کتاب هوشمندسازی داده‌های حسگر با پایتون 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 هوشمندسازی داده‌های حسگر با پایتون

موضوع کلی: هوش مصنوعی در پژوهش و توسعه

موضوع میانی: هوش مصنوعی در تحلیل داده‌های حسگرها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر حسگرها و جمع‌آوری داده
  • 2. انواع حسگرها و کاربردهای آن‌ها
  • 3. پایتون برای جمع‌آوری داده‌های حسگر
  • 4. نصب و پیکربندی پایتون و کتابخانه‌های مورد نیاز
  • 5. آشنایی با کتابخانه Pandas برای تحلیل داده
  • 6. خواندن و نوشتن داده‌های حسگر در Pandas
  • 7. پاکسازی و پیش‌پردازش داده‌های حسگر
  • 8. شناسایی و حذف داده‌های پرت
  • 9. تکنیک‌های نرمال‌سازی داده‌های حسگر
  • 10. تصویرسازی داده‌های حسگر با Matplotlib
  • 11. آشنایی با کتابخانه NumPy برای محاسبات عددی
  • 12. تحلیل آماری داده‌های حسگر با NumPy
  • 13. ایجاد توابع سفارشی برای تحلیل داده
  • 14. کار با داده‌های سری زمانی حسگر
  • 15. تحلیل سری زمانی با استفاده از Pandas
  • 16. پیش‌بینی سری زمانی با استفاده از مدل‌های آماری
  • 17. مقدمه‌ای بر یادگیری ماشین برای داده‌های حسگر
  • 18. رگرسیون خطی برای پیش‌بینی داده‌های حسگر
  • 19. رگرسیون چندگانه و انتخاب ویژگی
  • 20. درخت تصمیم برای طبقه‌بندی داده‌های حسگر
  • 21. جنگل تصادفی و افزایش دقت مدل
  • 22. ماشین بردار پشتیبان (SVM) برای داده‌های حسگر
  • 23. خوشه‌بندی داده‌های حسگر با استفاده از K-Means
  • 24. ارزیابی عملکرد مدل‌های یادگیری ماشین
  • 25. اعتبارسنجی متقابل و تنظیم پارامترها
  • 26. پیاده‌سازی مدل‌های یادگیری ماشین با Scikit-learn
  • 27. آشنایی با شبکه‌های عصبی مصنوعی
  • 28. شبکه‌های عصبی عمیق برای تحلیل داده‌های حسگر
  • 29. ساخت مدل‌های شبکه‌های عصبی با TensorFlow
  • 30. بهینه‌سازی مدل‌های شبکه‌های عصبی
  • 31. استفاده از داده‌های حسگر برای تشخیص ناهنجاری
  • 32. تشخیص ناهنجاری با استفاده از الگوریتم‌های آماری
  • 33. تشخیص ناهنجاری با استفاده از یادگیری ماشین
  • 34. کاربرد داده‌های حسگر در اینترنت اشیا (IoT)
  • 35. ارتباط حسگرها با پلتفرم‌های IoT
  • 36. امنیت داده‌های حسگر در IoT
  • 37. ذخیره‌سازی داده‌های حسگر در پایگاه داده
  • 38. استفاده از پایگاه داده‌های سری زمانی
  • 39. مصورسازی داده‌های حسگر در داشبوردهای تعاملی
  • 40. استقرار مدل‌های یادگیری ماشین در محیط‌های واقعی
  • 41. بهینه‌سازی مصرف انرژی در سیستم‌های حسگر بی‌سیم
  • 42. آشنایی با پروتکل‌های ارتباطی حسگرها
  • 43. تحلیل داده‌های حسگر برای پیش‌بینی نگهداری
  • 44. استفاده از داده‌های حسگر برای کنترل فرآیندها
  • 45. کسب و کار هوشمند و تحلیل داده‌های حسگر

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.