اپلیکیشن اندرویدی فلش‌کارت آموزشی یادگیری ماشین برای مدل‌سازی داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای مدل‌سازی داده

موضوع کلی: پژوهش و تحلیل داده

موضوع میانی: مدل‌سازی داده‌ها

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. مفاهیم اولیه آمار برای یادگیری ماشین
• 3. پیش‌پردازش داده‌ها و پاکسازی
• 4. انتخاب ویژگی‌های مهم
• 5. انواع الگوریتم‌های یادگیری ماشین
• 6. یادگیری نظارت‌شده: رگرسیون خطی
• 7. رگرسیون چندگانه و ارزیابی مدل
• 8. یادگیری نظارت‌شده: طبقه‌بندی
• 9. ماشین‌های بردار پشتیبان (SVM)
• 10. درخت‌های تصمیم‌گیری
• 11. جنگل‌های تصادفی
• 12. الگوریتم‌های خوشه‌بندی: K-Means
• 13. خوشه‌بندی سلسله‌مراتبی
• 14. ارزیابی خوشه‌بندی
• 15. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 16. انتخاب مدل و تنظیم پارامترها
• 17. اعتبارسنجی متقابل (Cross-Validation)
• 18. بایاس و واریانس در مدل‌ها
• 19. بیش‌برازش و کم‌برازش
• 20. روش‌های جلوگیری از بیش‌برازش
• 21. یادگیری ماشین بدون نظارت
• 22. یادگیری نیمه‌نظارت‌شده
• 23. یادگیری تقویتی: مفاهیم پایه
• 24. شبکه‌های عصبی مصنوعی: مقدمه
• 25. شبکه‌های عصبی عمیق
• 26. پیاده‌سازی شبکه‌های عصبی با پایتون
• 27. بهینه‌سازی گرادیان کاهشی
• 28. شبکه‌های عصبی پیچشی (CNN) برای تصاویر
• 29. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های سری زمانی
• 30. پردازش زبان طبیعی (NLP) با یادگیری ماشین
• 31. مدل‌های زبانی
• 32. تحلیل احساسات
• 33. تشخیص موجودیت‌های نام‌گذاری‌شده (NER)
• 34. خلاصه‌سازی متن
• 35. تولید متن
• 36. پیش‌بینی سری‌های زمانی
• 37. تحلیل بقا
• 38. تشخیص ناهنجاری
• 39. یادگیری ماشین و حریم خصوصی داده‌ها
• 40. تفسیرپذیری مدل‌های یادگیری ماشین
• 41. استقرار مدل‌های یادگیری ماشین
• 42. مقایسه کتابخانه‌های یادگیری ماشین پایتون
• 43. کاربرد یادگیری ماشین در پزشکی
• 44. کاربرد یادگیری ماشین در مالی
• 45. کاربرد یادگیری ماشین در بازاریابی