کتاب هسته‌ها در SVM: قدرت و انعطاف با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هسته‌ها در SVM: قدرت و انعطاف

موضوع کلی: علوم رایانه و نظریه اطلاعات

موضوع میانی: ماشین‌های بردار پشتیبان (SVM)

📋 سرفصل‌های دوره

• 1. هسته‌ها در ماشین‌های بردار پشتیبان: مروری جامع
• 2. مقدمه‌ای بر یادگیری ماشین و SVM
• 3. الگوریتم SVM: اصول و مفاهیم اساسی
• 4. کاربرد SVM در طبقه‌بندی داده‌ها
• 5. معرفی هسته‌ها و نقش آن‌ها در SVM
• 6. هسته‌ی خطی: ساده‌ترین نوع هسته
• 7. هسته‌ی چندجمله‌ای: درجه و اهمیت آن
• 8. هسته‌ی شعاعی (RBF): پارامترها و تنظیمات
• 9. هسته‌ی سیگموئیدی: کاربردها و محدودیت‌ها
• 10. انتخاب هسته‌ی مناسب برای داده‌های مختلف
• 11. پیش‌پردازش داده‌ها برای SVM
• 12. نرمال‌سازی و استانداردسازی داده‌ها
• 13. مقابله با داده‌های نامتعادل در SVM
• 14. تنظیم پارامترهای SVM با استفاده از اعتبارسنجی متقابل
• 15. اعتبارسنجی متقابل K-Fold
• 16. اعتبارسنجی متقابل Leave-One-Out
• 17. بهینه‌سازی پارامترهای هسته با جستجوی شبکه‌ای
• 18. ارزیابی عملکرد مدل SVM: دقت، صحت، بازیابی
• 19. منحنی ROC و AUC در ارزیابی SVM
• 20. ماتریس درهم‌ریختگی: تحلیل نتایج مدل
• 21. SVM برای مسائل طبقه‌بندی دودویی
• 22. SVM برای مسائل طبقه‌بندی چندکلاسه
• 23. استفاده از استراتژی یک‌درمقابل‌همه در SVM
• 24. استفاده از استراتژی یک‌درمقابل‌یک در SVM
• 25. SVM و رگرسیون: SVR (ماشین بردار پشتیبان برای رگرسیون)
• 26. مفاهیم اساسی SVR
• 27. توابع زیان در SVR: اپسیلون-حساس
• 28. تنظیم پارامترهای SVR
• 29. کاربرد SVR در پیش‌بینی داده‌ها
• 30. هسته‌ها در SVR: انتخاب و تنظیم
• 31. مقایسه SVM و SVR
• 32. SVM و مسائل خوشه‌بندی
• 33. استفاده از SVM برای تشخیص ناهنجاری
• 34. کاربرد SVM در پردازش تصویر
• 35. شناسایی اشیاء در تصاویر با استفاده از SVM
• 36. تشخیص چهره با استفاده از SVM
• 37. SVM و پردازش زبان طبیعی
• 38. تحلیل احساسات با استفاده از SVM
• 39. طبقه‌بندی متون با استفاده از SVM
• 40. کاربرد SVM در بیوانفورماتیک
• 41. تشخیص بیماری‌ها با استفاده از SVM
• 42. تحلیل داده‌های ژنوم با استفاده از SVM
• 43. پیاده‌سازی SVM در پایتون با استفاده از Scikit-learn
• 44. آموزش مدل SVM در Scikit-learn
• 45. ارزیابی مدل SVM در Scikit-learn