اکسپرس 24
کتاب تحلیل داده‌های پیشرفته و یادگیری ماشین با R: از مبانی تا کاربردها

کتاب تحلیل داده‌های پیشرفته و یادگیری ماشین با R: از مبانی تا کاربردها

تگ‌ها: R برای علم داده R مقدماتی تا پیشرفته R نسخه ۲۰۲۴ تحلیل آماری با R تحلیل داده با R علم داده در ایران کاربرد R در علم داده هوش مصنوعی با R یادگیری ماشین با R یادگیری ماشین فارسی

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 تحلیل داده‌های پیشرفته و یادگیری ماشین با R: از مبانی تا کاربردها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: تحلیل داده‌ها و یادگیری ماشین با زبان R

📋 سرفصل‌های دوره

  • 1. مبانی علوم داده و هوش مصنوعی
  • 2. مقدمه ای بر زبان برنامه نویسی R
  • 3. نصب و پیکربندی R و RStudio
  • 4. مفاهیم پایه ای در R: متغیرها، انواع داده
  • 5. ساختارهای داده ای در R: وکتورها، ماتریس ها
  • 6. کار با لیست ها و فریم های داده
  • 7. عملیات پایه ای با فریم های داده
  • 8. مقدمه ای بر بسته ها و مدیریت آنها
  • 9. نصب و بارگذاری بسته های پرکاربرد
  • 10. مقدمه ای بر تحلیل داده ها
  • 11. مراحل فرآیند تحلیل داده
  • 12. جمع آوری و پاکسازی داده ها
  • 13. شناسایی و مدیریت مقادیر گمشده
  • 14. شناسایی و مدیریت داده های پرت
  • 15. کاوش داده ها با استفاده از آمار توصیفی
  • 16. مصورسازی داده ها در R: نمودارهای پایه
  • 17. نمودارهای میله ای و هیستوگرام
  • 18. نمودارهای پراکندگی و خطی
  • 19. نمودارهای جعبه ای و ویولن
  • 20. کتابخانه ggplot2 برای مصورسازی پیشرفته
  • 21. اصول طراحی نمودارهای موثر
  • 22. فیلتر کردن و انتخاب داده ها
  • 23. مرتب سازی و گروه بندی داده ها
  • 24. ترکیب و ادغام فریم های داده
  • 25. عملیات الحاق و پیوند داده ها
  • 26. مقدمه ای بر یادگیری ماشین
  • 27. انواع یادگیری ماشین: نظارت شده و بدون نظارت
  • 28. یادگیری نظارت شده: رگرسیون و طبقه بندی
  • 29. یادگیری بدون نظارت: خوشه بندی و کاهش ابعاد
  • 30. ارزیابی مدل های یادگیری ماشین
  • 31. متریک های ارزیابی برای رگرسیون
  • 32. متریک های ارزیابی برای طبقه بندی
  • 33. مقدمه ای بر رگرسیون خطی
  • 34. تنظیم مدل رگرسیون خطی
  • 35. پیش پردازش داده ها برای رگرسیون
  • 36. مدل های رگرسیون پیشرفته
  • 37. مقدمه ای بر طبقه بندی
  • 38. رگرسیون لجستیک
  • 39. تنظیم مدل رگرسیون لجستیک
  • 40. درختان تصمیم برای طبقه بندی
  • 41. قوانین انجمنی و تحلیل سبد خرید
  • 42. مقدمه ای بر خوشه بندی
  • 43. الگوریتم K-Means
  • 44. ارزیابی خوشه ها
  • 45. مقدمه ای بر کاهش ابعاد
  • 46. تحلیل مولفه های اصلی (PCA)
  • 47. استفاده از PCA در تحلیل داده
  • 48. یادگیری عمیق و شبکه های عصبی
  • 49. مقدمه ای بر یادگیری عمیق
  • 50. شبکه های عصبی پرسپترون چند لایه
  • 51. آموزش شبکه های عصبی
  • 52. کار با چارچوب های یادگیری عمیق در R
  • 53. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 54. پیش پردازش متن
  • 55. مدل سازی موضوعی
  • 56. تحلیل احساسات
  • 57. یادگیری ماشین برای تحلیل سری های زمانی
  • 58. مدل های ARIMA
  • 59. پیش بینی با استفاده از سری های زمانی
  • 60. یادگیری تقویتی
  • 61. مقدمه ای بر یادگیری تقویتی
  • 62. عوامل و محیط در یادگیری تقویتی
  • 63. الگوریتم های Q-Learning
  • 64. کاربردها و چالش های یادگیری تقویتی
  • 65. اخلاق در علوم داده و هوش مصنوعی
  • 66. حریم خصوصی داده ها
  • 67. سوگیری در الگوریتم ها
  • 68. مسئولیت پذیری در هوش مصنوعی
  • 69. امنیت در علوم داده
  • 70. مصورسازی داده های پیشرفته در R
  • 71. طراحی داشبوردهای تعاملی
  • 72. کتابخانه Shiny برای ساخت برنامه های وب
  • 73. کار با پایگاه داده ها در R
  • 74. اتصال به پایگاه داده های مختلف
  • 75. استفاده از SQL در R
  • 76. مدیریت پروژه های علوم داده
  • 77. مستندسازی کد و نتایج
  • 78. اشتراک گذاری نتایج و گزارش دهی
  • 79. کاربردها در حوزه های مختلف (مالی، پزشکی)
  • 80. تحلیل داده های مالی با R
  • 81. تحلیل داده های پزشکی با R
  • 82. مقدمه ای بر یادگیری ماشین با استفاده از داده های سلامت
  • 83. تحلیل داده های اجتماعی و اقتصادی
  • 84. مدل سازی پیش بینی کننده در کسب و کار
  • 85. کاربرد هوش مصنوعی در اتوماسیون
  • 86. تکنیک های پیشرفته پاکسازی داده
  • 87. بایاس و واریانس در مدل ها
  • 88. اعتبارسنجی متقابل (Cross-Validation)
  • 89. مهندسی ویژگی (Feature Engineering)
  • 90. مدل های Ensemble (Bagging, Boosting)
  • 91. معرفی الگوریتم های پیچیده تر (SVM, KNN)
  • 92. کاربردها در اینترنت اشیا (IoT)
  • 93. تحلیل داده های تصویری با R
  • 94. مقدمه ای بر یادگیری ماشینی با استفاده از داده های حجیم
  • 95. استفاده از R در محیط های کلان داده (Big Data)
  • 96. پروژه عملی تحلیل داده و یادگیری ماشین
  • 97. جمع بندی و مسیر آینده در علوم 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.