سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای رگرسیون با XGBoost

کتاب مبانی و کاربردهای رگرسیون با XGBoost

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 رگرسیون با XGBoost

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: الگوریتم‌های یادگیری ماشین پیشرفته

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر رگرسیون در یادگیری ماشین
  • 3. معرفی الگوریتم XGBoost
  • 4. ساختار درخت تصمیم
  • 5. مفاهیم پایه گرادیان بوستینگ
  • 6. تفاوت گرادیان بوستینگ و ادابوست
  • 7. مزایای XGBoost نسبت به الگوریتم‌های دیگر
  • 8. نصب و راه‌اندازی XGBoost
  • 9. آشنایی با محیط برنامه‌نویسی پایتون برای XGBoost
  • 10. مقدمه‌ای بر داده‌های مورد نیاز XGBoost
  • 11. پیش‌پردازش داده‌ها برای مدل‌های رگرسیون
  • 12. مقیاس‌بندی ویژگی‌ها
  • 13. مدیریت مقادیر گمشده
  • 14. کدگذاری متغیرهای دسته‌ای
  • 15. انتخاب ویژگی‌های مناسب
  • 16. مقدمه‌ای بر ارزیابی مدل‌های رگرسیون
  • 17. معیارهای ارزیابی رگرسیون (MSE, RMSE, MAE)
  • 18. معیارهای ارزیابی رگرسیون (R-squared)
  • 19. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 20. اعتبارسنجی متقابل (Cross-Validation)
  • 21. مفاهیم پایه درختان تصمیم در XGBoost
  • 22. ساختار درختان تصمیم وزنی
  • 23. یادگیری درختان تصمیم موازی
  • 24. اصول بوستینگ تکراری
  • 25. تابع هزینه (Loss Function) در XGBoost
  • 26. بهینه‌سازی تابع هزینه
  • 27. گرادیان و هسین تابع هزینه
  • 28. الگوریتم ساخت درخت در XGBoost
  • 29. روش‌های تقسیم گره (Splitting Criteria)
  • 30. مقایسه معیارهای تقسیم گره (MSE, MAE)
  • 31. مدیریت بیش‌برازش (Overfitting)
  • 32. تنظیم پارامترهای مرتبط با درختان
  • 33. تنظیم پارامتر `max_depth`
  • 34. تنظیم پارامتر `min_child_weight`
  • 35. تنظیم پارامتر `gamma`
  • 36. تنظیم پارامتر `subsample`
  • 37. تنظیم پارامتر `colsample_bytree`
  • 38. تنظیم پارامتر `lambda` (L2 Regularization)
  • 39. تنظیم پارامتر `alpha` (L1 Regularization)
  • 40. تنظیم پارامتر `learning_rate` (eta)
  • 41. کاهش نرخ یادگیری
  • 42. اهمیت پارامتر `n_estimators`
  • 43. تنظیم پارامتر `early_stopping_rounds`
  • 44. تکنیک‌های کاهش پیچیدگی مدل
  • 45. استفاده از Regularization در XGBoost
  • 46. کاربرد XGBoost در مسائل پیش‌بینی قیمت
  • 47. کاربرد XGBoost در پیش‌بینی تقاضا
  • 48. کاربرد XGBoost در پیش‌بینی فروش
  • 49. کاربرد XGBoost در تحلیل ریسک اعتباری
  • 50. کاربرد XGBoost در پیش‌بینی ارزش مسکن
  • 51. کاربرد XGBoost در تحلیل بازده سهام
  • 52. کاربرد XGBoost در پیش‌بینی مصرف انرژی
  • 53. کاربرد XGBoost در پیش‌بینی زمان رسیدن قطار
  • 54. کاربرد XGBoost در مسائل علمی و مهندسی
  • 55. مقدمه‌ای بر داده‌های سری زمانی
  • 56. کاربرد XGBoost در پیش‌بینی سری زمانی
  • 57. پیش‌پردازش داده‌های سری زمانی
  • 58. ایجاد ویژگی‌های مبتنی بر زمان
  • 59. مدل‌سازی رگرسیون با ویژگی‌های سری زمانی
  • 60. ارزیابی مدل‌های سری زمانی
  • 61. پیاده‌سازی رگرسیون با XGBoost در پایتون
  • 62. مثال عملی: پیش‌بینی قیمت مسکن
  • 63. آماده‌سازی داده‌های مسکن
  • 64. آموزش مدل XGBoost برای مسکن
  • 65. ارزیابی مدل پیش‌بینی مسکن
  • 66. بهینه‌سازی پارامترهای مدل مسکن
  • 67. مثال عملی: پیش‌بینی فروش خرده‌فروشی
  • 68. آماده‌سازی داده‌های فروش
  • 69. آموزش مدل XGBoost برای فروش
  • 70. ارزیابی مدل پیش‌بینی فروش
  • 71. بهینه‌سازی پارامترهای مدل فروش
  • 72. ملاحظات اخلاقی در استفاده از XGBoost
  • 73. شفافیت و قابلیت تفسیر مدل‌های XGBoost
  • 74. پیاده‌سازی مدل‌های قابل تفسیر
  • 75. پرهیز از سوگیری در داده‌ها و مدل‌ها
  • 76. رعایت حریم خصوصی در داده‌ها
  • 77. تأثیر مدل بر تصمیم‌گیری‌ها
  • 78. مستندسازی فرآیند مدل‌سازی
  • 79. مدیریت نسخه‌های مدل
  • 80. نکات پیشرفته در تنظیم پارامترها
  • 81. جستجوی شبکه‌ای (Grid Search)
  • 82. جستجوی تصادفی (Random Search)
  • 83. بهینه‌سازی بیزی (Bayesian Optimization)
  • 84. ارزیابی عملکرد مدل در دنیای واقعی
  • 85. نظارت بر عملکرد مدل پس از استقرار
  • 86. بازآموزی مدل‌ها
  • 87. مقدمه‌ای بر مدل‌های مبتنی بر درخت پیشرفته
  • 88. کاربرد XGBoost در مسائل پیچیده
  • 89. مقایسه XGBoost با سایر الگوریتم‌های پیشرفته
  • 90. نکات پایانی و جمع‌بندی
  • 91. مسیرهای یادگیری آتی در هوش مصنوعی
  • 92. منابع تکمیلی برای مطالعه بیشتر

📚 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.