سپنتا کتاب اکسپرس
کتاب استنتاج تقریبی بیزی در علم داده و یادگیری ماشین

کتاب استنتاج تقریبی بیزی در علم 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 استنتاج تقریبی بیزی در علم داده و یادگیری ماشین

موضوع کلی: روش‌های نمونه‌گیری مونت‌کارلو مارکوف (MCMC) در آمار بیزی

موضوع میانی: استنتاج تقریبی بیزی (Approximate Bayesian Inference)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر استنتاج بیزی
  • 2. اصول احتمال شرطی و قضیه بیز
  • 3. متغیرهای تصادفی و توزیع‌های احتمالی
  • 4. توزیع‌های پیشین و پسین
  • 5. انتخاب توزیع پیشین مناسب
  • 6. توزیع‌های پیشین رایج (Uniform, Beta, Gamma)
  • 7. توزیع‌های پیشین نرمال و گوسی
  • 8. استنتاج بیزی برای پارامترهای گوسی
  • 9. استنتاج بیزی برای پارامترهای برنولی
  • 10. استنتاج بیزی برای پارامترهای پواسون
  • 11. استنتاج بیزی برای پارامترهای نمایی
  • 12. استنتاج بیزی برای پارامترهای چندجمله‌ای
  • 13. مدل‌های خطی بیزی
  • 14. رگرسیون خطی بیزی
  • 15. طبقه‌بندی بیزی
  • 16. طبقه‌بندی‌کننده بیز ساده (Naive Bayes)
  • 17. کاربرد Naive Bayes در متن‌کاوی
  • 18. کاربرد Naive Bayes در طبقه‌بندی تصویر
  • 19. مدل‌های گرافیکی بیزی
  • 20. شبکه‌های بیزی
  • 21. ساخت شبکه‌های بیزی
  • 22. استنتاج در شبکه‌های بیزی
  • 23. روش‌های نمونه‌برداری مونت کارلو در زنجیره مارکوف (MCMC)
  • 24. نمونه‌برداری گیبس
  • 25. پیاده‌سازی MCMC در پایتون
  • 26. مقدمه‌ای بر یادگیری ماشین بیزی
  • 27. ماشین‌های بردار پشتیبان بیزی
  • 28. شبکه‌های عصبی بیزی
  • 29. یادگیری عمیق بیزی
  • 30. مدل‌های پنهان مارکوف بیزی
  • 31. مدل‌های موضوعی بیزی (LDA)
  • 32. کاربرد LDA در خوشه‌بندی اسناد
  • 33. مقدمه‌ای بر استنتاج تقریبی
  • 34. تقریب واریانس (Variational Inference)
  • 35. روش‌های مبتنی بر نمونه‌برداری (Monte Carlo)
  • 36. استنتاج تقریبی برای شبکه‌های بیزی
  • 37. استنتاج تقریبی برای مدل‌های پیچیده
  • 38. روش‌های بهینه‌سازی تقریبی
  • 39. کاربرد استنتاج تقریبی در سیستم‌های توصیه‌گر
  • 40. استنتاج تقریبی در پردازش زبان طبیعی
  • 41. استنتاج تقریبی در بینایی ماشین
  • 42. استنتاج تقریبی در اقتصاد سنجی
  • 43. استنتاج تقریبی در علوم زیستی
  • 44. استنتاج تقریبی در فیزیک
  • 45. استنتاج تقریبی در مهندسی
  • 46. مقدمه‌ای بر روش‌های بهینه‌سازی
  • 47. بهینه‌سازی خطی
  • 48. بهینه‌سازی غیرخطی
  • 49. بهینه‌سازی مقید
  • 50. الگوریتم‌های بهینه‌سازی
  • 51. بهینه‌سازی گرادیان نزولی
  • 52. بهینه‌سازی تصادفی گرادیان نزولی
  • 53. بهینه‌سازی دسته‌ای گرادیان نزولی
  • 54. بهینه‌سازی با مومنتوم
  • 55. بهینه‌سازی Adam
  • 56. بهینه‌سازی RMSprop
  • 57. بهینه‌سازی Adagrad
  • 58. تنظیم نرخ یادگیری
  • 59. تنظیم ابرپارامترها
  • 60. اعتبارسنجی متقابل
  • 61. تنظیم رگولاریزاسیون (L1, L2)
  • 62. بیش‌برازش و کم‌برازش
  • 63. روش‌های جلوگیری از بیش‌برازش
  • 64. حذف ویژگی (Feature Selection)
  • 65. استخراج ویژگی (Feature Extraction)
  • 66. مقدمه‌ای بر داده‌کاوی
  • 67. پاکسازی داده‌ها
  • 68. پیش‌پردازش داده‌ها
  • 69. کاوش الگوهای تکرارشونده
  • 70. قوانین وابستگی
  • 71. خوشه‌بندی (Clustering)
  • 72. الگوریتم K-Means
  • 73. خوشه‌بندی سلسله مراتبی
  • 74. ارزیابی مدل‌های خوشه‌بندی
  • 75. مقدمه‌ای بر یادگیری تقویتی
  • 76. عناصر یادگیری تقویتی
  • 77. یادگیری مبتنی بر ارزش
  • 78. یادگیری مبتنی بر سیاست
  • 79. یادگیری ترکیبی
  • 80. یادگیری عمیق تقویتی
  • 81. کاربرد یادگیری تقویتی در رباتیک
  • 82. کاربرد یادگیری تقویتی در بازی‌ها
  • 83. کاربرد یادگیری تقویتی در مالی
  • 84. کاربرد یادگیری تقویتی در بهینه‌سازی سیستم‌ها
  • 85. مقدمه‌ای بر ارزیابی مدل‌های یادگیری ماشین
  • 86. معیارهای ارزیابی طبقه‌بندی (Accuracy, Precision, Recall, F1-Score)
  • 87. منحنی ROC و AUC
  • 88. معیارهای ارزیابی رگرسیون (MSE, MAE, R-squared)
  • 89. مقدمه‌ای بر مهندسی ویژگی در علم داده
  • 90. ایجاد ویژگی‌های جدید
  • 91. تبدیل ویژگی‌ها
  • 92. استانداردسازی و نرمال‌سازی داده‌ها
  • 93. مدیریت داده‌های گمشده
  • 94. شناسایی و مدیریت داده‌های پرت
  • 95. استفاده از کتابخانه‌های علم داده در پایتون (NumPy, Pandas, SciPy)
  • 96. مصورسازی داده‌ها با Matplotlib و Seaborn
  • 97. مقدمه‌ای بر اصول اخلاقی در علم داده
  • 98. حریم خصوصی داده‌ها
  • 99. سوگیری در الگوریتم‌ها
  • 100. مسئولیت‌پذیری در استفاده از داده‌ها

📚 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.