اکسپرس 24
کتاب یادگیری ماشین: از صفر تا مدل با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

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

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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 یادگیری ماشین: از صفر تا مدل

موضوع کلی: **علوم کامپیوتر و برنامه‌نویسی**

موضوع میانی: علم داده

📋 سرفصل‌های دوره

  • 1. یادگیری ماشین: از صفر تا مدل
  • 2. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
  • 4. پیش‌پردازش داده‌ها: پاکسازی و آماده‌سازی
  • 5. مهندسی ویژگی: استخراج ویژگی‌های مفید
  • 6. مجموعه داده‌ها و تقسیم‌بندی آن‌ها: آموزش، اعتبارسنجی و تست
  • 7. معرفی پایتون برای یادگیری ماشین
  • 8. کتابخانه‌های ضروری پایتون: NumPy و Pandas
  • 9. تجسم داده‌ها با Matplotlib و Seaborn
  • 10. رگرسیون خطی ساده: مفاهیم و پیاده‌سازی
  • 11. ارزیابی مدل‌های رگرسیونی: معیارها و روش‌ها
  • 12. رگرسیون چندگانه: مدل‌سازی روابط پیچیده‌تر
  • 13. بیش‌برازش و کم‌برازش: تشخیص و راه‌حل‌ها
  • 14. تنظیم مدل: روش‌های regularization
  • 15. رگرسیون لجستیک: طبقه‌بندی دودویی
  • 16. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، فراخوانی
  • 17. درخت‌های تصمیم‌گیری: ساختار و الگوریتم
  • 18. جنگل تصادفی: بهبود عملکرد با ترکیب درختان
  • 19. ماشین‌های بردار پشتیبان (SVM): مفاهیم و کاربردها
  • 20. خوشه‌بندی K-means: گروه‌بندی داده‌ها بدون نظارت
  • 21. تحلیل مولفه‌های اصلی (PCA): کاهش ابعاد
  • 22. ارزیابی خوشه‌بندی: معیارهای ارزیابی
  • 23. یادگیری تقویتی: مفاهیم پایه و الگوریتم Q-learning
  • 24. شبکه‌های عصبی: ساختار و عملکرد
  • 25. پرceptron: ساده‌ترین شبکه عصبی
  • 26. توابع فعال‌سازی: نقش و انواع
  • 27. انتشار رو به عقب: آموزش شبکه‌های عصبی
  • 28. بهینه‌سازها: گرادیان کاهشی و انواع آن
  • 29. شبکه‌های عصبی کانولوشنی (CNN): پردازش تصاویر
  • 30. شبکه‌های عصبی بازگشتی (RNN): پردازش داده‌های ترتیبی
  • 31. پردازش زبان طبیعی (NLP): مقدمه‌ای و کاربردها
  • 32. مدل‌های زبانی: Word2Vec و GloVe
  • 33. تکنیک‌های پیشرفته تنظیم مدل
  • 34. انتخاب ویژگی: روش‌های فیلتر و wrapper
  • 35. اعتبارسنجی متقابل: ارزیابی دقیق‌تر مدل
  • 36. مدل‌سازی ensemble: ترکیب مدل‌ها برای بهبود عملکرد
  • 37. یادگیری ماشین در مقیاس بزرگ: معرفی Apache Spark
  • 38. استقرار مدل‌های یادگیری ماشین
  • 39. تفسیرپذیری مدل: درک تصمیمات مدل
  • 40. اخلاق در یادگیری ماشین: سوگیری و انصاف
  • 41. کاربرد یادگیری ماشین در تشخیص تقلب
  • 42. کاربرد یادگیری ماشین در پیش‌بینی تقاضا
  • 43. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
  • 44. آینده یادگیری ماشین و روندهای نوظهور

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.