کتاب ساخت مدل‌های پیش‌بینی خرابی با پایتون و Scikit-learn

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 ساخت مدل‌های پیش‌بینی خرابی با پایتون و Scikit-learn

موضوع کلی: برنامه‌نویسی تابعی

موضوع میانی: History of AI for Predictive Maintenance in Manufacturing Development Sector

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر نگهداری پیش‌بینانه و نقش هوش مصنوعی
  • 2. مبانی خرابی ماشین‌آلات صنعتی
  • 3. جمع‌آوری داده‌های خرابی: منابع و روش‌ها
  • 4. پیش‌پردازش داده‌های حسگرها: پاکسازی و نرمال‌سازی
  • 5. مهندسی ویژگی: استخراج ویژگی‌های مرتبط با خرابی
  • 6. آشنایی با کتابخانه Scikit-learn
  • 7. مقدمه‌ای بر مدل‌های یادگیری ماشین برای پیش‌بینی خرابی
  • 8. رگرسیون لجستیک برای پیش‌بینی خرابی
  • 9. درخت تصمیم و جنگل تصادفی در نگهداری پیش‌بینانه
  • 10. ماشین‌های بردار پشتیبان (SVM) برای تشخیص خرابی
  • 11. شبکه‌های عصبی مصنوعی (ANN) در پیش‌بینی خرابی
  • 12. ارزیابی مدل‌های پیش‌بینی خرابی: معیارها و روش‌ها
  • 13. اعتبارسنجی متقابل (Cross-Validation)
  • 14. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 15. مدل‌های ensemble و ترکیب‌پذیری
  • 16. پیش‌بینی خرابی با استفاده از الگوریتم‌های خوشه‌بندی (Clustering)
  • 17. تشخیص ناهنجاری (Anomaly Detection) در داده‌های خرابی
  • 18. کار با داده‌های نامتعادل (Imbalanced Data)
  • 19. استفاده از تکنیک‌های oversampling و undersampling
  • 20. انتخاب ویژگی (Feature Selection) و کاهش ابعاد
  • 21. پیاده‌سازی یک سیستم پیش‌بینی خرابی کامل با Scikit-learn
  • 22. استقرار مدل پیش‌بینی خرابی در محیط صنعتی
  • 23. مانیتورینگ و به‌روزرسانی مدل‌های پیش‌بینی خرابی
  • 24. مقدمه‌ای بر یادگیری عمیق (Deep Learning) برای نگهداری پیش‌بینانه
  • 25. استفاده از شبکه‌های عصبی کانولوشنال (CNN) برای داده‌های سری زمانی
  • 26. استفاده از شبکه‌های عصبی بازگشتی (RNN) برای داده‌های سری زمانی
  • 27. پردازش زبان طبیعی (NLP) برای تحلیل گزارش‌های خرابی
  • 28. تحلیل متن داده‌های خرابی با استفاده از NLP
  • 29. کاربرد یادگیری تقویتی (Reinforcement Learning) در نگهداری پیش‌بینانه
  • 30. مبانی تحلیل بقا (Survival Analysis) و کاربرد آن در پیش‌بینی خرابی
  • 31. بهینه‌سازی برنامه‌های نگهداری با استفاده از مدل‌های پیش‌بینی
  • 32. مفاهیم کلیدی Reliability Centered Maintenance (RCM)
  • 33. ادغام مدل‌های پیش‌بینی خرابی با سیستم‌های CMMS
  • 34. استفاده از ابزارهای تجسم داده (Data Visualization) برای نمایش نتایج
  • 35. مقدمه‌ای بر Big Data و پردازش داده‌های بزرگ در نگهداری پیش‌بینانه

📚 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.