اکسپرس 24
کتاب مقدمه‌ای بر یادگیری ماشین با کتابخانه caret

کتاب مقدمه‌ای بر یادگیری ماشین با کتابخانه caret

تگ‌ها: caret R (اگر در محتوا بود) پایتون (اگر در محتوا بود) تحلیل داده دیتا ساینس مدل سازی داده هوش مصنوعی یادگیری ماشین

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 مقدمه‌ای بر یادگیری ماشین با کتابخانه caret

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین با استفاده از ابزارهای کاربردی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مجموعه داده‌ها و پیش‌پردازش
  • 8. بارگذاری داده‌ها
  • 9. پاکسازی داده‌ها
  • 10. رسیدگی به مقادیر گمشده
  • 11. تبدیل داده‌ها
  • 12. استانداردسازی و نرمال‌سازی
  • 13. مهندسی ویژگی
  • 14. انتخاب ویژگی
  • 15. استخراج ویژگی
  • 16. مدل‌های یادگیری ماشین
  • 17. رگرسیون خطی
  • 18. رگرسیون لجستیک
  • 19. ماشین‌های بردار پشتیبان (SVM)
  • 20. درختان تصمیم
  • 21. جنگل‌های تصادفی
  • 22. تقویت گرادیان
  • 23. شبکه‌های عصبی مقدماتی
  • 24. معماری شبکه‌های عصبی
  • 25. تابع فعال‌سازی
  • 26. تابع هزینه
  • 27. بهینه‌سازها
  • 28. کتابخانه caret
  • 29. نصب و راه‌اندازی caret
  • 30. ساختار اصلی caret
  • 31. آماده‌سازی داده‌ها با caret
  • 32. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 33. اعتبارسنجی متقابل (Cross-validation)
  • 34. انتخاب بهترین مدل
  • 35. تنظیم هایپرپارامترها
  • 36. جستجوی شبکه‌ای (Grid Search)
  • 37. جستجوی تصادفی (Random Search)
  • 38. رگرسیون با caret
  • 39. تنظیم مدل رگرسیون خطی با caret
  • 40. تنظیم مدل رگرسیون لجستیک با caret
  • 41. تنظیم مدل SVM با caret
  • 42. تنظیم مدل درخت تصمیم با caret
  • 43. تنظیم مدل جنگل تصادفی با caret
  • 44. تنظیم مدل تقویت گرادیان با caret
  • 45. طبقه‌بندی با caret
  • 46. تنظیم مدل رگرسیون لجستیک برای طبقه‌بندی با caret
  • 47. تنظیم مدل SVM برای طبقه‌بندی با caret
  • 48. تنظیم مدل درخت تصمیم برای طبقه‌بندی با caret
  • 49. تنظیم مدل جنگل تصادفی برای طبقه‌بندی با caret
  • 50. تنظیم مدل تقویت گرادیان برای طبقه‌بندی با caret
  • 51. مدل‌های پیشرفته در caret
  • 52. دسته‌بندی چندکلاسه
  • 53. ارزیابی مدل‌ها
  • 54. معیارهای ارزیابی رگرسیون
  • 55. میانگین مربعات خطا (MSE)
  • 56. ریشه میانگین مربعات خطا (RMSE)
  • 57. میانگین قدر مطلق خطا (MAE)
  • 58. ضریب تعیین (R-squared)
  • 59. معیارهای ارزیابی طبقه‌بندی
  • 60. دقت (Accuracy)
  • 61. صحت (Precision)
  • 62. بازیابی (Recall)
  • 63. امتیاز F1
  • 64. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 65. منحنی ROC و AUC
  • 66. کاربردها در دنیای واقعی
  • 67. پیش‌بینی قیمت مسکن
  • 68. تشخیص اسپم
  • 69. سیستم‌های توصیه‌گر
  • 70. پردازش زبان طبیعی مقدماتی
  • 71. کاربرد یادگیری ماشین در تشخیص پزشکی
  • 72. تحلیل احساسات
  • 73. مسائل اخلاقی در یادگیری ماشین
  • 74. حریم خصوصی داده‌ها
  • 75. سوگیری در الگوریتم‌ها
  • 76. مسئولیت‌پذیری الگوریتم‌ها
  • 77. ملاحظات امنیتی در مدل‌های یادگیری ماشین
  • 78. آینده یادگیری ماشین
  • 79. یادگیری عمیق مقدماتی
  • 80. شبکه‌های عصبی کانولوشنال (CNN)
  • 81. شبکه‌های عصبی بازگشتی (RNN)
  • 82. یادگیری انتقالی (Transfer Learning)
  • 83. یادگیری فدرال (Federated Learning)
  • 84. هوش مصنوعی قابل تفسیر (Explainable AI)
  • 85. یادگیری تقویتی پیشرفته
  • 86. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 87. کاربرد در رباتیک
  • 88. کاربرد در بازی‌ها
  • 89. یادگیری ماشین و علم داده
  • 90. ابزارهای دیگر در علم داده
  • 91. پایگاه داده‌ها و مدیریت داده
  • 92. مصورسازی داده‌ها
  • 93. اصول مهندسی نرم‌افزار در پروژه‌های یادگیری ماشین
  • 94. استقرار مدل‌ها (Deployment)
  • 95. مانیتورینگ و نگهداری مدل‌ها
  • 96. یادگیری ماشین در ایران
  • 97. چالش‌ها و فرصت‌ها
  • 98. مسیر شغلی در یادگیری ماشین
  • 99. منابع تکمیلی
  • 100. مطالعه موردی: ساخت یک پیش‌بینی‌کننده ساده

📚 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.