کتاب یادگیری ماشین برای تحلیل بیگ دیتا با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای تحلیل بیگ دیتا

موضوع کلی: مدیریت داده و فناوری‌های اطلاعاتی

موضوع میانی: بیگ‌دیتا و تحلیل داده‌های بزرگ

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. آشنایی با بیگ دیتا و چالش‌های آن
• 3. پیش‌پردازش داده‌ها در یادگیری ماشین
• 4. انتخاب ویژگی‌های مهم در داده‌های بزرگ
• 5. روش‌های خوشه‌بندی داده‌ها
• 6. الگوریتم K-Means
• 7. خوشه‌بندی سلسله مراتبی
• 8. ارزیابی عملکرد خوشه‌بندی
• 9. درخت‌های تصمیم‌گیری
• 10. جنگل تصادفی
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. شبکه‌های عصبی مصنوعی (ANN)
• 13. مقدمه‌ای بر یادگیری عمیق
• 14. شبکه‌های عصبی کانولوشنال (CNN)
• 15. شبکه‌های عصبی بازگشتی (RNN)
• 16. کاربرد CNN در پردازش تصویر
• 17. کاربرد RNN در پردازش زبان طبیعی
• 18. کاهش ابعاد داده‌ها با PCA
• 19. تحلیل مولفه‌های مستقل (ICA)
• 20. مدل‌سازی احتمالاتی
• 21. رگرسیون خطی و لجستیک
• 22. رگرسیون چندمتغیره
• 23. آزمون فرضیه‌ها
• 24. تحلیل واریانس (ANOVA)
• 25. مقدمه‌ای بر داده‌کاوی
• 26. قواعد وابستگی
• 27. تحلیل سبد خرید
• 28. تشخیص ناهنجاری
• 29. پیش‌بینی سری‌های زمانی
• 30. مدل‌های ARIMA
• 31. مدل‌های GARCH
• 32. یادگیری تقویتی
• 33. الگوریتم Q-Learning
• 34. مقدمه‌ای بر پردازش زبان طبیعی
• 35. مدل‌سازی زبانی
• 36. تحلیل احساسات
• 37. خلاصه‌سازی متن
• 38. تشخیص موجودیت‌های نام‌گذاری شده
• 39. سیستم‌های توصیه‌گر
• 40. فیلترسازی مشارکتی
• 41. توصیه‌گرهای مبتنی بر محتوا
• 42. استفاده از یادگیری ماشین در بازاریابی
• 43. تحلیل رفتار مشتری
• 44. پیش‌بینی نرخ ریزش مشتری
• 45. بهینه‌سازی قیمت‌گذاری