سپنتا کتاب اکسپرس
کتاب پایتون پیشرفته برای علم داده، یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردهای عملی

کتاب پایتون پیشرفته برای علم داده، یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردهای عملی

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 پایتون پیشرفته برای علم داده، یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردهای عملی

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: برنامه‌نویسی پایتون برای علم داده، یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی پایتون برای علم داده
  • 2. ساختار داده‌های پایتون
  • 3. توابع و ماژول‌ها در پایتون
  • 4. برنامه‌نویسی شیءگرا در پایتون
  • 5. مدیریت خطا و استثناها
  • 6. کار با فایل‌ها در پایتون
  • 7. نام پای (NumPy) برای محاسبات عددی
  • 8. آرایه‌های نام پای
  • 9. عملیات برداری در نام پای
  • 10. شاخص‌گذاری و برش آرایه‌ها
  • 11. تبدیل و تغییر شکل آرایه‌ها
  • 12. عملیات ریاضی و آماری با نام پای
  • 13. پانداس (Pandas) برای تحلیل داده
  • 14. ساختارهای داده سری و دیتافریم
  • 15. عملیات بر روی دیتافریم‌ها
  • 16. فیلتر کردن و انتخاب داده
  • 17. گروه‌بندی و تجمیع داده
  • 18. ترکیب و ادغام دیتافریم‌ها
  • 19. کار با داده‌های گمشده
  • 20. سری‌های زمانی در پانداس
  • 21. نمایش داده‌ها با مت‌پلات‌لیب (Matplotlib)
  • 22. نمودارهای پایه‌ای
  • 23. نمودارهای پیشرفته
  • 24. تنظیمات نمودار
  • 25. نمایش چندگانه نمودارها
  • 26. نمایش داده‌های سه‌بعدی
  • 27. رسم نمودار با سیبورن (Seaborn)
  • 28. نمودارهای آماری
  • 29. نمودارهای رابطه‌ای
  • 30. نمودارهای توزیعی
  • 31. نمودارهای دسته‌بندی
  • 32. مبانی یادگیری ماشین
  • 33. انواع یادگیری ماشین
  • 34. یادگیری با نظارت
  • 35. یادگیری بدون نظارت
  • 36. یادگیری تقویتی
  • 37. پیش‌پردازش داده‌ها
  • 38. پاکسازی داده‌ها
  • 39. مقیاس‌بندی ویژگی‌ها
  • 40. انتخاب ویژگی‌ها
  • 41. کاهش ابعاد
  • 42. مدل‌های رگرسیون خطی
  • 43. رگرسیون لجستیک
  • 44. ماشین‌های بردار پشتیبان (SVM)
  • 45. درختان تصمیم
  • 46. جنگل‌های تصادفی
  • 47. مدل‌های خوشه‌بندی K-Means
  • 48. خوشه‌بندی سلسله‌مراتبی
  • 49. تحلیل مولفه‌های اصلی (PCA)
  • 50. مقدمه‌ای بر شبکه‌های عصبی
  • 51. ساختار شبکه‌های عصبی
  • 52. توابع فعال‌سازی
  • 53. پس‌انتشار خطا (Backpropagation)
  • 54. بهینه‌سازی مدل‌ها
  • 55. هایپرپارامترها
  • 56. اعتبارسنجی متقابل (Cross-validation)
  • 57. تنظیم هایپرپارامترها
  • 58. مقدمه‌ای بر یادگیری عمیق
  • 59. شبکه‌های عصبی کانولوشنی (CNN)
  • 60. کاربرد CNN در پردازش تصویر
  • 61. شبکه‌های عصبی بازگشتی (RNN)
  • 62. کاربرد RNN در پردازش زبان طبیعی
  • 63. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 64. ترنسفورمرها (Transformers)
  • 65. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 66. توکن‌سازی و پیش‌پردازش متن
  • 67. مدل‌های زبانی
  • 68. تحلیل احساسات
  • 69. مدل‌سازی موضوعی
  • 70. کاربرد پایتون در NLP
  • 71. کتابخانه‌های NLP در پایتون
  • 72. مقدمه‌ای بر هوش مصنوعی مولد
  • 73. مدل‌های زبانی بزرگ (LLMs)
  • 74. کاربرد LLMs در تولید متن
  • 75. کاربرد LLMs در ترجمه
  • 76. کاربرد LLMs در خلاصه‌سازی
  • 77. ملاحظات اخلاقی در هوش مصنوعی
  • 78. حریم خصوصی و امنیت داده‌ها
  • 79. سوگیری در مدل‌های هوش مصنوعی
  • 80. تفسیرپذیری مدل‌ها
  • 81. کاربردهای عملی هوش مصنوعی در صنعت
  • 82. کاربرد در بهداشت و درمان
  • 83. کاربرد در مالی
  • 84. کاربرد در صنعت خودروسازی
  • 85. کاربرد در خرده‌فروشی
  • 86. کاربرد در آموزش
  • 87. کاربرد در کشاورزی
  • 88. کاربرد در انرژی
  • 89. مقدمه‌ای بر یادگیری تقویتی در عمل
  • 90. عوامل و محیط در یادگیری تقویتی
  • 91. پاداش و سیاست
  • 92. یادگیری Q
  • 93. یادگیری عمیق تقویتی
  • 94. کاربرد یادگیری تقویتی در رباتیک
  • 95. کاربرد یادگیری تقویتی در بازی‌ها
  • 96. کاربرد یادگیری تقویتی در بهینه‌سازی
  • 97. ساخت API برای مدل‌های هوش مصنوعی
  • 98. استقرار مدل‌ها در محیط عملیاتی
  • 99. مانیتورینگ و به‌روزرسانی مدل‌ها
  • 100. آینده هوش مصنوعی و علم داده

📚 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.