کتاب تحلیل داده با هوش مصنوعی در Databricks با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده با هوش مصنوعی در Databricks

موضوع کلی: هوش مصنوعی و فناوری‌های ابری

موضوع میانی: توسعهٔ برنامه‌های کاربردی با هوش مصنوعی در بستر ابری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر تحلیل داده و هوش مصنوعی
• 2. آشنایی با پلتفرم Databricks
• 3. نصب و پیکربندی محیط توسعه Databricks
• 4. زبان برنامه‌نویسی پایتون برای تحلیل داده
• 5. کتابخانه‌های اصلی پایتون در تحلیل داده
• 6. مفاهیم پایه‌ای آمار و احتمال
• 7. پاکسازی و آماده‌سازی داده‌ها در Databricks
• 8. تبدیل و یکپارچه‌سازی داده‌ها
• 9. کاوش و تجسم داده‌ها با استفاده از Databricks
• 10. مقدمه‌ای بر یادگیری ماشین
• 11. رگرسیون خطی و چندگانه در Databricks
• 12. رده‌بندی با استفاده از الگوریتم‌های مختلف
• 13. خوشه‌بندی داده‌ها با الگوریتم K-Means
• 14. ارزیابی مدل‌های یادگیری ماشین
• 15. انتخاب ویژگی و کاهش ابعاد
• 16. مدل‌سازی پیش‌بینی سری‌های زمانی
• 17. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 18. تحلیل احساسات با استفاده از NLP در Databricks
• 19. استخراج اطلاعات از متون
• 20. مدل‌سازی موضوعی با استفاده از LDA
• 21. مقدمه‌ای بر یادگیری عمیق
• 22. شبکه‌های عصبی مصنوعی (ANN)
• 23. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 24. شبکه‌های عصبی بازگشتی (RNN) برای پردازش متن
• 25. استفاده از Autoencoders برای کاهش ابعاد و تشخیص ناهنجاری
• 26. بهینه‌سازی مدل‌های یادگیری عمیق
• 27. استقرار مدل‌های یادگیری ماشین در Databricks
• 28. مدیریت داده‌ها در Databricks Delta Lake
• 29. ساخت خط لوله داده با Databricks
• 30. نظارت بر عملکرد مدل‌ها
• 31. بهبود و بازآموزی مدل‌ها
• 32. کار با داده‌های بزرگ در Databricks
• 33. استفاده از Spark SQL برای تحلیل داده
• 34. کار با انواع مختلف داده‌ها در Databricks
• 35. تحلیل داده‌های جریانی با Databricks Streaming
• 36. آشنایی با Databricks MLflow برای مدیریت چرخه حیات مدل
• 37. استفاده از Databricks Auto ML
• 38. امنیت داده‌ها در Databricks
• 39. بهینه‌سازی عملکرد Databricks
• 40. مستندسازی و گزارش‌گیری از تحلیل داده
• 41. بهترین شیوه‌ها در تحلیل داده با Databricks
• 42. مطالعه موردی: تحلیل داده‌های فروش
• 43. مطالعه موردی: پیش‌بینی تقاضا
• 44. مطالعه موردی: تحلیل رفتار مشتری
• 45. مطالعه موردی: تشخیص تقلب