کتاب یادگیری ماشین برای پیش‌بینی آینده با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای پیش‌بینی آینده

موضوع کلی: تحلیل داده‌ها و یادگیری ماشین

موضوع میانی: پیش‌بینی سری‌های زمانی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین و کاربردهای آن
• 2. انواع الگوریتم‌های یادگیری ماشین
• 3. پیش‌پردازش داده‌ها و آماده‌سازی برای مدل‌سازی
• 4. انتخاب ویژگی و کاهش ابعاد
• 5. معیارهای ارزیابی عملکرد مدل
• 6. رگرسیون خطی و چندگانه
• 7. رگرسیون لجستیک برای طبقه‌بندی
• 8. درخت‌های تصمیم‌گیری
• 9. جنگل تصادفی
• 10. ماشین‌های بردار پشتیبان (SVM)
• 11. شبکه‌های عصبی مصنوعی: مفاهیم پایه
• 12. شبکه‌های عصبی عمیق و معماری آن‌ها
• 13. بهینه‌سازی گرادیان کاهشی
• 14. انتخاب تابع فعال‌سازی مناسب
• 15. روش‌های جلوگیری از بیش‌برازش (Overfitting)
• 16. اعتبارسنجی متقابل (Cross-Validation)
• 17. یادگیری ماشین بدون نظارت: خوشه‌بندی
• 18. الگوریتم K-Means
• 19. تحلیل مولفه‌های اصلی (PCA)
• 20. تشخیص ناهنجاری (Anomaly Detection)
• 21. یادگیری تقویتی: مفاهیم و کاربردها
• 22. مدل‌های سری زمانی و پیش‌بینی
• 23. مدل‌های ARIMA
• 24. پیش‌بینی با استفاده از شبکه‌های عصبی بازگشتی (RNN)
• 25. پیش‌بینی با استفاده از LSTM
• 26. پیش‌بینی با استفاده از مدل‌های Prophet
• 27. تحلیل داده‌های متنی و پردازش زبان طبیعی (NLP)
• 28. مدل‌های زبانی و تولید متن
• 29. خلاصه‌سازی متن
• 30. تحلیل احساسات (Sentiment Analysis)
• 31. یادگیری ماشین در تشخیص تصویر
• 32. شبکه‌های کانولوشنال (CNN)
• 33. تشخیص اشیاء در تصاویر
• 34. یادگیری ماشین در تشخیص صدا
• 35. پردازش سیگنال‌های صوتی
• 36. تبدیل ویژگی‌های صوتی
• 37. استفاده از یادگیری ماشین در سیستم‌های توصیه‌گر
• 38. فیلترهای مشارکتی (Collaborative Filtering)
• 39. یادگیری ماشین در تشخیص تقلب
• 40. مدل‌سازی ریسک و ارزیابی
• 41. کاربرد یادگیری ماشین در حوزه‌ی سلامت
• 42. تشخیص بیماری با استفاده از یادگیری ماشین
• 43. یادگیری ماشین در بازاریابی و پیش‌بینی رفتار مشتری
• 44. یادگیری ماشین در مدیریت زنجیره تامین
• 45. یادگیری ماشین و بهینه‌سازی عملیات