دانلود کتاب آموزشی Python for Data Science and Machine Learning Bootcamp جلد دوم

بخش 5. آمار و تحلیل داده‌ها

فصل 1. آمار توصیفی

• معرفی آمار توصیفی و کاربرد آن در داده‌کاوی

• شاخص‌های مرکزی: میانگین، میانه، نما

• شاخص‌های پراکندگی: واریانس، انحراف معیار، دامنه

• شاخص‌های شکل توزیع: چولگی و کشیدگی

• تحلیل جداول توزیع فراوانی و نمودارهای پایه

فصل 2. احتمال و توزیع‌های آماری

• مفاهیم پایه احتمال و قوانین آن

• رویدادهای مستقل و وابسته

• توزیع‌های گسسته: برنولی، بینومیال، پواسون

• توزیع‌های پیوسته: نرمال، نمایی، یکنواخت

• استفاده از توزیع‌ها برای مدل‌سازی داده‌ها

فصل 3. همبستگی و کوواریانس

• تعریف همبستگی و کاربرد آن در تحلیل داده‌ها

• ضریب همبستگی پیرسون و اسپیرمن

• تحلیل رابطه بین دو یا چند متغیر

• مفهوم کوواریانس و تفاوت آن با همبستگی

• تحلیل ماتریس همبستگی برای داده‌های چندمتغیره

فصل 4. آزمون‌های آماری پایه

• اهمیت آزمون‌های آماری در تصمیم‌گیری داده‌محور

• آزمون فرضیه و انواع خطاهای آماری (Type I و II)

• آزمون t برای میانگین‌ها

• آزمون χ² برای داده‌های دسته‌ای

• آزمون ANOVA برای مقایسه چند گروه

• بررسی پیش‌فرض‌ها و شرایط استفاده از آزمون‌ها

فصل 5. تحلیل داده‌ها با کتابخانه‌های Python

• معرفی ابزارهای Python برای تحلیل آماری

• استفاده از Pandas برای محاسبات آماری ساده

• تحلیل توزیع داده‌ها با SciPy

• بررسی روندها و شناسایی الگوهای آماری

• کاربرد آمار توصیفی و آزمون‌ها در تحلیل پروژه‌های واقعی

بخش 6. پیش‌پردازش داده‌ها و Feature Engineering

فصل 1. مدیریت داده‌های گمشده و ناهماهنگ

• شناسایی داده‌های گمشده و ناهماهنگ در دیتافریم‌ها

• بررسی الگوهای داده‌های ناقص و دلیل وجود آن‌ها

• تکنیک‌های جایگزینی داده‌های گمشده (میانگین، میانه، مد، روش پیشرفته)

• حذف داده‌های ناقص و پیامدهای آن بر مدل

فصل 2. نرمال‌سازی و استانداردسازی داده‌ها

• ضرورت مقیاس‌بندی داده‌ها در یادگیری ماشین

• تفاوت بین نرمال‌سازی و استانداردسازی

• تبدیل داده‌ها به بازه‌های مشخص برای بهبود عملکرد مدل

• کاربردهای نرمال‌سازی و استانداردسازی در مدل‌های مختلف

فصل 3. کدگذاری داده‌های دسته‌ای

• شناسایی ویژگی‌های دسته‌ای (Categorical Features)

• روش Label Encoding و کاربرد آن

• روش One-Hot Encoding و مزایا/معایب آن

• تکنیک‌های پیشرفته برای کدگذاری ویژگی‌ها (Target Encoding، Binary Encoding)

فصل 4. انتخاب ویژگی‌ها (Feature Selection)

• اهمیت کاهش تعداد ویژگی‌ها برای بهبود دقت مدل و کاهش پیچیدگی

• روش‌های مبتنی بر آمار (Correlation, Chi-Square)

• روش‌های مبتنی بر مدل (Feature Importance, Recursive Feature Elimination)

• انتخاب ویژگی‌های نهایی و آماده‌سازی برای مدل

فصل 5. کاهش ابعاد داده‌ها (Dimensionality Reduction)

• ضرورت کاهش ابعاد و تاثیر آن بر سرعت و دقت مدل

• معرفی Principal Component Analysis (PCA)

• کاربرد PCA در کاهش ابعاد و مصورسازی داده‌ها

• سایر روش‌های کاهش ابعاد (t-SNE, LDA)

فصل 6. شناسایی و حذف داده‌های پرت (Outlier Detection)

• تعریف داده‌های پرت و تاثیر آن‌ها بر مدل‌ها

• روش‌های شناسایی داده‌های پرت (IQR, Z-Score, Visualization)

