اکسپرس 24
کتاب ساخت، کاوش و استقرار مدل‌های پیش‌بینانه در علم داده

کتاب ساخت، کاوش و استقرار مدل‌های پیش‌بینانه در علم داده

تگ‌ها: استقرار مدل پیش‌بینی داده تحلیل داده ساخت مدل علم داده کاوش داده مدل داده مدل‌سازی پیش‌بینانه 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 ساخت، کاوش و استقرار مدل‌های پیش‌بینانه در علم داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدل‌سازی پیش‌بینانه در علم داده

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و هوش مصنوعی
  • 2. اهمیت مدل‌سازی پیش‌بینانه
  • 3. چرخه حیات علم داده
  • 4. جمع‌آوری و درک داده‌ها
  • 5. پیش‌پردازش داده‌ها: پاکسازی و آماده‌سازی
  • 6. مدیریت داده‌های گمشده
  • 7. شناسایی و حذف داده‌های پرت
  • 8. مهندسی ویژگی: ایجاد و انتخاب ویژگی‌ها
  • 9. انواع داده‌ها و مقیاس‌بندی آن‌ها
  • 10. مقدمه‌ای بر یادگیری ماشین
  • 11. یادگیری نظارت‌شده و بدون نظارت
  • 12. معیارهای ارزیابی مدل‌ها
  • 13. مقدمه‌ای بر رگرسیون خطی
  • 14. تفسیر ضرایب رگرسیون خطی
  • 15. ارزیابی مدل‌های رگرسیون
  • 16. تنظیم مدل‌های رگرسیون
  • 17. رگرسیون چندگانه
  • 18. مقدمه‌ای بر طبقه‌بندی
  • 19. رگرسیون لجستیک
  • 20. تفسیر ضرایب رگرسیون لجستیک
  • 21. آستانه طبقه‌بندی
  • 22. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 23. دقت، صحت و بازیابی
  • 24. امتیاز F1
  • 25. منحنی ROC و AUC
  • 26. دسته‌بندی‌کننده‌های K-نزدیک‌ترین همسایه (KNN)
  • 27. مقدمه‌ای بر درخت‌های تصمیم
  • 28. ساخت درخت تصمیم
  • 29. هرس درخت تصمیم
  • 30. دسته‌بندی‌کننده‌های مبتنی بر درخت
  • 31. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 32. هسته‌های SVM
  • 33. تنظیم پارامترهای SVM
  • 34. مقدمه‌ای بر مدل‌های بیزین ساده (Naive Bayes)
  • 35. انواع مدل‌های بیزین ساده
  • 36. کاربرد بیزین ساده در طبقه‌بندی متن
  • 37. مقدمه‌ای بر مدل‌های تجمعی (Ensemble Methods)
  • 38. کیسه‌بندی (Bagging)
  • 39. تصادفی جنگل (Random Forest)
  • 40. تقویت گرادیان (Gradient Boosting)
  • 41. مدل XGBoost
  • 42. مدل LightGBM
  • 43. دسته‌بندی‌کننده‌های تجمعی
  • 44. مقدمه‌ای بر خوشه‌بندی
  • 45. الگوریتم K-Means
  • 46. ارزیابی خوشه‌بندی
  • 47. خوشه‌بندی سلسله‌مراتبی
  • 48. روش DBSCAN
  • 49. کاربرد خوشه‌بندی در بخش‌بندی بازار
  • 50. مقدمه‌ای بر کاهش ابعاد
  • 51. تحلیل مولفه‌های اصلی (PCA)
  • 52. تفسیر مولفه‌های اصلی
  • 53. تحلیل تمایز خطی (LDA)
  • 54. کاربرد کاهش ابعاد
  • 55. مقدمه‌ای بر مدل‌سازی سری زمانی
  • 56. شناسایی روند و فصلیت
  • 57. مدل ARIMA
  • 58. مدل SARIMA
  • 59. پیش‌بینی در مدل‌های سری زمانی
  • 60. ارزیابی مدل‌های سری زمانی
  • 61. کاربرد مدل‌سازی سری زمانی در پیش‌بینی فروش
  • 62. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 63. نورون مصنوعی و توابع فعال‌سازی
  • 64. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 65. پس‌انتشار خطا (Backpropagation)
  • 66. شبکه‌های عصبی کانولوشنال (CNN)
  • 67. کاربرد CNN در پردازش تصویر
  • 68. شبکه‌های عصبی بازگشتی (RNN)
  • 69. کاربرد RNN در پردازش زبان طبیعی
  • 70. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
  • 71. مقدمه‌ای بر مدل‌های زبانی بزرگ
  • 72. کاربرد مدل‌های زبانی در تحلیل متن
  • 73. تولید متن با هوش مصنوعی
  • 74. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 75. سوگیری در داده‌ها و مدل‌ها
  • 76. تفسیرپذیری مدل‌های هوش مصنوعی
  • 77. امنیت مدل‌های هوش مصنوعی
  • 78. حریم خصوصی در هوش مصنوعی
  • 79. کاربرد هوش مصنوعی در صنعت
  • 80. کاربرد هوش مصنوعی در خدمات
  • 81. کاربرد هوش مصنوعی در بهداشت و درمان
  • 82. کاربرد هوش مصنوعی در آموزش
  • 83. کاربرد هوش مصنوعی در کشاورزی
  • 84. مقدمه‌ای بر استقرار مدل‌ها
  • 85. بسته‌بندی مدل‌ها
  • 86. API برای مدل‌های هوش مصنوعی
  • 87. نظارت بر عملکرد مدل‌ها
  • 88. به‌روزرسانی و نگهداری مدل‌ها
  • 89. نمونه‌سازی و توسعه سریع مدل‌ها
  • 90. پایپ‌لاین‌های یادگیری ماشین
  • 91. ابزارهای خودکارسازی یادگیری ماشین (AutoML)
  • 92. پلتفرم‌های ابری برای علم داده
  • 93. مدیریت پروژه در علم داده
  • 94. مستندسازی پروژه‌های علم داده
  • 95. ارتباط با ذینفعان
  • 96. ارائه نتایج و یافته‌ها
  • 97. تصمیم‌گیری مبتنی بر داده
  • 98. آینده علم داده و هوش مصنوعی
  • 99. چالش‌های پیش رو در هوش مصنوعی
  • 100. مسیر شغلی در علم داده

📚 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.