کتاب پیش‌بینی و مدل‌سازی با داده‌های بزرگ 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 پیش‌بینی و مدل‌سازی با داده‌های بزرگ

موضوع کلی: تحلیل داده‌های دیجیتال و بهینه‌سازی کسب‌وکار

موضوع میانی: مفاهیم بیگ‌داد و پردازش داده‌ها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر داده‌های بزرگ و پیش‌بینی
  • 2. مفاهیم اساسی آمار و احتمال در پیش‌بینی
  • 3. روش‌های جمع‌آوری و پاکسازی داده‌های بزرگ
  • 4. پیش‌پردازش داده‌ها برای مدل‌سازی
  • 5. کاوش داده‌ها و شناسایی الگوها
  • 6. انتخاب ویژگی‌های مهم در داده‌های بزرگ
  • 7. مقدمه‌ای بر یادگیری ماشین
  • 8. رگرسیون خطی و چندگانه برای پیش‌بینی
  • 9. رگرسیون لجستیک و مدل‌سازی طبقه‌بندی
  • 10. درخت‌های تصمیم‌گیری و جنگل‌های تصادفی
  • 11. ماشین‌های بردار پشتیبان (SVM)
  • 12. شبکه‌های عصبی مصنوعی (ANN)
  • 13. معماری‌های مختلف شبکه‌های عصبی
  • 14. بهینه‌سازی مدل‌های یادگیری ماشین
  • 15. ارزیابی عملکرد مدل‌های پیش‌بینی
  • 16. معیارهای ارزیابی رگرسیون
  • 17. معیارهای ارزیابی طبقه‌بندی
  • 18. اعتبارسنجی متقابل (Cross-Validation)
  • 19. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 20. مقایسه روش‌های مختلف پیش‌بینی
  • 21. مدل‌سازی سری‌های زمانی
  • 22. پیش‌بینی با استفاده از مدل‌های ARIMA
  • 23. پیش‌بینی با استفاده از مدل‌های экспоненشیال Smoothing
  • 24. تحلیل خوشه‌ای (Clustering) و شناسایی گروه‌ها
  • 25. کاهش ابعاد داده‌ها با PCA
  • 26. تحلیل مؤلفه‌های اصلی (PCA) در پیش‌بینی
  • 27. استفاده از داده‌های نامنظم در پیش‌بینی
  • 28. پیش‌بینی با داده‌های متنی
  • 29. پردازش زبان طبیعی (NLP) و پیش‌بینی
  • 30. تحلیل احساسات و پیش‌بینی رفتار مشتری
  • 31. مدل‌سازی داده‌های مکانی و زمانی
  • 32. پیش‌بینی تقاضا در زنجیره تأمین
  • 33. پیش‌بینی ریسک اعتباری
  • 34. پیش‌بینی قیمت سهام و بازار سرمایه
  • 35. پیش‌بینی ترافیک و حمل و نقل
  • 36. پیش‌بینی آب و هوا
  • 37. پیش‌بینی بیماری‌های همه‌گیر
  • 38. استفاده از داده‌های شبکه‌های اجتماعی در پیش‌بینی
  • 39. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 40. شبکه‌های عصبی کانولوشنال (CNN)
  • 41. شبکه‌های عصبی بازگشتی (RNN)
  • 42. شبکه‌های LSTM برای پیش‌بینی سری‌های زمانی
  • 43. استفاده از داده‌های بزرگ در حوزه بهداشت و درمان
  • 44. استفاده از داده‌های بزرگ در حوزه بازاریابی
  • 45. استفاده از داده‌های بزرگ در حوزه کشاورزی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.