کتاب یادگیری ماشین عملی: از صفر تا استقرار با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین عملی: از صفر تا استقرار

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: Data Science Development Lifecycle Programs

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
• 2. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، نیمه‌نظارت‌شده
• 3. آماده‌سازی داده‌ها: پاکسازی، تبدیل و نرمال‌سازی
• 4. انتخاب ویژگی و کاهش ابعاد
• 5. مقدمه‌ای بر پایتون برای یادگیری ماشین
• 6. کتابخانه‌های ضروری پایتون: NumPy و Pandas
• 7. مصورسازی داده‌ها با Matplotlib و Seaborn
• 8. رگرسیون خطی ساده و چندگانه
• 9. ارزیابی مدل‌های رگرسیون
• 10. رگرسیون لجستیک برای طبقه‌بندی
• 11. درخت‌های تصمیم‌گیری و الگوریتم ID3
• 12. جنگل تصادفی و افزایش دقت
• 13. ماشین‌های بردار پشتیبان (SVM)
• 14. هسته‌ها در ماشین‌های بردار پشتیبان
• 15. k-نزدیک‌ترین همسایه‌ها (k-NN)
• 16. خوشه‌بندی K-Means
• 17. تحلیل مولفه‌های اصلی (PCA)
• 18. ارزیابی خوشه‌بندی و انتخاب K بهینه
• 19. مقدمه‌ای بر شبکه‌های عصبی
• 20. درک پرسپترون چندلایه
• 21. بهینه‌سازی گرادیان کاهشی
• 22. انتخاب تابع فعال‌سازی مناسب
• 23. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 24. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
• 25. پردازش زبان طبیعی (NLP) و مدل‌های زبانی
• 26. مدل‌های زبانی بزرگ (LLM) و کاربردها
• 27. یادگیری تقویتی: مفاهیم پایه
• 28. الگوریتم Q-Learning
• 29. یادگیری عمیق تقویتی
• 30. انتخاب مدل یادگیری ماشین مناسب
• 31. تنظیم ابرپارامترها و اعتبارسنجی متقابل
• 32. جلوگیری از بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 33. معماری مدل و انتخاب الگوریتم
• 34. استقرار مدل‌های یادگیری ماشین
• 35. استفاده از Flask برای ساخت API
• 36. استقرار مدل با استفاده از Docker
• 37. مانیتورینگ و نگهداری مدل‌های یادگیری ماشین
• 38. تفسیرپذیری مدل و اهمیت ویژگی‌ها
• 39. یادگیری ماشین خودکار (AutoML)
• 40. مفاهیم احتمال و آمار برای یادگیری ماشین
• 41. یادگیری ماشین در مقیاس بزرگ با Spark
• 42. یادگیری ماشین و امنیت داده‌ها
• 43. ملاحظات اخلاقی در یادگیری ماشین
• 44. ابزارهای بصری برای یادگیری ماشین: Streamlit
• 45. بهینه‌سازی عملکرد مدل‌های یادگیری ماشین