کتاب کیفیت داده و یادگیری ماشین: تاثیر و هم‌افزایی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره کیفیت داده و یادگیری ماشین: تاثیر و هم‌افزایی

موضوع کلی: مهندسی داده و سامانه‌های مدیریت پایگاه‌داده توزیع‌شده

موضوع میانی: Data Quality

📋 سرفصل‌های دوره

• 1. کیفیت داده: مفاهیم و اهمیت
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. انواع داده و ویژگی‌های آن‌ها
• 4. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
• 5. مدیریت داده‌های گم‌شده
• 6. نرمال‌سازی و استانداردسازی داده‌ها
• 7. کاهش ابعاد داده‌ها: تکنیک‌ها و کاربردها
• 8. انتخاب ویژگی: روش‌ها و معیارها
• 9. ارزیابی کیفیت داده‌ها
• 10. معیارهای سنجش کیفیت داده
• 11. تاثیر کیفیت داده بر عملکرد مدل‌های یادگیری ماشین
• 12. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین نظارت‌شده
• 13. رگرسیون خطی و چندگانه
• 14. رگرسیون لجستیک
• 15. درخت‌های تصمیم‌گیری
• 16. جنگل تصادفی
• 17. ماشین‌های بردار پشتیبان (SVM)
• 18. شبکه‌های عصبی مصنوعی: مبانی
• 19. شبکه‌های عصبی عمیق
• 20. الگوریتم‌های یادگیری ماشین بدون نظارت
• 21. خوشه‌بندی K-Means
• 22. خوشه‌بندی سلسله مراتبی
• 23. تحلیل مولفه‌های اصلی (PCA)
• 24. کاهش ابعاد غیرخطی با t-SNE
• 25. ارزیابی مدل‌های یادگیری ماشین
• 26. اعتبارسنجی متقابل (Cross-Validation)
• 27. معیارهای ارزیابی رگرسیون
• 28. معیارهای ارزیابی طبقه‌بندی
• 29. تنظیم هایپرپارامترها
• 30. بهینه‌سازی مدل‌های یادگیری ماشین
• 31. مقدمه‌ای بر یادگیری تقویتی
• 32. کاربرد یادگیری ماشین در پردازش زبان طبیعی
• 33. تشخیص گفتار و تبدیل متن به گفتار
• 34. بینایی کامپیوتر و تشخیص تصویر
• 35. تشخیص تقلب با استفاده از یادگیری ماشین
• 36. پیش‌بینی سری‌های زمانی با یادگیری ماشین
• 37. یادگیری ماشین و داده‌های بزرگ (Big Data)
• 38. چالش‌های کار با داده‌های بزرگ
• 39. پردازش داده‌های جریانی
• 40. مقدمه‌ای بر یادگیری انتقالی
• 41. یادگیری خود نظارتی
• 42. یادگیری فعال
• 43. مفاهیم اخلاقی در یادگیری ماشین
• 44. تفسیرپذیری مدل‌های یادگیری ماشین
• 45. حریم خصوصی و امنیت داده‌ها در یادگیری ماشین