اکسپرس 24
کتاب مبانی یادگیری آماری برای علم داده

کتاب مبانی یادگیری آماری برای علم داده

تگ‌ها: آمار داده کاوی علم داده مبانی علم داده مدل سازی آماری هوش مصنوعی یادگیری آماری 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 مبانی یادگیری آماری برای علم داده

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و یادگیری آماری
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 4. مفاهیم پایه مدل‌سازی آماری
  • 5. رگرسیون خطی ساده
  • 6. مفروضات رگرسیون خطی
  • 7. ارزیابی مدل رگرسیون خطی
  • 8. رگرسیون خطی چندگانه
  • 9. انتخاب متغیر در رگرسیون
  • 10. تنظیم‌گری (Regularization) در رگرسیون
  • 11. مقدمه‌ای بر طبقه‌بندی
  • 12. رگرسیون لجستیک
  • 13. ارزیابی مدل‌های طبقه‌بندی
  • 14. شاخص‌های عملکرد طبقه‌بندی
  • 15. درختان تصمیم
  • 16. قوانین استخراج شده از درختان تصمیم
  • 17. اعتبارسنجی متقابل (Cross-validation)
  • 18. روش‌های بوت‌استرپ (Bootstrap)
  • 19. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 20. هسته‌های (Kernels) در SVM
  • 21. کاربرد SVM در طبقه‌بندی
  • 22. مقدمه‌ای بر مدل‌های آنسامبل (Ensemble)
  • 23. روش بغینگ (Bagging)
  • 24. روش بوستینگ (Boosting)
  • 25. گرادیان بوستینگ (Gradient Boosting)
  • 26. مدل‌های جنگل تصادفی (Random Forests)
  • 27. کاربرد جنگل تصادفی در طبقه‌بندی
  • 28. مقدمه‌ای بر خوشه‌بندی (Clustering)
  • 29. الگوریتم K-Means
  • 30. ارزیابی خوشه‌بندی
  • 31. خوشه‌بندی سلسله مراتبی
  • 32. کاربرد خوشه‌بندی در علم داده
  • 33. مقدمه‌ای بر کاهش ابعاد
  • 34. تحلیل مولفه‌های اصلی (PCA)
  • 35. کاربرد PCA در کاهش ابعاد
  • 36. تحلیل تمایز خطی (LDA)
  • 37. کاربرد LDA در کاهش ابعاد
  • 38. مقدمه‌ای بر مدل‌های احتمالی
  • 39. قضیه بیز (Bayes' Theorem)
  • 40. طبقه‌بند بیز ساده (Naive Bayes)
  • 41. کاربرد Naive Bayes در طبقه‌بندی
  • 42. مدل‌های گرافیکی احتمالی
  • 43. شبکه‌های بیزی (Bayesian Networks)
  • 44. کاربرد شبکه‌های بیزی
  • 45. مقدمه‌ای بر مدل‌های سری زمانی
  • 46. آریما (ARIMA)
  • 47. کاربرد مدل‌های سری زمانی
  • 48. مقدمه‌ای بر یادگیری عمیق
  • 49. شبکه‌های عصبی مصنوعی
  • 50. لایه ورودی، مخفی و خروجی
  • 51. توابع فعال‌سازی (Activation Functions)
  • 52. پس‌انتشار خطا (Backpropagation)
  • 53. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
  • 54. بهینه‌سازهای پیشرفته
  • 55. شبکه‌های عصبی کانولوشنی (CNN)
  • 56. لایه‌های کانولوشن و پولینگ
  • 57. کاربرد CNN در پردازش تصویر
  • 58. شبکه‌های عصبی بازگشتی (RNN)
  • 59. حافظه کوتاه‌مدت طولانی (LSTM)
  • 60. کاربرد RNN و LSTM در پردازش زبان طبیعی
  • 61. یادگیری تقویتی (Reinforcement Learning)
  • 62. عناصر یادگیری تقویتی
  • 63. الگوریتم‌های یادگیری تقویتی
  • 64. کاربرد یادگیری تقویتی
  • 65. مباحث پیشرفته در یادگیری ماشین
  • 66. تفسیرپذیری مدل‌های یادگیری ماشین
  • 67. مدل‌های قابل تفسیر
  • 68. روش‌های ارزیابی تفسیرپذیری
  • 69. ملاحظات اخلاقی در هوش مصنوعی
  • 70. عدالت و انصاف در الگوریتم‌ها
  • 71. حریم خصوصی و امنیت داده‌ها
  • 72. کاربرد یادگیری ماشین در حوزه‌های مختلف
  • 73. یادگیری ماشین در سلامت
  • 74. یادگیری ماشین در امور مالی
  • 75. یادگیری ماشین در صنعت
  • 76. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 77. پیش‌پردازش متن
  • 78. مدل‌سازی زبان
  • 79. تحلیل احساسات
  • 80. استخراج اطلاعات
  • 81. خلاصه‌سازی متن
  • 82. ترجمه ماشینی
  • 83. مقدمه‌ای بر بینایی ماشین (Computer Vision)
  • 84. تشخیص اشیاء
  • 85. تقسیم‌بندی تصاویر
  • 86. تشخیص چهره
  • 87. تحلیل ویدئو
  • 88. مقدمه‌ای بر سیستم‌های توصیه‌گر (Recommender Systems)
  • 89. فیلترینگ مبتنی بر محتوا
  • 90. فیلترینگ مشارکتی
  • 91. مدل‌های ترکیبی توصیه‌گر
  • 92. ارزیابی سیستم‌های توصیه‌گر
  • 93. مقدمه‌ای بر داده‌های حجیم (Big Data)
  • 94. ابزارها و فناوری‌های داده‌های حجیم
  • 95. معماری‌های داده‌های حجیم
  • 96. کاربرد یادگیری ماشین در داده‌های حجیم
  • 97. مبانی مهندسی نرم‌افزار
  • 98. چرخه حیات توسعه نرم‌افزار
  • 99. متدولوژی‌های توسعه نرم‌افزار
  • 100. طراحی نرم‌افزار

📚 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.