اکسپرس 24
کتاب Typescript: ساخت یک machine learning model

کتاب Typescript: ساخت یک machine learning model

تگ‌ها: Machine Learning TensorFlow.js TypeScript TypeScript ML آموزش ماشین لرنینگ برنامه‌نویسی TypeScript پیاده‌سازی مدل شبکه عصبی مدل 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 Typescript: ساخت یک machine learning model

موضوع کلی: برنامه نویسی

موضوع میانی: تایپ اسکریپت (TypeScript)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین با TypeScript
  • 2. نصب و راه‌اندازی محیط توسعه TypeScript
  • 3. آشنایی با ساختار داده‌ها در یادگیری ماشین
  • 4. بارگذاری و پیش‌پردازش داده‌ها با TypeScript
  • 5. کار با آرایه‌ها و ماتریس‌ها در TypeScript
  • 6. پیاده‌سازی الگوریتم رگرسیون خطی ساده
  • 7. رگرسیون خطی چندمتغیره با TypeScript
  • 8. ارزیابی مدل با معیارهای خطا (MSE, MAE, RMSE)
  • 9. نرمال‌سازی و استانداردسازی داده‌ها
  • 10. الگوریتم نزدیک‌ترین همسایگان (KNN) برای طبقه‌بندی
  • 11. پیاده‌سازی KNN از صفر در TypeScript
  • 12. آموزش مدل با روش Gradient Descent
  • 13. پیاده‌سازی Gradient Descent در TypeScript
  • 14. الگوریتم رگرسیون لجستیک برای طبقه‌بندی دودویی
  • 15. رگرسیون لجستیک با TypeScript
  • 16. مفاهیم دسته‌بندی چندکلاسه
  • 17. درخت تصمیم و پیاده‌سازی آن در TypeScript
  • 18. جنگل تصادفی و کاربرد آن در طبقه‌بندی
  • 19. الگوریتم ماشین بردار پشتیبان (SVM) مقدماتی
  • 20. پیاده‌سازی SVM ساده در TypeScript
  • 21. خوشه‌بندی با الگوریتم K-Means
  • 22. پیاده‌سازی K-Means در TypeScript
  • 23. ارزیابی خوشه‌بندی با معیار Silhouette
  • 24. کاهش ابعاد با PCA (تحلیل مؤلفه اصلی)
  • 25. پیاده‌سازی PCA در TypeScript
  • 26. شبکه‌های عصبی مصنوعی مقدماتی
  • 27. ساخت یک پرسپترون ساده در TypeScript
  • 28. معماری شبکه عصبی با یک لایه پنهان
  • 29. فعال‌سازی با سیگموئید و ReLU در TypeScript
  • 30. پس‌انتشار خطا (Backpropagation) در TypeScript
  • 31. آموزش شبکه عصبی با داده‌های ساده
  • 32. استفاده از کتابخانه TensorFlow.js در TypeScript
  • 33. ایجاد مدل رگرسیون با TensorFlow.js
  • 34. ایجاد مدل طبقه‌بندی با TensorFlow.js
  • 35. نرمال‌سازی داده‌ها با TensorFlow.js
  • 36. مدل‌های ذخیره و بارگذاری شده در TypeScript
  • 37. پیش‌بینی سری‌های زمانی با TypeScript
  • 38. پیاده‌سازی میانگین متحرک ساده
  • 39. مدل ARIMA مقدماتی در TypeScript
  • 40. ارزیابی مدل سری زمانی با خطاهای پیش‌بینی
  • 41. مهندسی ویژگی (Feature Engineering) در TypeScript
  • 42. مدیریت داده‌های گمشده با TypeScript
  • 43. کدگذاری ویژگی‌های دسته‌ای (One-Hot Encoding)
  • 44. مقیاس‌سازی ویژگی‌ها برای بهبود عملکرد
  • 45. جلوگیری از بیش‌برازش (Overfitting) با Regularization
  • 46. پیاده‌سازی L1 و L2 Regularization
  • 47. اعتبارسنجی متقابل (Cross-Validation) در TypeScript
  • 48. تقسیم داده به آموزش، اعتبارسنجی و تست
  • 49. بهینه‌سازی هایپرپارامترها با Grid Search
  • 50. بهینه‌سازی هایپرپارامترها با Random Search
  • 51. مدل‌های Ensemble: Bagging و Boosting
  • 52. پیاده‌سازی AdaBoost ساده در TypeScript
  • 53. مدل XGBoost مقدماتی در TypeScript
  • 54. پردازش متن برای یادگیری ماشین با TypeScript
  • 55. بردارسازی متن با Bag of Words
  • 56. بردارسازی متن با TF-IDF در TypeScript
  • 57. طبقه‌بندی متن با الگوریتم‌های ساده
  • 58. پردازش تصویر مقدماتی در TypeScript
  • 59. تبدیل تصویر به داده‌های عددی
  • 60. طبقه‌بندی تصاویر با شبکه عصبی ساده
  • 61. استفاده از APIهای یادگیری ماشین در TypeScript
  • 62. مدل‌های از پیش آموزش‌دیده و استفاده در TypeScript
  • 63. پایپلاین یادگیری ماشین در TypeScript
  • 64. تست و دیباگ مدل‌های یادگیری ماشین
  • 65. معرفی کتابخانه mljs و کاربرد آن
  • 66. استفاده از کتابخانه synaptic در TypeScript
  • 67. مدل‌های احتمالی: Naive Bayes در TypeScript
  • 68. پیاده‌سازی Naive Bayes برای طبقه‌بندی
  • 69. خوشه‌بندی سلسله‌مراتبی مقدماتی
  • 70. ارزیابی مدل با ماتریس درهم‌ریختگی (Confusion Matrix)
  • 71. معیارهای Precision، Recall و F1-Score
  • 72. منحنی ROC و AUC در TypeScript
  • 73. مدیریت خطاها و استثناها در کد یادگیری ماشین
  • 74. بهینه‌سازی عملکرد با حلقه‌ها و آرایه‌ها
  • 75. استفاده از Web Workers برای پردازش موازی
  • 76. مدل‌های ساده توصیه‌گر (Recommendation) در TypeScript
  • 77. پیاده‌سازی فیلتر همکارانه (Collaborative Filtering)
  • 78. مدل‌های مبتنی بر محتوا برای توصیه
  • 79. ذخیره‌سازی و بارگذاری مدل با JSON
  • 80. ایجاد یک API ساده برای سرویس مدل
  • 81. تست واحد (Unit Testing) برای کد یادگیری ماشین
  • 82. مدیریت وابستگی‌ها با npm در پروژه TypeScript
  • 83. مستندسازی کد و مدل با TypeScript
  • 84. اشکال‌زدایی با ابزارهای TypeScript
  • 85. بهبود دقت مدل با تنظیم هایپرپارامترها
  • 86. مدل‌های خطی با Kernel (SVM Kernel) مقدماتی
  • 87. خوشه‌بندی DBSCAN و کاربرد آن
  • 88. پیاده‌سازی DBSCAN در TypeScript
  • 89. پیش‌بینی با مدل‌های ترکیبی (Hybrid Models)
  • 90. مرور پروژه نهایی: ساخت یک مدل پیش‌بینی کامل

📚 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.