کتاب جامع کاربرد پایتون در تحلیل داده و مدل‌سازی هوشمند (مبتنی بر استانداردهای علمی) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 جامع کاربرد پایتون در تحلیل داده و مدل‌سازی هوشمند (مبتنی بر استانداردهای علمی)

موضوع کلی: علوم داده و تحلیل هوشمند اطلاعات

موضوع میانی: یادگیری ماشین و تحلیل‌های پیش‌بینی‌کننده

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی برنامه‌نویسی پایتون برای تحلیل داده
  • 2. نصب و راه‌اندازی محیط‌های توسعه علمی پایتون
  • 3. کار با کتابخانه نای‌پای برای محاسبات عددی
  • 4. آرایه‌های چندبعدی و عملیات برداری در نای‌پای
  • 5. ساختار داده‌های پانداز و کار با سری‌ها
  • 6. تحلیل داده‌های جدولی با دیتافریم‌های پانداز
  • 7. مدیریت داده‌های مفقود و پاک‌سازی مجموعه‌داده‌ها
  • 8. ادغام و الحاق مجموعه‌داده‌ها در پانداز
  • 9. گروه‌بندی و تحلیل آماری داده‌ها
  • 10. مصورسازی داده‌ها با کتابخانه مت‌پلات‌لیب
  • 11. رسم نمودارهای پیشرفته با کتابخانه سی‌بورن
  • 12. تحلیل توزیع‌های آماری در مجموعه‌داده‌ها
  • 13. مبانی علم آمار در تحلیل هوشمند اطلاعات
  • 14. توزیع‌های احتمالاتی و کاربرد آن‌ها در مدل‌سازی
  • 15. مقدمه‌ای بر مفاهیم یادگیری ماشین و هوش مصنوعی
  • 16. آماده‌سازی داده‌ها برای الگوریتم‌های یادگیری ماشین
  • 17. تقسیم‌بندی داده‌ها به مجموعه‌های آموزش و آزمون
  • 18. رگرسیون خطی ساده و چندگانه
  • 19. ارزیابی دقت مدل‌های رگرسیون
  • 20. طبقه‌بندی داده‌ها با الگوریتم رگرسیون لجستیک
  • 21. الگوریتم نزدیک‌ترین همسایگی
  • 22. ماشین بردار پشتیبان در مسائل طبقه‌بندی
  • 23. درخت‌های تصمیم و نحوه عملکرد آن‌ها
  • 24. جنگل‌های تصادفی و بهبود دقت مدل
  • 25. الگوریتم‌های خوشه‌بندی کی-مینز
  • 26. کاهش ابعاد با تحلیل مؤلفه‌های اصلی
  • 27. کاربرد تحلیل مؤلفه‌های اصلی در بصری‌سازی داده‌ها
  • 28. معرفی سیستم‌های توصیه‌گر بر مبنای محتوا
  • 29. بهینه‌سازی پارامترهای مدل با روش جستجوی شبکه‌ای
  • 30. مبانی شبکه‌های عصبی مصنوعی
  • 31. کاربرد یادگیری ماشین در تحلیل داده‌های سری زمانی
  • 32. ارزیابی مدل‌های پیش‌بینی‌کننده در محیط‌های واقعی
  • 33. اخلاق در پردازش داده و حریم خصوصی کاربران
  • 34. روش‌های پیش‌پردازش داده‌های متنی
  • 35. استخراج ویژگی از متون برای مدل‌های یادگیری ماشین
  • 36. مدیریت داده‌های کلان در محیط‌های پایتون
  • 37. بهینه‌سازی عملکرد کد برای پردازش‌های سنگین
  • 38. مستندسازی و گزارش‌دهی نتایج تحلیل داده
  • 39. استقرار مدل‌های یادگیری ماشین در محیط‌های عملیاتی
  • 40. پروژه نهایی تحلیل هوشمند داده‌های اقتصادی و صنعتی
تگ‌ها: برنامه‌نویسی پایتون پایتون برای علوم داده تحلیل داده‌های آماری تحلیل هوشمند اطلاعات علم داده کتابخانه های پایتون در علوم داده مدل‌سازی پیش‌بینانه هوش مصنوعی و داده‌کاوی یادگیری عمیق یادگیری ماشین با پایتون

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.