سپنتا کتاب اکسپرس
کتاب جامع یادگیری ماشین با پایتون و R برای علم داده

کتاب جامع یادگیری ماشین با پایتون و R برای علم داده

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 و R برای علم داده

موضوع کلی: علوم و فناوری داده

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و یادگیری ماشین
  • 2. چرا یادگیری ماشین؟
  • 3. کاربردهای علم داده در ایران
  • 4. محیط توسعه: نصب پایتون و R
  • 5. مقدمه ای بر زبان برنامه نویسی پایتون
  • 6. مبانی پایتون برای علم داده
  • 7. انواع داده در پایتون
  • 8. ساختارهای داده در پایتون
  • 9. تابع نویسی در پایتون
  • 10. برنامه نویسی شی گرا در پایتون
  • 11. کتابخانه NumPy برای محاسبات عددی
  • 12. آرایه ها و عملیات بر روی آنها در NumPy
  • 13. توابع آماری در NumPy
  • 14. مقدمه ای بر کتابخانه Pandas
  • 15. ساختارهای داده در Pandas: Series و DataFrame
  • 16. عملیات بر روی DataFrame ها
  • 17. بارگذاری و ذخیره سازی داده ها با Pandas
  • 18. پاکسازی و پیش پردازش داده ها
  • 19. مدیریت مقادیر گمشده
  • 20. شناسایی و حذف داده های پرت
  • 21. تبدیل و نرمال سازی داده ها
  • 22. مقیاس بندی ویژگی ها
  • 23. کدگذاری متغیرهای دسته ای
  • 24. مقدمه ای بر مصورسازی داده ها
  • 25. مصورسازی با Matplotlib
  • 26. نمودارهای خطی و پراکندگی
  • 27. نمودارهای میله ای و هیستوگرام
  • 28. نمودارهای جعبه ای و ویولن
  • 29. مصورسازی با Seaborn
  • 30. نمودارهای آماری پیچیده
  • 31. مصورسازی داده های جغرافیایی (در صورت لزوم و با چارچوب رسمی)
  • 32. مقدمه ای بر یادگیری ماشین
  • 33. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 34. یادگیری نظارت شده: رگرسیون و طبقه بندی
  • 35. مدل های رگرسیون خطی
  • 36. ارزیابی مدل های رگرسیون
  • 37. مدل های رگرسیون چندجمله ای
  • 38. مدل های رگرسیون درخت تصمیم
  • 39. مدل های رگرسیون جنگل تصادفی
  • 40. مدل های رگرسیون ماشین بردار پشتیبان (SVM)
  • 41. مدل های رگرسیون شبکه های عصبی
  • 42. یادگیری بدون نظارت: خوشه بندی و کاهش ابعاد
  • 43. الگوریتم K-Means برای خوشه بندی
  • 44. ارزیابی خوشه بندی
  • 45. الگوریتم DBSCAN برای خوشه بندی
  • 46. تحلیل مولفه های اصلی (PCA)
  • 47. مقدمه ای بر یادگیری عمیق
  • 48. شبکه های عصبی پرسپترون چندلایه (MLP)
  • 49. توابع فعال سازی در شبکه های عصبی
  • 50. پس انتشار خطا (Backpropagation)
  • 51. شبکه های عصبی کانولوشنال (CNN)
  • 52. کاربرد CNN در پردازش تصویر
  • 53. شبکه های عصبی بازگشتی (RNN)
  • 54. کاربرد RNN در پردازش زبان طبیعی
  • 55. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 56. پیش پردازش متن
  • 57. نمایش برداری متن: Bag-of-Words
  • 58. نمایش برداری متن: TF-IDF
  • 59. مدل های زبانی کلاسیک
  • 60. یادگیری ماشین در R
  • 61. مبانی R برای علم داده
  • 62. ساختارهای داده در R
  • 63. تابع نویسی در R
  • 64. کتابخانه dplyr برای دستکاری داده ها
  • 65. عملیات بر روی داده ها در R
  • 66. مصورسازی با ggplot2
  • 67. نمودارهای پایه در ggplot2
  • 68. نمودارهای پیشرفته در ggplot2
  • 69. مقدمه ای بر مدل های یادگیری ماشین در R
  • 70. رگرسیون خطی در R
  • 71. ارزیابی مدل های رگرسیون در R
  • 72. درختان تصمیم در R
  • 73. جنگل های تصادفی در R
  • 74. ماشین بردار پشتیبان در R
  • 75. شبکه های عصبی در R
  • 76. خوشه بندی در R
  • 77. تحلیل مولفه های اصلی در R
  • 78. یادگیری ماشین در پایگاه داده
  • 79. مقدمه ای بر پایگاه داده های رابطه‌ای
  • 80. زبان SQL برای پرس و جوی داده ها
  • 81. مبانی SQL
  • 82. عبارات SELECT، FROM، WHERE
  • 83. عبارات GROUP BY و HAVING
  • 84. عبارات JOIN
  • 85. مفاهیم کلیدی پایگاه داده و علم داده
  • 86. مدل سازی داده ها
  • 87. استخراج ویژگی از داده ها
  • 88. مهندسی ویژگی
  • 89. انتخاب ویژگی
  • 90. ارزیابی مدل های یادگیری ماشین
  • 91. معیارهای ارزیابی برای رگرسیون
  • 92. معیارهای ارزیابی برای طبقه بندی
  • 93. ماتریس درهم ریختگی (Confusion Matrix)
  • 94. اعتبارسنجی متقابل (Cross-Validation)
  • 95. تنظیم ابرپارامترها
  • 96. بهینه سازی های پیشرفته
  • 97. یادگیری تقویتی (مقدماتی و در چارچوب کاربردهای مجاز)
  • 98. کاربرد یادگیری ماشین در اقتصاد (با چارچوب رسمی)
  • 99. کاربرد یادگیری ماشین در علوم اجتماعی (با چارچوب رسمی)
  • 100. اخلاق در علم داده و 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.