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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای تحلیل داده

موضوع کلی: فناوری اطلاعات و مهارت‌های دیجیتال

موضوع میانی: مبانی ماشین لرنینگ

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. آشنایی با انواع داده‌ها و پیش‌پردازش آن‌ها
• 3. مقدمه‌ای بر آمار و احتمال در یادگیری ماشین
• 4. انتخاب ویژگی و کاهش ابعاد
• 5. رگرسیون خطی ساده و چندگانه
• 6. ارزیابی مدل‌های رگرسیونی
• 7. رگرسیون لجستیک برای طبقه‌بندی
• 8. درخت‌های تصمیم‌گیری
• 9. جنگل تصادفی
• 10. ماشین‌های بردار پشتیبان (SVM)
• 11. خوشه‌بندی K-means
• 12. خوشه‌بندی سلسله مراتبی
• 13. ارزیابی خوشه‌بندی
• 14. شبکه‌های عصبی مصنوعی - مقدمه
• 15. پرceptron و الگوریتم یادگیری آن
• 16. شبکه‌های عصبی چند لایه
• 17. بهینه‌سازی گرادیان کاهشی
• 18. انتخاب تابع فعال‌سازی مناسب
• 19. تنظیم پارامترهای شبکه‌های عصبی
• 20. معماری‌های مختلف شبکه‌های عصبی
• 21. یادگیری عمیق و کاربردها
• 22. شبکه‌های عصبی کانولوشنال (CNN)
• 23. پردازش تصاویر با CNN
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. پردازش زبان طبیعی با RNN
• 26. مدل‌های زبانی
• 27. تولید متن با شبکه‌های عصبی
• 28. تحلیل احساسات با یادگیری ماشین
• 29. پیش‌بینی سری‌های زمانی
• 30. تشخیص ناهنجاری با یادگیری ماشین
• 31. کاهش ابعاد با PCA
• 32. تشخیص الگو
• 33. یادگیری تقویتی - مقدمه
• 34. Q-learning
• 35. Deep Q-Network (DQN)
• 36. کاربرد یادگیری ماشین در بازاریابی
• 37. کاربرد یادگیری ماشین در پزشکی
• 38. کاربرد یادگیری ماشین در مالی
• 39. یادگیری ماشین و امنیت سایبری
• 40. یادگیری ماشین و پردازش سیگنال
• 41. یادگیری ماشین و داده‌های جغرافیایی
• 42. استقرار مدل‌های یادگیری ماشین
• 43. ابزارهای محبوب یادگیری ماشین در پایتون
• 44. آشنایی با کتابخانه scikit-learn
• 45. آشنایی با کتابخانه TensorFlow