کتاب پایتون برای هوش مصنوعی: از مبانی تا پروژه‌های عملی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پایتون برای هوش مصنوعی: از مبانی تا پروژه‌های عملی

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

• 1. متغیرها و انواع داده در پایتون
• 2. ساختارهای شرطی if-elif-else
• 3. حلقه‌های for و while
• 4. توابع و بازگرداندن مقدار
• 5. لیست‌ها و عملیات روی آن‌ها
• 6. تاپل‌ها و تفاوت با لیست
• 7. دیکشنری‌ها و کاربرد آن‌ها
• 8. مجموعه‌ها و عملیات مجموعه‌ای
• 9. رشته‌ها و متدهای پردازش متن
• 10. مدیریت خطا با try-except
• 11. خواندن و نوشتن فایل
• 12. ماژول‌ها و کتابخانه‌های استاندارد
• 13. فهرست‌های تودرتو و ماتریس‌ها
• 14. کامپرهنشن لیست و دیکشنری
• 15. توابع لامبدا و map-filter-reduce
• 16. کار با تاریخ و زمان
• 17. مقدمه‌ای بر numpy و آرایه‌ها
• 18. عملیات برداری و ماتریسی با numpy
• 19. شاخص‌گذاری و برش در numpy
• 20. مقدمه‌ای بر pandas و سری‌ها
• 21. دیتافریم در pandas و خواندن داده
• 22. پاک‌سازی داده با pandas
• 23. گروه‌بندی و تجمیع داده
• 24. ترکیب و ادغام دیتافریم‌ها
• 25. مقدمه‌ای بر مصورسازی داده با matplotlib
• 26. نمودارهای خطی و پراکندگی
• 27. نمودارهای میله‌ای و هیستوگرام
• 28. سفارشی‌سازی نمودارها
• 29. مصورسازی با seaborn
• 30. مقدمه‌ای بر یادگیری ماشین با scikit-learn
• 31. رگرسیون خطی ساده
• 32. رگرسیون خطی چندمتغیره
• 33. رگرسیون لجستیک و دسته‌بندی
• 34. معیارهای ارزیابی مدل
• 35. جلوگیری از بیش‌برازش با regularization
• 36. درخت تصمیم و جنگل تصادفی
• 37. ماشین بردار پشتیبان
• 38. خوشه‌بندی با k-means
• 39. کاهش ابعاد با PCA
• 40. مقدمه‌ای بر شبکه‌های عصبی با keras
• 41. پرسپترون چندلایه برای دسته‌بندی
• 42. شبکه‌های عصبی کانولوشنی برای تصویر
• 43. پیش‌پردازش تصاویر
• 44. افزایش داده برای تصاویر
• 45. شبکه‌های عصبی بازگشتی برای توالی
• 46. مدل‌های ترنسفورمر و attention
• 47. مقدمه‌ای بر پردازش زبان طبیعی
• 48. تحلیل احساسات با متن
• 49. طبقه‌بندی متن با یادگیری عمیق
• 50. مقدمه‌ای بر یادگیری تقویتی
• 51. پیاده‌سازی یک عامل ساده
• 52. ذخیره و بارگذاری مدل‌های آموزش‌دیده
• 53. تنظیم فراپارامترها
• 54. مدیریت پروژه و virtual environment
• 55. کار با API و درخواست‌های http
• 56. استخراج داده از وب با BeautifulSoup
• 57. ایجاد یک پروژه عملی تشخیص چهره
• 58. ایجاد یک پروژه عملی تحلیل بازار سهام
• 59. ایجاد یک پروژه عملی ربات گفتگوی ساده
• 60. بهینه‌سازی کد و profiling
• 61. تست‌نویسی با pytest
• 62. مستندسازی کد با docstring
• 63. استقرار مدل با Flask
• 64. مقدمه‌ای بر نسخه‌کنترل با git