کتاب صوتی یادگیری ماشین برای پیش‌بینی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین برای پیش‌بینی

موضوع کلی: آمار و مدل‌سازی

موضوع میانی: پیش‌بینی آماری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
• 2. انواع یادگیری ماشین: نظارتی، بدون نظارت، تقویتی
• 3. آماده‌سازی داده‌ها: جمع‌آوری، پاکسازی و تبدیل
• 4. ویژگی‌های داده: انتخاب، استخراج و مهندسی
• 5. مدل‌های رگرسیون خطی و چندگانه
• 6. ارزیابی مدل‌های رگرسیون: معیارها و روش‌ها
• 7. رگرسیون لجستیک برای طبقه‌بندی
• 8. درخت‌های تصمیم‌گیری: اصول و الگوریتم‌ها
• 9. جنگل تصادفی: بهبود دقت و کاهش بیش‌برازش
• 10. ماشین‌های بردار پشتیبان (SVM)
• 11. روش‌های هسته‌ای در SVM
• 12. K-نزدیک‌ترین همسایگان (KNN): الگوریتم و کاربردها
• 13. خوشه‌بندی K-میانگین: اصول و پیاده‌سازی
• 14. خوشه‌بندی سلسله‌مراتبی
• 15. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 16. انتخاب ویژگی: روش‌های فیلتر و پوشه‌ای
• 17. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازخوانی و F1-score
• 18. ماتریس درهم‌ریختگی و منحنی ROC
• 19. اعتبارسنجی متقابل (Cross-Validation)
• 20. تنظیم هایپرپارامترها: جستجوی شبکه‌ای و تصادفی
• 21. یادگیری ماشین تقویتی: مفاهیم پایه
• 22. Q-learning: الگوریتم و کاربردها
• 23. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 24. الگوریتم پس‌انتشار (Backpropagation)
• 25. بهینه‌سازها: گرادیان کاهشی و انواع آن
• 26. شبکه‌های عصبی کانولوشنی (CNN) برای پردازش تصویر
• 27. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های سری زمانی
• 28. پردازش زبان طبیعی (NLP) با یادگیری ماشین
• 29. مدل‌های زبانی: N-gram و Word Embeddings
• 30. تحلیل احساسات با یادگیری ماشین
• 31. پیش‌بینی سری‌های زمانی با مدل‌های ARIMA
• 32. پیش‌بینی با استفاده از شبکه‌های LSTM
• 33. مدل‌های مبتنی بر درخت برای پیش‌بینی
• 34. استفاده از یادگیری ماشین در پیش‌بینی مالی
• 35. پیش‌بینی تقاضا در زنجیره تامین
• 36. پیش‌بینی خرابی تجهیزات با یادگیری ماشین
• 37. تشخیص تقلب با استفاده از الگوریتم‌های یادگیری ماشین
• 38. پیش‌بینی ریسک اعتباری
• 39. کاربرد یادگیری ماشین در تشخیص بیماری
• 40. پیش‌بینی قیمت مسکن
• 41. بهینه‌سازی کمپین‌های بازاریابی با یادگیری ماشین
• 42. استفاده از یادگیری ماشین در سیستم‌های توصیه‌گر
• 43. مبانی یادگیری عمیق
• 44. پیاده‌سازی پروژه‌های یادگیری ماشین در پایتون
• 45. ابزارهای یادگیری ماشین: Scikit-learn و TensorFlow