• تصمیم‌گیری درباره حذف یا اصلاح داده‌های پرت

• نکات عملی برای مدیریت داده‌های پرت در پروژه‌های واقعی

بخش 7. Machine Learning با Python

فصل 1. مقدمه‌ای بر Machine Learning

• تعریف Machine Learning و تفاوت با برنامه‌نویسی سنتی

• کاربردهای Machine Learning در دنیای واقعی

• انواع یادگیری: Supervised, Unsupervised, Reinforcement

• چرخه زندگی یک پروژه Machine Learning

فصل 2. پیش‌پردازش داده‌ها برای یادگیری ماشین

• پاکسازی داده‌ها و مدیریت داده‌های گمشده

• نرمال‌سازی و استانداردسازی داده‌ها

• کدگذاری ویژگی‌های دسته‌ای (One-Hot Encoding و Label Encoding)

• تقسیم داده‌ها به مجموعه آموزش و آزمون

• تشخیص و حذف داده‌های پرت و نویز

فصل 3. مدل‌های Supervised Learning

• Linear Regression: مفاهیم پایه، فرضیات، کاربردها

• Logistic Regression: پیش‌بینی دسته‌بندی‌ها، تفسیر نتایج

• Decision Trees: ساختار، تقسیم‌بندی، مزایا و محدودیت‌ها

• Random Forest: افزایش دقت با ترکیب چندین درخت تصمیم

• Support Vector Machines (SVM): تشخیص مرزهای تصمیم، کاربردها و مزایا

فصل 4. مدل‌های Unsupervised Learning

• K-Means Clustering: خوشه‌بندی داده‌ها، انتخاب تعداد خوشه‌ها، تفسیر نتایج

• Hierarchical Clustering: خوشه‌بندی سلسله‌مراتبی و نمودار درختی

• Principal Component Analysis (PCA): کاهش ابعاد، شناسایی ویژگی‌های مهم

• DBSCAN و سایر الگوریتم‌های خوشه‌بندی: کاربرد در داده‌های پیچیده

فصل 5. ارزیابی و بهبود مدل‌ها

• مفاهیم Train/Test Split و Cross Validation

• معیارهای سنجش عملکرد: Accuracy، Precision، Recall، F1 Score

• ماتریس سردرگمی (Confusion Matrix) و تفسیر آن

• Overfitting و Underfitting: شناسایی و جلوگیری

• بهبود مدل‌ها با تکنیک‌های Regularization (L1, L2)

فصل 6. تکنیک‌های پیشرفته و بهینه‌سازی مدل‌ها

• Grid Search و Random Search برای انتخاب هایپرپارامترها

• Ensemble Learning: ترکیب مدل‌ها برای افزایش دقت

• Boosting و Bagging: مزایا و کاربردها

• یادگیری تقویتی (Reinforcement Learning) – معرفی مفهومی

• کاربرد Machine Learning در داده‌های بزرگ و واقعی

بخش 8. پیشرفته: Deep Learning و Neural Networks

فصل 1. مقدمه‌ای بر Deep Learning

• تفاوت بین Machine Learning و Deep Learning

• کاربردهای عملی Deep Learning در صنعت و پژوهش

• آشنایی با شبکه‌های عصبی مصنوعی (Artificial Neural Networks)

فصل 2. ساختار و معماری شبکه‌های عصبی

• لایه‌ها و نورون‌ها: ورودی، پنهان و خروجی

• توابع فعال‌سازی (Activation Functions) و اهمیت آنها

• مفهوم وزن‌ها و بایاس‌ها در شبکه عصبی

• الگوریتم‌های یادگیری و بهینه‌سازی (Optimization)

فصل 3. آموزش شبکه‌های عصبی

• فرآیند Feedforward و Backpropagation

• مفهوم Loss Function و تابع هزینه

• Gradient Descent و روش‌های بهینه‌سازی پیشرفته

• جلوگیری از Overfitting: Regularization و Dropout

فصل 4. شبکه‌های کانولوشنی (CNN)

• مفهوم Convolution و Pooling

• ساختار لایه‌های CNN و کاربرد آنها

• کاربرد CNN در پردازش تصویر و ویدئو

• مثال‌های عملی برای تشخیص تصویر

فصل 5. شبکه‌های بازگشتی (RNN) و LSTM

• مفهوم حافظه در شبکه‌های بازگشتی

• کاربرد RNN در داده‌های زمانی و متنی

• معماری LSTM برای داده‌های سری زمانی

• مثال‌های عملی در تحلیل سری‌های زمانی و پردازش زبان طبیعی

فصل 6. بهینه‌سازی و ارزیابی مدل‌ها

• معیارهای ارزیابی شبکه‌های عصبی (Accuracy, Precision, Recall, F1 Score)

• روش‌های افزایش دقت مدل‌ها

• تکنیک‌های Early Stopping و تنظیم هایپرپارامترها

• استفاده از GPU و پردازش موازی برای افزایش سرعت آموزش