کتاب Flask و یادگیری ماشین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Flask و یادگیری ماشین

موضوع کلی: توسعه نرم‌افزار و اپلیکیشن

موضوع میانی: پایتون با فریمورک Flask

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر فریم‌ورک Flask
• 2. نصب و راه‌اندازی Flask
• 3. ساختار یک پروژه Flask ساده
• 4. مسیرها و توابع View در Flask
• 5. ارسال و دریافت داده با فرم‌ها
• 6. استفاده از Templateها در Flask
• 7. موتور Templateهای Jinja2
• 8. مدیریت Sessionها در Flask
• 9. کار با کوکی‌ها در Flask
• 10. امنیت در Flask: حفاظت از CSRF
• 11. ارتباط با پایگاه داده با SQLAlchemy
• 12. مدل‌سازی داده با SQLAlchemy
• 13. انجام عملیات CRUD با SQLAlchemy
• 14. استفاده از SQLite با Flask
• 15. استفاده از PostgreSQL با Flask
• 16. آشنایی با یادگیری ماشین
• 17. مقدمه‌ای بر الگوریتم‌های یادگیری ماشین
• 18. پیش‌پردازش داده‌ها برای یادگیری ماشین
• 19. انتخاب ویژگی (Feature Selection)
• 20. آماده‌سازی داده برای مدل‌سازی
• 21. استفاده از کتابخانه Scikit-learn
• 22. مدل‌سازی خطی (Linear Regression)
• 23. مدل‌سازی لجستیک (Logistic Regression)
• 24. درخت‌های تصمیم (Decision Trees)
• 25. جنگل تصادفی (Random Forest)
• 26. ماشین‌های بردار پشتیبان (Support Vector Machines)
• 27. ارزیابی مدل‌های یادگیری ماشین
• 28. متریک‌های ارزیابی (Accuracy, Precision, Recall, F1-Score)
• 29. اعتبارسنجی متقابل (Cross-Validation)
• 30. تنظیم پارامترهای مدل (Hyperparameter Tuning)
• 31. ادغام مدل یادگیری ماشین با Flask
• 32. ایجاد API با Flask برای پیش‌بینی
• 33. ذخیره مدل‌های یادگیری ماشین
• 34. بارگذاری مدل‌های یادگیری ماشین
• 35. استفاده از Pandas برای تحلیل داده
• 36. مصورسازی داده با Matplotlib
• 37. مصورسازی داده با Seaborn
• 38. کار با داده‌های سری زمانی
• 39. پیش‌بینی سری زمانی با مدل‌های ARIMA
• 40. استفاده از Flask برای استقرار مدل یادگیری ماشین
• 41. بهینه‌سازی عملکرد برنامه Flask
• 42. تست و دیباگینگ برنامه‌های Flask
• 43. استفاده از Docker برای استقرار Flask
• 44. آشنایی با WebSocket و Flask
• 45. امنیت APIهای Flask