کتاب تشخیص تقلب با یادگیری ماشین با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشخیص تقلب با یادگیری ماشین

موضوع کلی: مدیریت دانش و داده‌کاوی

موضوع میانی: داده‌کاوی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. تشخیص تقلب با یادگیری ماشین
  • 2. مقدمه‌ای بر تقلب و روش‌های سنتی تشخیص آن
  • 3. مفاهیم پایه یادگیری ماشین برای تشخیص تقلب
  • 4. انواع داده‌ها و آماده‌سازی آن‌ها برای مدل‌های یادگیری ماشین
  • 5. انتخاب ویژگی‌های مناسب برای تشخیص تقلب
  • 6. مدل‌های طبقه‌بندی: درخت‌های تصمیم و جنگل‌های تصادفی
  • 7. مدل‌های رگرسیون لجستیک در تشخیص تقلب
  • 8. ماشین‌های بردار پشتیبان (SVM) و کاربرد آن‌ها
  • 9. نرمال‌سازی و استانداردسازی داده‌ها
  • 10. مقایسه عملکرد مدل‌های مختلف طبقه‌بندی
  • 11. ارزیابی مدل‌های یادگیری ماشین: دقت، صحت، بازخوانی و F1-score
  • 12. مدیریت داده‌های نامتوازن در تشخیص تقلب
  • 13. تکنیک‌های نمونه‌برداری بیش از حد و کمتر از حد
  • 14. روش‌های ترکیبی برای مقابله با داده‌های نامتوازن
  • 15. شناسایی الگوهای تقلب با استفاده از خوشه‌بندی
  • 16. تحلیل مولفه‌های اصلی (PCA) و کاهش ابعاد
  • 17. تشخیص تقلب در تراکنش‌های مالی
  • 18. تشخیص تقلب در شبکه‌های اجتماعی
  • 19. تشخیص تقلب در داده‌های حسگر
  • 20. تشخیص تقلب در سیستم‌های بیمه
  • 21. استفاده از الگوریتم‌های تشخیص ناهنجاری
  • 22. یادگیری بدون نظارت برای تشخیص تقلب
  • 23. تشخیص تقلب در سری‌های زمانی
  • 24. تشخیص تقلب با استفاده از شبکه‌های عصبی
  • 25. شبکه‌های عصبی عمیق (DNN) برای تشخیص تقلب
  • 26. شبکه‌های عصبی بازگشتی (RNN) و LSTM برای تشخیص تقلب
  • 27. شبکه‌های عصبی پیچشی (CNN) در تشخیص تقلب
  • 28. تشخیص تقلب با استفاده از یادگیری تقویتی
  • 29. استفاده از یادگیری انتقالی در تشخیص تقلب
  • 30. تشخیص تقلب آنلاین و به‌روزرسانی مدل‌ها
  • 31. تفسیرپذیری مدل‌های یادگیری ماشین در تشخیص تقلب
  • 32. روش‌های شبیه‌سازی و تولید داده‌های مصنوعی برای آموزش مدل
  • 33. مراحل استقرار مدل تشخیص تقلب در محیط واقعی
  • 34. نظارت بر عملکرد مدل و بازآموزی آن
  • 35. بهینه‌سازی مدل‌های یادگیری ماشین برای سرعت و دقت
  • 36. استفاده از کتابخانه‌های پایتون برای تشخیص تقلب (Scikit-learn)
  • 37. استفاده از کتابخانه‌های پایتون برای تشخیص تقلب (TensorFlow)
  • 38. استفاده از کتابخانه‌های پایتون برای تشخیص تقلب (Keras)
  • 39. تشخیص تقلب در داده‌های متنی
  • 40. تشخیص تقلب در تصاویر
  • 41. تشخیص تقلب در داده‌های جغرافیایی
  • 42. تشخیص تقلب با استفاده از داده‌های رفتاری
  • 43. تکنیک‌های مهندسی ویژگی پیشرفته برای تشخیص تقلب
  • 44. تشخیص تقلب با استفاده از ensemble learning
  • 45. محافظت از حریم خصوصی در تشخیص تقلب

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.