کتاب اصول و فرآیندهای عملیاتی یادگیری ماشین: از مفاهیم تا پیاده‌سازی کاربردی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و فرآیندهای عملیاتی یادگیری ماشین: از مفاهیم تا پیاده‌سازی کاربردی

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین (Machine Learning)

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و تعاریف پایه در علوم داده و یادگیری ماشین
  • 2. نقش یادگیری ماشین در تحول دیجیتال و صنایع کشور
  • 3. چرخه حیات پروژه‌های یادگیری ماشین مطابق استانداردهای مهندسی
  • 4. آشنایی با محیط‌های توسعه و ابزارهای برنامه‌نویسی پایتون
  • 5. مدیریت و پیش‌پردازش داده‌های ساختاریافته
  • 6. روش‌های پاک‌سازی و اصلاح داده‌های ناقص
  • 7. تکنیک‌های تحلیل اکتشافی داده‌ها و مصورسازی
  • 8. مفاهیم آماری کاربردی در مدل‌سازی پیش‌بینانه
  • 9. تقسیم‌بندی داده‌ها به مجموعه‌های آموزش و آزمون
  • 10. معرفی الگوریتم‌های یادگیری نظارت‌شده در رگرسیون
  • 11. پیاده‌سازی مدل‌های رگرسیون خطی با رویکرد بهینه‌سازی
  • 12. ارزیابی مدل‌های رگرسیون با معیارهای خطا
  • 13. الگوریتم‌های طبقه‌بندی و دسته‌بندی داده‌ها
  • 14. پیاده‌سازی رگرسیون لجستیک و کاربردهای آن
  • 15. مفاهیم درخت تصمیم و جنگل‌های تصادفی
  • 16. ماشین بردار پشتیبان و کاربرد آن در تفکیک داده‌ها
  • 17. روش‌های کاهش ابعاد و تحلیل مؤلفه‌های اصلی
  • 18. خوشه‌بندی و یادگیری بدون نظارت
  • 19. الگوریتم‌های نزدیک‌ترین همسایگی و کاربردهای آن
  • 20. مفهوم بیش‌برازش و کم‌برازش در مدل‌سازی
  • 21. تکنیک‌های تنظیم‌گری برای بهبود پایداری مدل
  • 22. اعتبارسنجی متقاطع و بهینه‌سازی فراپارامترها
  • 23. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 24. ساختار پرسپترون و توابع فعال‌سازی
  • 25. معرفی یادگیری عمیق و کاربردهای کلان آن
  • 26. پردازش داده‌های متنی و استخراج ویژگی
  • 27. مبانی سیستم‌های توصیه‌گر هوشمند
  • 28. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در الگوریتم‌ها
  • 29. استانداردهای امنیت داده و حریم خصوصی در پروژه‌های هوش مصنوعی
  • 30. مدیریت مدل‌های یادگیری ماشین در محیط‌های عملیاتی
  • 31. مانیتورینگ و نگهداری مدل‌های یادگیری ماشین پس از استقرار
  • 32. پیاده‌سازی خط لوله خودکار داده و مدل
  • 33. مستندسازی و گزارش‌دهی فنی پروژه‌های داده‌محور
  • 34. مطالعه موردی کاربرد هوش مصنوعی در بهینه‌سازی مصرف انرژی
  • 35. مطالعه موردی کاربرد یادگیری ماشین در تشخیص ناهنجاری‌های شبکه
  • 36. آینده‌پژوهی و مسیرهای توسعه هوش مصنوعی در ایران
  • 37. جمع‌بندی و تدوین نقشه راه برای پروژه‌های عملیاتی
تگ‌ها: Machine Learning الگوریتم‌های یادگیری ماشین پردازش داده‌ها داده‌کاوی علوم داده مدل‌سازی آماری هوش مصنوعی یادگیری بدون نظارت یادگیری ماشین یادگیری نظارت شده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.