کتاب بهینه‌سازی SVM: ترفندها و تکنیک‌ها 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 بهینه‌سازی SVM: ترفندها و تکنیک‌ها

موضوع کلی: علوم رایانه و نظریه اطلاعات

موضوع میانی: ماشین‌های بردار پشتیبان (SVM)

📋 سرفصل‌های دوره

  • 1. بهینه‌سازی ماشین بردار پشتیبان: مروری جامع
  • 2. مفاهیم پایه ماشین‌های بردار پشتیبان
  • 3. تابع کرنل: انواع و کاربردها
  • 4. انتخاب پارامتر C در SVM
  • 5. بهینه‌سازی پارامتر گاما در SVM
  • 6. روش‌های ارزیابی عملکرد مدل SVM
  • 7. اعتبارسنجی متقابل (Cross-Validation) در SVM
  • 8. پیش‌پردازش داده‌ها برای SVM
  • 9. مقیاس‌بندی ویژگی‌ها (Feature Scaling)
  • 10. کاهش ابعاد داده‌ها (Dimensionality Reduction)
  • 11. مدل‌سازی SVM برای داده‌های خطی
  • 12. مدل‌سازی SVM برای داده‌های غیرخطی
  • 13. استفاده از کرنل چندجمله‌ای (Polynomial Kernel)
  • 14. استفاده از کرنل شعاعی (Radial Basis Function Kernel)
  • 15. استفاده از کرنل سیگموئید (Sigmoid Kernel)
  • 16. تشخیص بهترین کرنل برای مجموعه داده خاص
  • 17. SVM برای طبقه‌بندی دودویی
  • 18. SVM برای طبقه‌بندی چند کلاسه
  • 19. SVM برای رگرسیون
  • 20. اعمال SVM در تشخیص تصاویر
  • 21. اعمال SVM در پردازش زبان طبیعی
  • 22. اعمال SVM در داده‌کاوی
  • 23. بهینه‌سازی SVM با استفاده از الگوریتم‌های ژنتیک
  • 24. بهینه‌سازی SVM با استفاده از جستجوی شبکه‌ای (Grid Search)
  • 25. بهینه‌سازی SVM با استفاده از بهینه‌سازی بیزی (Bayesian Optimization)
  • 26. مقایسه SVM با سایر الگوریتم‌های یادگیری ماشین
  • 27. SVM و درخت تصمیم‌گیری
  • 28. SVM و جنگل تصادفی (Random Forest)
  • 29. SVM و شبکه‌های عصبی
  • 30. مدل‌های ترکیبی (Ensemble Methods) با SVM
  • 31. غلبه بر مشکل عدم تعادل داده‌ها در SVM
  • 32. تکنیک‌های نمونه‌برداری بیش از حد (Oversampling)
  • 33. تکنیک‌های نمونه‌برداری کمتر از حد (Undersampling)
  • 34. تنظیم وزن کلاس‌ها در SVM
  • 35. مقابله با داده‌های پرت (Outliers) در SVM
  • 36. اهمیت انتخاب ویژگی در SVM
  • 37. روش‌های انتخاب ویژگی (Feature Selection)
  • 38. استفاده از PCA برای انتخاب ویژگی
  • 39. استفاده از انتخاب ویژگی بازگشتی (Recursive Feature Elimination)
  • 40. بهینه‌سازی SVM برای مجموعه داده‌های بزرگ
  • 41. استفاده از روش‌های نمونه‌برداری (Sampling Methods)
  • 42. استفاده از SVM توزیع‌شده (Distributed SVM)
  • 43. بررسی پیچیدگی محاسباتی SVM
  • 44. بهینه‌سازی حافظه در SVM
  • 45. استفاده از SVM در سیستم‌های تعبیه‌شده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.