اپلیکیشن اندرویدی فلش‌کارت آموزشی مدل‌سازی پیش‌بینی با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی پیش‌بینی با پایتون

موضوع کلی: توسعه پیشرفته عامل‌های هوشمند و سیستم‌های خودکار

موضوع میانی: ساخت مدل‌های پیش‌بینی‌کننده

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پایه مدل‌سازی پیش‌بینی
• 2. مقدمه‌ای بر زبان برنامه‌نویسی پایتون برای علم داده
• 3. نصب و راه‌اندازی محیط توسعه پایتون برای مدل‌سازی
• 4. کتابخانه‌های اصلی پایتون برای مدل‌سازی پیش‌بینی
• 5. مقدمه‌ای بر داده‌کاوی و آماده‌سازی داده‌ها
• 6. پردازش داده‌های گمشده در پایتون
• 7. تبدیل داده‌های دسته‌ای در پایتون
• 8. مقیاس‌بندی داده‌ها برای بهبود عملکرد مدل‌ها
• 9. انتخاب ویژگی‌های مهم برای مدل‌سازی
• 10. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
• 11. رگرسیون خطی ساده در پایتون
• 12. رگرسیون چند‌گانه در پایتون
• 13. ارزیابی عملکرد مدل‌های رگرسیونی
• 14. مقدمه‌ای بر درخت‌های تصمیم‌گیری
• 15. ساخت درخت‌های تصمیم‌گیری در پایتون
• 16. ارزیابی عملکرد درخت‌های تصمیم‌گیری
• 17. مقدمه‌ای بر جنگل‌های تصادفی
• 18. ساخت جنگل‌های تصادفی در پایتون
• 19. ارزیابی عملکرد جنگل‌های تصادفی
• 20. مقدمه‌ای بر ماشین‌های بردار پشتیبان
• 21. ساخت ماشین‌های بردار پشتیبان در پایتون
• 22. ارزیابی عملکرد ماشین‌های بردار پشتیبان
• 23. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 24. ساخت شبکه‌های عصبی ساده در پایتون
• 25. ارزیابی عملکرد شبکه‌های عصبی
• 26. مقدمه‌ای بر الگوریتم‌های خوشه‌بندی
• 27. خوشه‌بندی K-means در پایتون
• 28. ارزیابی عملکرد خوشه‌بندی K-means
• 29. مقدمه‌ای بر خوشه‌بندی سلسله مراتبی
• 30. خوشه‌بندی سلسله مراتبی در پایتون
• 31. ارزیابی عملکرد خوشه‌بندی سلسله مراتبی
• 32. مقدمه‌ای بر کاهش ابعاد داده‌ها
• 33. تحلیل مولفه‌های اصلی (PCA) در پایتون
• 34. ارزیابی عملکرد PCA
• 35. مقدمه‌ای بر روش‌های ارزیابی مدل‌ها
• 36. اعتبارسنجی متقاطع در پایتون
• 37. معیارهای ارزیابی مدل‌ها: دقت، صحت، یادآوری
• 38. مقدمه‌ای بر تنظیم پارامترهای مدل‌ها
• 39. جستجوی شبکه‌ای برای تنظیم پارامترها
• 40. بهینه‌سازی بیزی برای تنظیم پارامترها
• 41. مقدمه‌ای بر مدل‌های سری زمانی
• 42. تجزیه و تحلیل سری زمانی در پایتون
• 43. پیش‌بینی سری زمانی با مدل‌های ARIMA
• 44. ارزیابی عملکرد مدل‌های سری زمانی
• 45. مقدمه‌ای بر یادگیری تقویتی