سپنتا کتاب اکسپرس
کتاب جامع یادگیری ماشین با پایتون (Python for Machine Learning & Data Science Masterclass 3.0)

کتاب جامع یادگیری ماشین با پایتون (Python for Machine Learning & Data Science Masterclass 3.0)

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 جامع یادگیری ماشین با پایتون (Python for Machine Learning & Data Science Masterclass 3.0)

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمات و آشنایی با علم داده
  • 2. نصب و پیکربندی محیط توسعه پایتون
  • 3. آشنایی با کتابخانه‌های کلیدی علم داده: NumPy
  • 4. کار با آرایه‌های NumPy و عملیات برداری
  • 5. آشنایی با کتابخانه‌های کلیدی علم داده: Pandas
  • 6. کار با دیتافریم‌ها در Pandas
  • 7. پاکسازی و آماده‌سازی داده‌ها
  • 8. مدیریت داده‌های گمشده
  • 9. تبدیل و تغییر شکل داده‌ها
  • 10. ترکیب و ادغام دیتافریم‌ها
  • 11. تجسم داده‌ها با Matplotlib
  • 12. نمودارهای خطی و پراکندگی
  • 13. نمودارهای میله‌ای و هیستوگرام
  • 14. نمودارهای جعبه‌ای و ویولن
  • 15. تجسم داده‌ها با Seaborn
  • 16. شبکه‌های عصبی و یادگیری عمیق
  • 17. مقدمه‌ای بر یادگیری ماشین
  • 18. انواع یادگیری ماشین: نظارت شده
  • 19. انواع یادگیری ماشین: بدون نظارت
  • 20. انواع یادگیری ماشین: تقویتی
  • 21. ارزیابی مدل‌های یادگیری ماشین
  • 22. معیارهای ارزیابی طبقه‌بندی
  • 23. معیارهای ارزیابی رگرسیون
  • 24. مهندسی ویژگی
  • 25. انتخاب ویژگی
  • 26. مدل‌های رگرسیون خطی
  • 27. رگرسیون چندجمله‌ای
  • 28. رگرسیون لجستیک
  • 29. ماشین‌های بردار پشتیبان (SVM)
  • 30. درختان تصمیم
  • 31. جنگل‌های تصادفی
  • 32. تقویت گرادیان
  • 33. مدل‌های خوشه‌بندی: K-Means
  • 34. خوشه‌بندی سلسله مراتبی
  • 35. تحلیل مؤلفه‌های اصلی (PCA)
  • 36. تکنیک‌های کاهش ابعاد
  • 37. مقدمه بر پردازش زبان طبیعی (NLP)
  • 38. پیش‌پردازش متن
  • 39. مدل‌سازی موضوعی
  • 40. تحلیل احساسات
  • 41. شبکه‌های عصبی بازگشتی (RNN)
  • 42. حافظه طولانی کوتاه مدت (LSTM)
  • 43. شبکه‌های عصبی کانولوشنال (CNN)
  • 44. کاربرد CNN در بینایی ماشین
  • 45. مقدمه بر یادگیری عمیق
  • 46. نصب و پیکربندی TensorFlow
  • 47. ساخت مدل‌های ساده با TensorFlow
  • 48. کار با لایه‌های TensorFlow
  • 49. بهینه‌سازها در TensorFlow
  • 50. توابع زیان در TensorFlow
  • 51. مقدمه بر Keras
  • 52. ساخت مدل‌های طبقه‌بندی با Keras
  • 53. ساخت مدل‌های رگرسیون با Keras
  • 54. مدیریت داده‌های حجیم
  • 55. مقدمه بر سیستم‌های توصیه‌گر
  • 56. فیلترینگ مشارکتی
  • 57. فیلترینگ مبتنی بر محتوا
  • 58. یادگیری عمیق برای سیستم‌های توصیه‌گر
  • 59. مقدمه بر یادگیری تقویتی
  • 60. عناصر یادگیری تقویتی
  • 61. الگوریتم‌های یادگیری تقویتی
  • 62. شبکه‌های عصبی عمیق در یادگیری تقویتی
  • 63. کاربردهای عملی یادگیری ماشین
  • 64. کاربرد در حوزه سلامت
  • 65. کاربرد در حوزه مالی
  • 66. کاربرد در حوزه بازاریابی
  • 67. کاربرد در حوزه تشخیص تقلب
  • 68. کاربرد در حوزه پیش‌بینی سری‌های زمانی
  • 69. مقدمه بر یادگیری انتقالی
  • 70. تکنیک‌های یادگیری انتقالی
  • 71. کاربرد یادگیری انتقالی در NLP
  • 72. کاربرد یادگیری انتقالی در بینایی ماشین
  • 73. مدل‌های زبانی بزرگ (LLMs)
  • 74. مقدمه بر مدل‌های ترنسفورمر
  • 75. کاربرد ترنسفورمرها در NLP
  • 76. مباحث اخلاقی در هوش مصنوعی
  • 77. سوگیری در داده‌ها و مدل‌ها
  • 78. مسئولیت‌پذیری در هوش مصنوعی
  • 79. امنیت و حریم خصوصی در هوش مصنوعی
  • 80. مقدمه بر هوش مصنوعی قابل توضیح (XAI)
  • 81. تکنیک‌های XAI
  • 82. کاربرد XAI در مدل‌های یادگیری ماشین
  • 83. مقدمه بر یادگیری فدرال
  • 84. ملاحظات حریم خصوصی در یادگیری فدرال
  • 85. کاربرد یادگیری فدرال
  • 86. مقدمه بر یادگیری خودنظارتی
  • 87. تکنیک‌های یادگیری خودنظارتی
  • 88. کاربرد یادگیری خودنظارتی
  • 89. مقدمه بر یادگیری با داده‌های کم
  • 90. تکنیک‌های یادگیری با داده‌های کم
  • 91. کاربرد یادگیری با داده‌های کم
  • 92. مقدمه بر یادگیری چندوظیفه‌ای
  • 93. تکنیک‌های یادگیری چندوظیفه‌ای
  • 94. کاربرد یادگیری چندوظیفه‌ای
  • 95. مقدمه بر یادگیری تقویتی عمیق
  • 96. تکنیک‌های یادگیری تقویتی عمیق
  • 97. کاربرد یادگیری تقویتی عمیق
  • 98. مقدمه بر یادگیری مبتنی بر گراف
  • 99. شبکه‌های عصبی مبتنی بر گراف
  • 100. کاربرد شبکه‌های عصبی مبتنی بر گراف

📚 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.