کتاب صوتی جامع کاربردی یادگیری ماشین با پایتون: از تحلیل داده تا مدل‌سازی هوشمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع کاربردی یادگیری ماشین با پایتون: از تحلیل داده تا مدل‌سازی هوشمند

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل پیش‌بینانه

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی هوش مصنوعی و جایگاه یادگیری ماشین در علوم داده
• 2. نصب و راه‌اندازی محیط توسعه پایتون و کتابخانه‌های علمی
• 3. ساختار داده‌ها و کار با کتابخانه نامپای برای محاسبات عددی
• 4. تحلیل و دستکاری داده‌ها با کتابخانه پانداز
• 5. پاک‌سازی و پیش‌پردازش داده‌های خام
• 6. مدیریت مقادیر مفقود و داده‌های پرت در مجموعه‌های آموزشی
• 7. مصورسازی داده‌ها با استفاده از متپلات‌لیب و سی‌بورن
• 8. تحلیل اکتشافی داده‌ها برای استخراج الگوهای اولیه
• 9. مفاهیم آماری کاربردی در یادگیری ماشین
• 10. آشنایی با کتابخانه سایکیت‌لرن و معماری مدل‌های یادگیری
• 11. رگرسیون خطی ساده و پیش‌بینی مقادیر پیوسته
• 12. ارزیابی عملکرد مدل‌های رگرسیون با معیارهای خطا
• 13. رگرسیون چندگانه و تحلیل همبستگی متغیرها
• 14. مقدمه‌ای بر طبقه‌بندی و الگوریتم نزدیک‌ترین همسایگی
• 15. ارزیابی مدل‌های طبقه‌بندی با ماتریس درهم‌ریختگی
• 16. منحنی‌های دقت و فراخوانی در مدل‌های پیش‌بینانه
• 17. الگوریتم‌های درخت تصمیم و تفسیرپذیری مدل
• 18. جلوگیری از بیش‌برازش با تکنیک‌های هرس درخت
• 19. جنگل‌های تصادفی و یادگیری تجمعی
• 20. ماشین بردار پشتیبان و تحلیل حاشیه جداسازی
• 21. کاهش ابعاد داده‌ها با تحلیل مؤلفه‌های اصلی
• 22. خوشه‌بندی کی-میانگین برای بخش‌بندی داده‌ها
• 23. تشخیص ناهنجاری‌ها و کاربردهای آن در امنیت داده
• 24. مقدمه‌ای بر شبکه‌های عصبی مصنوعی و یادگیری عمیق
• 25. کار با کتابخانه تنسورفلو برای ساخت لایه‌های عصبی
• 26. بهینه‌سازی پارامترها و الگوریتم‌های انتشار معکوس
• 27. نرمال‌سازی داده‌ها و افزایش سرعت همگرایی مدل
• 28. استفاده از مدل‌های پیش‌آموزش‌دیده برای یادگیری انتقالی
• 29. مدیریت پروژه‌های علوم داده در محیط‌های حرفه‌ای
• 30. ذخیره‌سازی و استقرار مدل‌های هوشمند در سامانه‌های عملیاتی
• 31. اخلاق در هوش مصنوعی و صیانت از حریم خصوصی داده‌ها
• 32. پروژه نهایی: پیاده‌سازی سیستم پیش‌بینی هوشمند با داده‌های واقعی