کتاب مدل‌سازی یادگیری با داده‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی یادگیری با داده‌ها

موضوع کلی: مدیریت و توسعه آموزش‌های الکترونیکی

موضوع میانی: داده‌کاوی و تحلیل یادگیری (Learning Analytics)

📋 سرفصل‌های دوره

• 1. مبانی مدل‌سازی یادگیری با داده‌ها
• 2. جمع‌آوری و آماده‌سازی داده‌های آموزشی
• 3. پیش‌پردازش داده‌ها و پاکسازی
• 4. تبدیل ویژگی‌ها و مهندسی ویژگی
• 5. انتخاب ویژگی‌های مهم
• 6. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
• 7. معیارهای ارزیابی مدل‌های یادگیری
• 8. مقدمه‌ای بر رگرسیون خطی
• 9. رگرسیون چندگانه
• 10. تفسیر ضرایب رگرسیون
• 11. ارزیابی مدل رگرسیون
• 12. مقدمه‌ای بر طبقه‌بندی
• 13. آشنایی با الگوریتم‌های طبقه‌بندی
• 14. درخت‌های تصمیم‌گیری
• 15. جنگل تصادفی
• 16. ماشین بردار پشتیبان (SVM)
• 17. شبکه‌های عصبی مصنوعی (ANN)
• 18. مقدمه‌ای بر خوشه‌بندی
• 19. الگوریتم K-Means
• 20. ارزیابی خوشه‌بندی
• 21. کاهش ابعاد با PCA
• 22. تحلیل مولفه‌های اصلی
• 23. انتخاب تعداد مولفه‌های اصلی
• 24. مقدمه‌ای بر یادگیری تقویتی
• 25. مفاهیم اساسی یادگیری تقویتی
• 26. الگوریتم Q-Learning
• 27. مدل‌سازی سری‌های زمانی
• 28. پیش‌بینی با استفاده از ARIMA
• 29. ارزیابی مدل‌های سری زمانی
• 30. روش‌های اعتبارسنجی متقابل
• 31. بهینه‌سازی هایپرپارامترها
• 32. مدل‌سازی داده‌های گمشده
• 33. تشخیص ناهنجاری‌ها
• 34. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 35. تحلیل احساسات
• 36. مدل‌سازی موضوعی
• 37. خلاصه‌سازی متن
• 38. مقدمه‌ای بر بینایی کامپیوتر
• 39. تشخیص اشیا در تصاویر
• 40. قطعه‌بندی تصاویر
• 41. مقدمه‌ای بر یادگیری عمیق
• 42. شبکه‌های عصبی کانولوشنال (CNN)
• 43. شبکه‌های عصبی بازگشتی (RNN)
• 44. کاربرد یادگیری ماشین در پیش‌بینی
• 45. کاربرد یادگیری ماشین در تشخیص الگو