اکسپرس 24
کتاب یادگیری ماشین بدون کدنویسی: طراحی و پیاده‌سازی مدل با Azure ML Studio

کتاب یادگیری ماشین بدون کدنویسی: طراحی و پیاده‌سازی مدل با Azure ML Studio

تگ‌ها: Azure ML Studio آموزش یادگیری ماشین تحلیل داده داده‌کاوی علم داده مدل‌سازی پیش‌بینی هوش تجاری هوش مصنوعی یادگیری ماشین یادگیری ماشین بدون کد

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 بدون کدنویسی: طراحی و پیاده‌سازی مدل با Azure ML Studio

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: کاربرد ابزارهای بصری در یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین بدون کدنویسی
  • 2. آشنایی با پلتفرم Azure ML Studio
  • 3. معرفی رابط کاربری Azure ML Studio
  • 4. ایجاد فضای کاری (Workspace) در Azure ML Studio
  • 5. وارد کردن داده‌ها به Azure ML Studio
  • 6. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
  • 7. مدیریت داده‌های گمشده
  • 8. شناسایی و حذف داده‌های پرت
  • 9. تبدیل ویژگی‌های دسته‌ای به عددی
  • 10. نرمال‌سازی و استانداردسازی داده‌ها
  • 11. انتخاب ویژگی‌های مهم
  • 12. معرفی الگوریتم‌های یادگیری ماشین
  • 13. رگرسیون خطی در Azure ML Studio
  • 14. رگرسیون لجستیک در Azure ML Studio
  • 15. درخت تصمیم‌گیری در Azure ML Studio
  • 16. جنگل تصادفی (Random Forest) در Azure ML Studio
  • 17. ماشین بردار پشتیبان (SVM) در Azure ML Studio
  • 18. خوشه‌بندی K-Means در Azure ML Studio
  • 19. ارزیابی مدل‌های یادگیری ماشین
  • 20. متریک‌های ارزیابی رگرسیون
  • 21. متریک‌های ارزیابی طبقه‌بندی
  • 22. اعتبارسنجی متقابل (Cross-Validation)
  • 23. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 24. بهینه‌سازی مدل با استفاده از جستجوی تصادفی
  • 25. بهینه‌سازی مدل با استفاده از جستجوی شبکه‌ای
  • 26. مفاهیم پایه‌ای مهندسی ویژگی
  • 27. ایجاد ویژگی‌های جدید از ویژگی‌های موجود
  • 28. انتخاب ویژگی با استفاده از روش‌های آماری
  • 29. استفاده از دگرگونی‌های ریاضی برای بهبود عملکرد مدل
  • 30. مدل‌سازی و پیش‌بینی سری‌های زمانی
  • 31. پیش‌بینی تقاضا با استفاده از Azure ML Studio
  • 32. تحلیل روند و فصلی بودن در سری‌های زمانی
  • 33. بررسی و رفع مشکل بیش‌برازش (Overfitting)
  • 34. بررسی و رفع مشکل کم‌برازش (Underfitting)
  • 35. استفاده از تکنیک‌های کاهش ابعاد
  • 36. تحلیل مولفه‌های اصلی (PCA)
  • 37. انتخاب ویژگی بر اساس اهمیت
  • 38. استقرار (Deployment) مدل در Azure ML Studio
  • 39. نظارت بر عملکرد مدل پس از استقرار
  • 40. مفاهیم پایه‌ای یادگیری تقویتی
  • 41. معرفی محیط‌های شبیه‌سازی در یادگیری تقویتی
  • 42. کاربرد یادگیری ماشین در تشخیص تقلب
  • 43. کاربرد یادگیری ماشین در پیش‌بینی نرخ ریزش مشتری
  • 44. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
  • 45. کاربرد یادگیری ماشین در پردازش زبان طبیعی
  • 46. تحلیل احساسات با استفاده از Azure ML Studio
  • 47. خلاصه‌سازی متن با استفاده از Azure ML Studio
  • 48. کاربرد یادگیری ماشین در بینایی کامپیوتر
  • 49. تشخیص اشیاء در تصاویر با استفاده از Azure ML Studio
  • 50. طبقه‌بندی تصاویر با استفاده از Azure ML Studio
  • 51. آشنایی با AutoML در Azure ML Studio
  • 52. استفاده از AutoML برای انتخاب بهترین مدل
  • 53. بهبود عملکرد مدل با استفاده از AutoML
  • 54. نگهداری و بروزرسانی مدل‌های یادگیری ماشین
  • 55. مدیریت نسخه‌های مدل
  • 56. مستندسازی فرآیند یادگیری ماشین
  • 57. بهترین شیوه‌ها برای یادگیری ماشین بدون کدنویسی
  • 58. معرفی منابع آموزشی تکمیلی
  • 59. حل مسائل عملی با استفاده از Azure ML Studio

📚 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.