اکسپرس 24
کتاب یادگیری ماشین کاربردی با داده‌های خودرویی در R

کتاب یادگیری ماشین کاربردی با داده‌های خودرویی در R

تگ‌ها: mtcars R برای علم داده پیش‌بینی تحلیل داده داده‌های خودرویی علم داده مجموعه داده مدل‌سازی 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 یادگیری ماشین کاربردی با داده‌های خودرویی در R

موضوع کلی: علم داده و یادگیری ماشین

موضوع میانی: تحلیل و پیش‌بینی با استفاده از داده‌های واقعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علم داده و یادگیری ماشین
  • 2. مفاهیم پایه علم داده
  • 3. اهمیت داده‌ها در تصمیم‌گیری
  • 4. مبانی زبان برنامه‌نویسی R
  • 5. نصب و پیکربندی R و RStudio
  • 6. محیط توسعه RStudio
  • 7. کار با داده‌ها در R
  • 8. انواع داده و ساختارهای داده در R
  • 9. مقدمه‌ای بر مجموعه داده mtcars
  • 10. بارگذاری و کاوش داده‌های mtcars
  • 11. آماده‌سازی داده‌ها برای تحلیل
  • 12. پاکسازی داده‌ها
  • 13. رسیدگی به مقادیر گمشده
  • 14. تبدیل و مقیاس‌بندی داده‌ها
  • 15. تجسم داده‌ها در R
  • 16. انواع نمودارهای آماری
  • 17. رسم نمودار با ggplot2
  • 18. شناخت الگوها در داده‌ها
  • 19. مقدمه‌ای بر یادگیری ماشین
  • 20. انواع یادگیری ماشین (نظارت شده، بدون نظارت)
  • 21. یادگیری با نظارت: رگرسیون
  • 22. مقدمه‌ای بر مدل‌های رگرسیون
  • 23. رگرسیون خطی ساده
  • 24. تفسیر ضرایب رگرسیون خطی
  • 25. ارزیابی مدل‌های رگرسیون
  • 26. معیارهای ارزیابی رگرسیون (MSE, R-squared)
  • 27. رگرسیون خطی چندگانه
  • 28. انتخاب ویژگی در رگرسیون
  • 29. مقدمه‌ای بر مدل‌های طبقه‌بندی
  • 30. رگرسیون لجستیک
  • 31. تفسیر مدل رگرسیون لجستیک
  • 32. ارزیابی مدل‌های طبقه‌بندی
  • 33. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 34. دقت، صحت و بازیابی
  • 35. منحنی ROC و AUC
  • 36. مقدمه‌ای بر درخت‌های تصمیم
  • 37. ساخت و تفسیر درخت تصمیم
  • 38. تنظیم پارامترهای درخت تصمیم
  • 39. تقویت درختان تصمیم (Boosting)
  • 40. روش گرادیان بوستینگ
  • 41. روش XGBoost
  • 42. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 43. هسته‌های SVM
  • 44. تنظیم پارامترهای SVM
  • 45. مقدمه‌ای بر خوشه‌بندی
  • 46. الگوریتم K-Means
  • 47. ارزیابی خوشه‌بندی
  • 48. مقدمه‌ای بر کاهش ابعاد
  • 49. تحلیل مولفه‌های اصلی (PCA)
  • 50. کاربرد PCA در تحلیل داده‌های خودرویی
  • 51. مقدمه‌ای بر سری‌های زمانی
  • 52. تحلیل روند و فصلی بودن
  • 53. مدل‌های ARIMA
  • 54. پیش‌بینی با استفاده از مدل‌های سری زمانی
  • 55. ارزیابی مدل‌های سری زمانی
  • 56. مقدمه‌ای بر یادگیری عمیق
  • 57. شبکه‌های عصبی مصنوعی
  • 58. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 59. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 60. کاربرد شبکه‌های عصبی در تحلیل داده‌های خودرویی
  • 61. پیش‌بینی مصرف سوخت
  • 62. پیش‌بینی قیمت خودرو
  • 63. پیش‌بینی تصادفات
  • 64. بهینه‌سازی مدل‌ها
  • 65. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 66. جستجوی شبکه‌ای (Grid Search)
  • 67. جستجوی تصادفی (Random Search)
  • 68. اعتبارسنجی متقابل (Cross-Validation)
  • 69. مقدمه‌ای بر مهندسی ویژگی
  • 70. ایجاد ویژگی‌های جدید
  • 71. ترکیب ویژگی‌های موجود
  • 72. اهمیت ویژگی‌ها
  • 73. روش‌های انتخاب ویژگی
  • 74. استفاده از مدل‌های ترکیبی (Ensemble Methods)
  • 75. تصمیم‌گیری مبتنی بر داده در صنعت خودرو
  • 76. کاربرد یادگیری ماشین در تحقیق و توسعه خودرو
  • 77. پیش‌بینی عمر مفید قطعات
  • 78. تحلیل داده‌های حسگرهای خودرو
  • 79. بهینه‌سازی مصرف انرژی خودرو
  • 80. نکات اخلاقی در علم داده
  • 81. حریم خصوصی داده‌ها
  • 82. تفسیرپذیری مدل‌ها
  • 83. مسئولیت‌پذیری در مدل‌های هوش مصنوعی
  • 84. مقدمه‌ای بر چارچوب‌های تحلیل داده در ایران
  • 85. قوانین و مقررات مرتبط با داده‌ها
  • 86. امنیت داده‌ها در ایران
  • 87. مدیریت پروژه‌های علم داده
  • 88. مستندسازی پروژه‌ها
  • 89. ارتباط نتایج با ذینفعان
  • 90. مقدمه‌ای بر داده‌کاوی در صنعت خودرو
  • 91. تحلیل رفتار مشتریان
  • 92. پیش‌بینی تقاضا
  • 93. بهینه‌سازی زنجیره تامین
  • 94. جمع‌بندی و نگاه به آینده علم داده
  • 95. چالش‌های پیش رو در علم داده
  • 96. روندهای جدید در یادگیری ماشین
  • 97. کاربرد علم داده در اقتصاد مقاومتی
  • 98. نقش علم داده در خودکفایی صنعتی

📚 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.