اکسپرس 24
کتاب پایتون برای علم داده: از تمیز کردن داده تا مدل‌سازی پیشرفته

کتاب پایتون برای علم داده: از تمیز کردن داده تا مدل‌سازی پیشرفته

تگ‌ها: numpy pandas scikit-learn پایتون برای علم داده تحلیل داده تمیز کردن داده علم داده با پایتون کتابخانه پایتون مدل‌سازی پیشرفته یادگیری ماشین

انتخاب پلن

افزودنی‌های اختیاری

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 پایتون برای علم داده: از تمیز کردن داده تا مدل‌سازی پیشرفته

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های دوره

  • 1. تمیز کردن داده با پانداس
  • 2. تجزیه و تحلیل داده های اکتشافی با پانداس
  • 3. مدیریت داده های گمشده
  • 4. تشخیص و حذف داده های پرت
  • 5. ادغام و پیوستن دیتافریم ها
  • 6. تغییر شکل داده ها با melt و pivot
  • 7. کار با داده های زمانی در پانداس
  • 8. مبانی مصورسازی داده با matplotlib و seaborn
  • 9. مصورسازی توزیع داده ها
  • 10. مصورسازی روابط بین متغیرها
  • 11. مصورسازی داده های زمانی و جغرافیایی
  • 12. مقدمه ای بر یادگیری ماشین با scikit-learn
  • 13. رگرسیون خطی ساده و چندگانه
  • 14. رگرسیون چندجمله ای و رگرسیون ریج و لاسو
  • 15. درخت تصمیم و رگرسیون با درخت
  • 16. جنگل تصادفی و bagging
  • 17. مدل های boosting: AdaBoost و Gradient Boosting
  • 18. XGBoost و LightGBM برای کارایی بالا
  • 19. مبانی طبقه بندی با رگرسیون لجستیک
  • 20. ماشین بردار پشتیبان برای طبقه بندی
  • 21. نایو بیز برای طبقه بندی متن
  • 22. ارزیابی مدل های طبقه بندی: دقت، صحت، بازخوانی و F1
  • 23. منحنی ROC و AUC
  • 24. k نزدیک ترین همسایه
  • 25. خوشه بندی با k-means
  • 26. خوشه بندی سلسله مراتبی و DBSCAN
  • 27. کاهش ابعاد با PCA
  • 28. کاهش ابعاد با t-SNE و UMAP
  • 29. مهندسی ویژگی: ایجاد و انتخاب ویژگی
  • 30. استانداردسازی و نرمال سازی داده ها
  • 31. مدیریت داده های نامتوازن
  • 32. اعتبارسنجی متقاطع و تنظیم فراپارامترها
  • 33. جستجوی شبکه ای و جستجوی تصادفی
  • 34. مقدمه ای بر شبکه های عصبی با TensorFlow و Keras
  • 35. شبکه های عصبی پیش خور
  • 36. تابع فعال سازی و نرمال سازی دسته ای
  • 37. جلوگیری از بیش برازش: Dropout و Regularization
  • 38. شبکه های عصبی کانولوشنی برای داده های تصویری
  • 39. شبکه های عصبی بازگشتی و LSTM برای داده های دنباله ای
  • 40. Autoencoders برای کاهش ابعاد و تشخیص ناهنجاری
  • 41. یادگیری انتقالی با مدل های از پیش آموزش دیده
  • 42. مبانی پردازش زبان طبیعی با NLTK و spaCy
  • 43. پیش پردازش متن: توکن سازی، ریشه یابی و لماتیزه کردن
  • 44. مدل سازی موضوع با LDA
  • 45. تحلیل احساسات با یادگیری ماشین
  • 46. تولید ویژگی های متنی با TF-IDF و Word Embeddings
  • 47. مقدمه ای بر Word2Vec و GloVe
  • 48. مدل های Transformer و BERT برای NLP
  • 49. کار با API های یادگیری ماشین ابری
  • 50. مدیریت پروژه های علم داده با Git
  • 51. تست و اشکال زدایی کد پایتون
  • 52. بهینه سازی عملکرد کد با NumPy و Cython
  • 53. مدیریت حافظه و پردازش داده های بزرگ
  • 54. مقدمه ای بر PySpark برای داده های حجیم
  • 55. کار با پایگاه داده های SQL از پایتون
  • 56. کار با پایگاه داده های NoSQL مانند MongoDB
  • 57. اتوماتیک سازی خط لوله داده با Apache Airflow
  • 58. ایجاد داشبورد با Streamlit
  • 59. استقرار مدل با Flask و FastAPI
  • 60. مقدمه ای بر Docker برای علم داده
  • 61. مقدمه ای بر یادگیری تقویتی
  • 62. یادگیری نیمه نظارتی
  • 63. یادگیری چند برچسبی و چند کلاسه
  • 64. تحلیل سری های زمانی با ARIMA و Prophet
  • 65. مدل های GARCH برای سری های زمانی مالی
  • 66. مهندسی ویژگی برای سری های زمانی
  • 67. تشخیص ناهنجاری در سری های زمانی
  • 68. تحلیل شبکه های اجتماعی با NetworkX
  • 69. تحلیل بقا با scikit-survival
  • 70. آزمون های آماری و فرضیه سازی
  • 71. فاصله اطمینان و Bootstrap
  • 72. رگرسیون لجستیک چند جمله ای
  • 73. تحلیل واریانس و آنالیز کوواریانس
  • 74. مدل های خطی تعمیم یافته
  • 75. مدل های اثرات مختلط
  • 76. مدل سازی معادلات ساختاری
  • 77. یادگیری قانون تداعی با Apriori و FP-Growth
  • 78. سیستم های توصیه گر مبتنی بر محتوا و فیلتر همکارانه
  • 79. تجزیه و تحلیل سبد خرید
  • 80. مدل سازی با PyMC برای آمار بیزی
  • 81. بهینه سازی با Optuna و Hyperopt
  • 82. مدیریت نسخه داده ها با DVC
  • 83. تکنیک های پیشرفته مصورسازی با Plotly و Bokeh
  • 84. ایجاد نمودارهای تعاملی با Altair
  • 85. مصورسازی داده های مکانی با Folium و GeoPandas
  • 86. تحلیل متن با WordCloud و n-gram
  • 87. مقدمه ای بر یادگیری عمیق برای بینایی کامپیوتر
  • 88. تشخیص اشیا با YOLO و Faster R-CNN
  • 89. تقسیم بندی تصویر با U-Net و Mask R-CNN
  • 90. تولید متن با مدل های زبانی بزرگ
  • 91. مبانی Reinforcement Learning با Stable-Baselines3
  • 92. ایجاد عامل های یادگیری تقویتی با OpenAI Gym

📚 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.