سپنتا کتاب اکسپرس
کتاب جامع پایتون برای تحلیل داده و یادگیری ماشین

کتاب جامع پایتون برای تحلیل داده و یادگیری ماشین

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 پایتون برای تحلیل داده و یادگیری ماشین

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: تحلیل داده و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی پایتون برای تحلیل داده
  • 2. نصب و پیکربندی محیط توسعه
  • 3. کار با انواع داده‌های پایه در پایتون
  • 4. ساختارهای داده: لیست‌ها و تاپل‌ها
  • 5. ساختارهای داده: دیکشنری‌ها و مجموعه‌ها
  • 6. عملیات مقدماتی با رشته‌ها
  • 7. توابع در پایتون
  • 8. ماژول‌ها و بسته‌های پایتون
  • 9. مقدمه‌ای بر NumPy
  • 10. آرایه‌های NumPy و عملیات پایه
  • 11. عملیات ریاضی و منطقی با NumPy
  • 12. اندیس‌گذاری و برش در NumPy
  • 13. تغییر شکل و عملیات روی ابعاد آرایه‌ها
  • 14. توابع آماری در NumPy
  • 15. مقدمه‌ای بر Pandas
  • 16. ساختار داده Series در Pandas
  • 17. ساختار داده DataFrame در Pandas
  • 18. بارگذاری و ذخیره داده‌ها
  • 19. انتخاب و فیلتر کردن داده‌ها در DataFrame
  • 20. عملیات روی ستون‌ها و ردیف‌ها
  • 21. مدیریت داده‌های گمشده
  • 22. ادغام و پیوستن DataFrames
  • 23. گروه‌بندی و تجمیع داده‌ها
  • 24. عملیات متنی در Pandas
  • 25. کار با داده‌های تاریخ و زمان
  • 26. مقدمه‌ای بر Matplotlib
  • 27. رسم نمودارهای پایه‌ای (خطی، میله‌ای، پراکندگی)
  • 28. سفارشی‌سازی نمودارها
  • 29. رسم نمودارهای آماری
  • 30. مقدمه‌ای بر Seaborn
  • 31. نمودارهای توزیع در Seaborn
  • 32. نمودارهای رابطه‌ای در Seaborn
  • 33. نمودارهای دسته‌بندی در Seaborn
  • 34. نمودارهای ماتریسی و آماری پیچیده
  • 35. مقدمه‌ای بر یادگیری ماشین
  • 36. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 37. مراحل کلی در پروژه‌های یادگیری ماشین
  • 38. پیش‌پردازش داده‌ها برای یادگیری ماشین
  • 39. مهندسی ویژگی (Feature Engineering)
  • 40. مقیاس‌بندی ویژگی‌ها (Feature Scaling)
  • 41. کدگذاری متغیرهای دسته‌ای
  • 42. تقسیم داده‌ها به مجموعه‌های آموزش و آزمون
  • 43. ارزیابی مدل‌ها: معیارهای طبقه‌بندی
  • 44. ارزیابی مدل‌ها: معیارهای رگرسیون
  • 45. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت شده
  • 46. رگرسیون خطی
  • 47. مدل‌های رگرسیون چندجمله‌ای
  • 48. رگرسیون لجستیک برای طبقه‌بندی
  • 49. ماشین‌های بردار پشتیبان (SVM)
  • 50. درخت‌های تصمیم
  • 51. جنگل‌های تصادفی (Random Forests)
  • 52. گره‌ترین همسایگان (K-Nearest Neighbors)
  • 53. مقدمه‌ای بر یادگیری بدون نظارت
  • 54. خوشه‌بندی K-Means
  • 55. خوشه‌بندی سلسله مراتبی
  • 56. تحلیل مؤلفه‌های اصلی (PCA)
  • 57. مقدمه‌ای بر مدل‌های پیشرفته
  • 58. شبکه‌های عصبی مصنوعی
  • 59. مقدمه‌ای بر یادگیری عمیق
  • 60. شبکه‌های عصبی کانولوشنی (CNN)
  • 61. شبکه‌های عصبی بازگشتی (RNN)
  • 62. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 63. پردازش متن با NLTK و spaCy
  • 64. مدل‌سازی موضوعی (Topic Modeling)
  • 65. تحلیل احساسات (Sentiment Analysis)
  • 66. مقدمه‌ای بر یادگیری تقویتی
  • 67. مقدمه‌ای بر بهینه‌سازی مدل‌ها
  • 68. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 69. اعتبارسنجی متقابل (Cross-Validation)
  • 70. مدیریت بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 71. مقدمه‌ای بر استقرار مدل
  • 72. ذخیره و بارگذاری مدل‌های یادگیری ماشین
  • 73. مقدمه‌ای بر توسعه وب با پایتون (چارچوب‌های مجاز)
  • 74. کار با پایگاه داده‌های رابطه‌ای (SQL)
  • 75. مقدمه‌ای بر مفاهیم داده‌کاوی
  • 76. قوانین وابستگی (Association Rules)
  • 77. مقدمه‌ای بر یادگیری ترکیبی (Ensemble Learning)
  • 78. بایسینگ (Bagging) و بوستینگ (Boosting)
  • 79. مقدمه‌ای بر پردازش داده‌های بزرگ (مفاهیم)
  • 80. مقدمه‌ای بر هوش تجاری (BI)
  • 81. مقدمه‌ای بر امنیت داده‌ها و حریم خصوصی
  • 82. اصول اخلاقی در علم داده
  • 83. کاربردها در صنعت و پژوهش
  • 84. مطالعه موردی: تحلیل داده‌های فروش
  • 85. مطالعه موردی: پیش‌بینی قیمت مسکن
  • 86. مطالعه موردی: طبقه‌بندی تصاویر (مفاهیم)
  • 87. مطالعه موردی: تحلیل متن اخبار
  • 88. مقدمه‌ای بر ابزارهای خط فرمان لینوکس (مفاهیم)
  • 89. کار با Git و GitHub برای مدیریت پروژه
  • 90. مقدمه‌ای بر Docker (مفاهیم)
  • 91. مقدمه‌ای بر مفاهیم بیگ دیتا (Big Data)
  • 92. مقدمه‌ای بر ابزارهای پردازش بیگ دیتا (مفاهیم)
  • 93. مقدمه‌ای بر داده‌های سری زمانی (Time Series Data)
  • 94. تحلیل داده‌های سری زمانی با Pandas
  • 95. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 96. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 97. مقدمه‌ای بر یادگیری با داده‌های نامتوازن
  • 98. اصول طراحی داشبوردهای تحلیلی
  • 99. مقدمه‌ای بر مصورسازی تعاملی داده‌ها
  • 100. کار با کتابخانه‌های مصورسازی پیشرفته (مفاهیم)

📚 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.