اکسپرس 24
کتاب یادگیری ماشین کاربردی با پایتون: از مبانی تا پیاده‌سازی

کتاب یادگیری ماشین کاربردی با پایتون: از مبانی تا پیاده‌سازی

تگ‌ها: الگوریتم های یادگیری ماشین بینایی ماشین پایتون پردازش زبان طبیعی علم داده مهندسی نرم افزار هوش مصنوعی یادگیری عمیق یادگیری ماشین یادگیری ماشین کاربردی

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 پایتون: از مبانی تا پیاده‌سازی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری ماشین و کاربردهای آن
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مفاهیم کلیدی: داده، ویژگی، مدل، تابع هدف
  • 5. نصب و پیکربندی محیط توسعه پایتون
  • 6. کتابخانه های ضروری: NumPy، Pandas، Matplotlib
  • 7. مقدمه ای بر یادگیری نظارت شده
  • 8. رگرسیون خطی ساده
  • 9. ارزیابی مدل رگرسیون: MSE، R-squared
  • 10. رگرسیون خطی چندگانه
  • 11. پیش پردازش داده ها: پاکسازی، نرمال سازی
  • 12. مدیریت مقادیر گمشده
  • 13. کدگذاری متغیرهای دسته ای
  • 14. رگرسیون لجستیک برای طبقه بندی
  • 15. آستانه تصمیم گیری در طبقه بندی
  • 16. ارزیابی مدل طبقه بندی: دقت، صحت، بازیابی
  • 17. مقدمه ای بر ماشین بردار پشتیبان (SVM)
  • 18. هسته های SVM
  • 19. تنظیم پارامترهای SVM
  • 20. درختان تصمیم برای طبقه بندی و رگرسیون
  • 21. قوانین انجمنی و تحلیل سبد خرید
  • 22. الگوریتم Apriori
  • 23. ارزیابی قوانین انجمنی
  • 24. مقدمه ای بر خوشه بندی
  • 25. الگوریتم K-Means
  • 26. انتخاب تعداد خوشه در K-Means
  • 27. خوشه بندی سلسله مراتبی
  • 28. معیارهای ارزیابی خوشه بندی
  • 29. مقدمه ای بر کاهش ابعاد
  • 30. تحلیل مؤلفه های اصلی (PCA)
  • 31. کاربردهای PCA
  • 32. مقدمه ای بر شبکه های عصبی مصنوعی
  • 33. نورون مصنوعی و تابع فعال سازی
  • 34. شبکه های پرسپترون تک لایه
  • 35. شبکه های پرسپترون چند لایه
  • 36. آموزش شبکه های عصبی: پس انتشار خطا
  • 37. تابع زیان و بهینه سازی در شبکه های عصبی
  • 38. تنظیم نرخ یادگیری
  • 39. استفاده از کتابخانه Scikit-learn برای شبکه های عصبی
  • 40. شبکه های عصبی کانولوشنی (CNN)
  • 41. مقدمه ای بر پردازش زبان طبیعی (NLP)
  • 42. کاربردهای NLP در یادگیری ماشین
  • 43. مدل های زبانی
  • 44. نمایش متن: Bag-of-Words
  • 45. نمایش متن: TF-IDF
  • 46. مقدمه ای بر شبکه های عصبی بازگشتی (RNN)
  • 47. شبکه های LSTM و GRU
  • 48. کاربرد RNN در تحلیل احساسات
  • 49. کاربرد RNN در ترجمه ماشینی
  • 50. مقدمه ای بر یادگیری تقویتی
  • 51. مفاهیم اساسی یادگیری تقویتی: عامل، محیط، پاداش
  • 52. فرایند تصمیم گیری مارکوف (MDP)
  • 53. الگوریتم Q-Learning
  • 54. الگوریتم SARSA
  • 55. کاربرد یادگیری تقویتی در رباتیک
  • 56. کاربرد یادگیری تقویتی در بازی ها
  • 57. مقدمه ای بر مدل های تولیدی
  • 58. مقدمه ای بر مدل های گرافیکی
  • 59. شبکه های بیزی
  • 60. مقدمه ای بر مدل های آماری در یادگیری ماشین
  • 61. قضیه بیز و استنتاج بیزی
  • 62. توزیع های احتمالاتی متداول
  • 63. مقدمه ای بر یادگیری عمیق
  • 64. معماری های پیشرفته شبکه عصبی
  • 65. کاربردهای یادگیری عمیق در بینایی ماشین
  • 66. کاربرد یادگیری عمیق در NLP
  • 67. مبانی مهندسی ویژگی
  • 68. تکنیک های انتخاب ویژگی
  • 69. اهمیت ویژگی در مدل های یادگیری ماشین
  • 70. مقدمه ای بر ارزیابی و انتخاب مدل
  • 71. اعتبارسنجی متقابل (Cross-validation)
  • 72. تنظیم ابرپارامترها (Hyperparameter tuning)
  • 73. جستجوی شبکه‌ای (Grid Search)
  • 74. جستجوی تصادفی (Random Search)
  • 75. مقدمه ای بر مدل های Ensemble
  • 76. روش Bagging
  • 77. روش Boosting
  • 78. الگوریتم AdaBoost
  • 79. الگوریتم Gradient Boosting
  • 80. الگوریتم XGBoost
  • 81. مقدمه ای بر تشخیص ناهنجاری
  • 82. روش های مبتنی بر تراکم
  • 83. روش های مبتنی بر فاصله
  • 84. کاربرد تشخیص ناهنجاری در امنیت سایبری
  • 85. مقدمه ای بر سیستم های توصیه گر
  • 86. فیلترینگ مبتنی بر محتوا
  • 87. فیلترینگ مشارکتی
  • 88. ترکیب روش ها در سیستم های توصیه گر
  • 89. مقدمه ای بر یادگیری ماشین در داده های سری زمانی
  • 90. مدل های ARIMA
  • 91. مقدمه ای بر یادگیری ماشین در داده های مکانی
  • 92. مقدمه ای بر اخلاق در هوش مصنوعی
  • 93. مسئولیت پذیری در هوش مصنوعی
  • 94. سوگیری در الگوریتم ها
  • 95. شفافیت و توضیح پذیری مدل ها
  • 96. مقدمه ای بر پیاده سازی مدل ها در محیط عملیاتی (Deployment)
  • 97. روش های ارزیابی مداوم مدل
  • 98. نظارت بر عملکرد مدل
  • 99. مقدمه ای بر یادگیری ماشین توزیع شده
  • 100. کاربرد پلتفرم های پردازش توزیع شده

📚 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.