدمه ای بر اخلاق در علم داده و یادگیری ماشین
  • 79. سوگیری در الگوریتم ها
  • 80. حریم خصوصی داده ها
  • 81. مسئولیت پذیری در هوش مصنوعی
  • 82. مباحث پیشرفته در یادگیری ماشین
  • 83. یادگیری چند وظیفه ای
  • 84. یادگیری تقویتی عمیق
  • 85. یادگیری چند نماینده ای
  • 86. یادگیری ناظر با تقویتی
  • 87. یادگیری فدرال
  • 88. مباحث پیشرفته در پردازش زبان طبیعی
  • 89. مدل های مولد
  • 90. شبکه های مولد تخاصمی (GANs)
  • 91. ترکیب NLP و بینایی ماشین
  • 92. یادگیری ماشین برای اینترنت اشیاء (IoT)
  • 93. تحلیل داده های حسگرها
  • 94. پیش بینی نگهداری
  • 95. امنیت در سیستم های یادگیری ماشین
  • 96. مقدمه ای بر یادگیری ماشین قابل تفسیر (XAI)
  • 97. تکنیک های تفسیر مدل
  • 98. توضیح پیش بینی ها
  • 99. کاربرد XAI در حوزه های حساس
  • 100. مقدمه ای بر یادگیری ماشین در خدمت به تولید ملی

📚 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.