اکسپرس 24
کتاب مبانی و کاربردهای رگرسیون و طبقه‌بندی در تحلیل داده

کتاب مبانی و کاربردهای رگرسیون و طبقه‌بندی در تحلیل داده

تگ‌ها: پیش‌بینی تحلیل داده دسته‌بندی داده رگرسیون طبقه‌بندی علوم داده مدل‌سازی هوش مصنوعی یادگیری ماشین یادگیری نظارت شده

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای رگرسیون و طبقه‌بندی در تحلیل داده

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: یادگیری ماشین نظارت شده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم داده و تحلیل داده
  • 2. مفهوم داده و انواع آن
  • 3. مقدمه‌ای بر یادگیری ماشین
  • 4. یادگیری ماشین نظارت شده چیست؟
  • 5. اهداف رگرسیون در تحلیل داده
  • 6. اهداف طبقه‌بندی در تحلیل داده
  • 7. مجموعه داده‌ها و نحوه آماده‌سازی آن‌ها
  • 8. پیش‌پردازش داده‌ها: پاکسازی و مدیریت مقادیر گمشده
  • 9. پیش‌پردازش داده‌ها: مهندسی ویژگی
  • 10. پیش‌پردازش داده‌ها: مقیاس‌بندی و نرمال‌سازی ویژگی‌ها
  • 11. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 12. معیارهای ارزیابی مدل‌های رگرسیون
  • 13. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 14. مقدمه‌ای بر رگرسیون خطی
  • 15. مدل رگرسیون خطی چندگانه
  • 16. تنظیم مدل رگرسیون خطی
  • 17. پیش‌بینی با رگرسیون خطی
  • 18. مثال کاربردی رگرسیون خطی در حوزه اقتصاد
  • 19. مثال کاربردی رگرسیون خطی در حوزه سلامت
  • 20. ریسک بیش‌برازش (Overfitting) در مدل‌ها
  • 21. ریسک کم‌برازش (Underfitting) در مدل‌ها
  • 22. مقدمه‌ای بر رگرسیون لجستیک
  • 23. مدل رگرسیون لجستیک برای طبقه‌بندی دودویی
  • 24. تفسیر ضرایب رگرسیون لجستیک
  • 25. پیش‌بینی با رگرسیون لجستیک
  • 26. مثال کاربردی رگرسیون لجستیک در حوزه مالی
  • 27. مثال کاربردی رگرسیون لجستیک در حوزه بازاریابی
  • 28. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 29. کاربرد SVM در طبقه‌بندی
  • 30. کاربرد SVM در رگرسیون (SVR)
  • 31. هسته‌ها (Kernels) در SVM
  • 32. تنظیم پارامترهای SVM
  • 33. مثال کاربردی SVM در تشخیص الگو
  • 34. مقدمه‌ای بر درختان تصمیم
  • 35. ساخت درخت تصمیم برای طبقه‌بندی
  • 36. ساخت درخت تصمیم برای رگرسیون
  • 37. هرس کردن درختان تصمیم
  • 38. مثال کاربردی درختان تصمیم در پیش‌بینی
  • 39. مقدمه‌ای بر جنگل‌های تصادفی (Random Forests)
  • 40. کاربرد جنگل‌های تصادفی در طبقه‌بندی
  • 41. کاربرد جنگل‌های تصادفی در رگرسیون
  • 42. اهمیت انتخاب ویژگی در جنگل‌های تصادفی
  • 43. مثال کاربردی جنگل‌های تصادفی در تحلیل ریسک
  • 44. مقدمه‌ای بر تقویت گرادیان (Gradient Boosting)
  • 45. مدل XGBoost
  • 46. مدل LightGBM
  • 47. کاربرد تقویت گرادیان در طبقه‌بندی
  • 48. کاربرد تقویت گرادیان در رگرسیون
  • 49. مثال کاربردی تقویت گرادیان در پیش‌بینی فروش
  • 50. مقدمه‌ای بر مدل‌های چندکلاسی
  • 51. استراتژی‌های One-vs-Rest و One-vs-One
  • 52. ارزیابی مدل‌های چندکلاسی
  • 53. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 54. لایه ورودی، لایه‌های پنهان و لایه خروجی
  • 55. تابع فعال‌سازی در شبکه‌های عصبی
  • 56. پس‌انتشار خطا (Backpropagation)
  • 57. بهینه‌سازی گرادیان نزولی (Gradient Descent)
  • 58. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 59. کاربرد CNN در پردازش تصویر
  • 60. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 61. کاربرد RNN در پردازش زبان طبیعی
  • 62. مقدمه‌ای بر یادگیری عمیق
  • 63. تفاوت یادگیری عمیق با یادگیری ماشین سنتی
  • 64. کاربردهای نوین یادگیری عمیق
  • 65. مقدمه‌ای بر تشخیص ناهنجاری (Anomaly Detection)
  • 66. روش‌های مبتنی بر فاصله
  • 67. روش‌های مبتنی بر چگالی
  • 68. روش‌های مبتنی بر مدل‌سازی
  • 69. مثال کاربردی تشخیص ناهنجاری در سیستم‌های امنیتی
  • 70. مثال کاربردی تشخیص ناهنجاری در کشف تقلب
  • 71. مقدمه‌ای بر خوشه‌بندی (Clustering)
  • 72. الگوریتم K-Means
  • 73. الگوریتم DBSCAN
  • 74. ارزیابی مدل‌های خوشه‌بندی
  • 75. مثال کاربردی خوشه‌بندی در تقسیم‌بندی مشتریان
  • 76. مثال کاربردی خوشه‌بندی در تحلیل داده‌های ژنتیکی
  • 77. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 78. مدل‌های ARIMA
  • 79. مدل‌های LSTM برای سری‌های زمانی
  • 80. مثال کاربردی تحلیل سری‌های زمانی در پیش‌بینی آب و هوا
  • 81. مثال کاربردی تحلیل سری‌های زمانی در تحلیل بازارهای مالی
  • 82. اصول اخلاقی در علوم داده
  • 83. حریم خصوصی داده‌ها و ملاحظات امنیتی
  • 84. سوگیری در داده‌ها و مدل‌ها
  • 85. اهمیت تفسیرپذیری مدل‌ها (Explainable AI)
  • 86. انتخاب مدل مناسب برای مسئله
  • 87. تنظیم و بهینه‌سازی هایپرپارامترها
  • 88. اعتبارسنجی متقابل (Cross-Validation)
  • 89. تکنیک‌های کاهش ابعاد: PCA
  • 90. تکنیک‌های کاهش ابعاد: t-SNE
  • 91. کاربرد تحلیل عاملی در علوم داده
  • 92. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 93. عامل، محیط، پاداش
  • 94. الگوریتم‌های Q-Learning
  • 95. کاربرد یادگیری تقویتی در رباتیک
  • 96. کاربرد یادگیری تقویتی در بهینه‌سازی سیستم‌ها
  • 97. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 98. مدل‌سازی زبان
  • 99. تشخیص موجودیت نام‌دار (Named Entity Recognition)
  • 100. تحلیل احساسات (Sentiment Analysis)

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.