فروشگاه انتشارات علوم رایانه دکتر عین الله جعفرنژادقمی
30% تخفیف !
فقط 7 روز
قیمت و خرید کتاب علم داده با زبان جولیا
ارسال رایگان ارسال سریع به سراسر کشور

کتاب علم داده با زبان جولیا

اثر هایدن وَن دِر پُست، ترجمه دکتر سیده شبنم جزائری، از انتشارات علوم رایانه
قیمت : 210,000 تومان
300,000 تومان
افزودن به سبد خرید
پیام به فروشنده !
12,100 تومان
اعتبار هدیه بگیرید !
نظر خود را به اشتراک بگذارید
تضمین اصالت کالا
تخفیف‌های دوره‌ای
ارسال سریع به سراسر کشور
کالاهای مشابه کتاب علم داده با زبان جولیا
مشخصات کتاب علم داده با زبان جولیا
موضوع
داده کاوی - Data mining - جولیا (زبان برنامه نویسی کامپیوتر) - ساختار داده ها - Data structures (Computer science)
انتشارات
انتشارات علوم رایانه
تعداد صفحه
220 صفحه
سال انتشار
1403
قطع کتاب
وزیری
نوع جلد
شومیز
شابک
3-222-205-600-978
فهرست مطالب
فصل 1: معرفی زبان جولیا برای علم داده 1-1. پیمایش در اکوسیستم: جولیا کتابخانه‌ها، ابزارها و جامعه 1-2. ایجاد پایه: راه‌اندازی محیط جولیا 1-3. جوهره جولیا: نحو پایه و ویژگی‌های زبان 1-4. مزایای مقایسه‌ای جولیا در علم داده 1-5. انواع داده و ساختارهای بنیادی در جولیا 1-6. تسلط بر ساختارهای کنترلی در جولیا برای برنامه‌های علم داده حجیم 1-7. پیمایش در چشم‌انداز پکیج‌های جولیا برای دستکاری داده‌ها 1-8. تسلط بر هنر ورودی و خروجی داده‌ها در جولیا 1-9. کسب مهارت در برنامه‌نویسی جولیا فصل 2: دستکاری داده با جولیا 2-1. هنر گردآوری داده‌ها در جولیا 2-2. مقابله با خلاء: استراتژی‌هایی برای داده‌های از دست‌رفته در جولیا 2-3. هنر همجوشی : پیوستن و ادغام مجموعه داده‌ها در جولیا 2-4. تسلط بر پویایی‌های گروهی: عملیات تجمیع و گروه‌بندی در جولیا 2-5. نکات عملکردی برای مجموعه داده‌های بزرگ: کارایی در جولیا 2-6. تسلط بر مدیریت داده‌های تاریخ و زمان در جولیا 2-7. پیمایش در داده‌های دسته‌بندی شده و عوامل در جولیا 2-8. تسلط بر جدول‌های محوری و جدول‌بندی متقاطع با جولیا 2-9. ارتقای تبدیل داده‌ها: استراتژی تقسیم ـ اعمال ـ ترکیب در جولیا فصل 3: مصورسازی داده در جولیا 3-1. رونمایی از سادگی PLOTS.JL 3-2. مصورسازی‌های پیشرفته با GADFLY و VEGALITE 3-3. طراحی تعاملی با استفاده از INTERACT.JL 3-4. مصورسازی داده‌های جغرافیایی 3-5. سفارشی‌سازی زیبایی‌های طرح 3-6. مصورسازی داده‌های چند بُعدی 3-7. انیمیشن و مصورسازی‌‌های پویا 3-8. ایجاد گرافیک‌های با کیفیت برای انتشار 3-9. ساخت داشبوردهای تجسم پیچیده فصل 4: آمار و تحلیل داده‌های اکتشافی 4-1. توزیع‌های احتمالی و اعداد تصادفی 4-2. آزمون فرضیه و مقادیر P 4-3. تحلیل همبستگی و کواریانس 4-4. تکنیک‌های تحلیل اکتشافی داده‌ها(EDA) 4-5. روش‌های کاهش بُعد 4-6. شناسایی و مدیریت نقاط پرت 4-7. مبانی تحلیل سری‌های زمانی 4-8. مدل‌سازی آماری با GLM.JL 4-9. تکنیک‌های بیزی در جولیا فصل 5: مبانی یادگیری ماشین با جولیا 5-1. یادگیری تحت نظارت در مقابل یادگیری بدون نظارت 5-2. مهندسی ویژگی و پیش‌پردازش 5-3. انتخاب و ارزیابی مدل 5-4. اعتبارسنجی متقابل برای استحکام مدل 5-5. رگرسیون خطی و لُجستیک 5-6. رگرسیون لُجستیک در جولیا 5-7. درخت‌های تصمیم‌گیری و جنگل‌های تصادفی 5-8. جنگل‌های تصادفی در جولیا 5-9. تنظیم دقیق و ارزیابی 5-10. اهمیت ویژگی 5-11. ماشین‌های بردار پشتیبان 5-12. پیاده‌سازی SVM در جولیا 5-13. تنظیم فرا پارامترها 5-14. ارزیابی مدل 5-15. برنامه‌های کاربرد پیشرفته 5-16. الگوریتم K نزدیکترین همسایه (K-NN) 5-17. اتوماسیون گردش کار یادگیری ماشین فصل 6: تکنیک‌های پیشرفته یادگیری ماشین 6-1. ماشین‌های تقویت گرادیان با XGBOOST.JL 6-2. مبانی شبکه‌های عصبی و یادگیری عمیق 6-3. استراتژی‌های تنظیم فرا پارامترها 6-4. روش‌های پیشرفته استخراج ویژگی 6-5. یادگیری بدون نظارت: الگوریتم‌های خوشه‌بندی 6-6. تحلیل مولفه‌های اصلی (PCA) 6-7. بینش‌های روشنگر از طریق مصورسازی 6-8. کاربرد عملی: تجزیه و تحلیل بیان ژن 6-9. بررسی اجمالی سیستم‌های توصیه کننده 6-10. الگوریتم‌های پشت سیستم‌های توصیه کننده 6-11. تنظیم توصیه‌ها با سیستم‌های ترکیبی 6-12. پیاده‌سازی در دنیای واقعی: توصیه فیلم 6-13. تشخیص ناهنجاری در داده‌های با ابعاد بالا 6-14. قابل فهم بودن و توضیحات در یادگیری ماشین فصل 7: یادگیری عمیق با جولیا 7-1. تنظیم محیط یادگیری عمیق در جولیا 7-2. درک معماری‌های شبکه عصبی 7-3. تنظیم فراپارامترها 7-4. آموزش شبکه‌های عصبی عمیق 7-5. مقداردهی اولیه مدل 7-6. پس‌انتشار و دوره‌ها 7-7. تنظیم دقیق یادگیری انتقالی 7-8. نظارت بر پیشرفت آموزش 7-9. شبکه‌های عصبی پیچشی برای تحلیل تصویر 7-10. تنظیم دقیق مدل‌های از پیش آموزش دیده 7-11. شبکه‌های عصبی بازگشتی برای داده‌های ترتیبی 7-12. چالش‌های آموزش RNNها 7-13. استفاده از RNNها برای مدل‌سازی زبان 7-14. شبکه‌های حافظه طولانی کوتاه مدت (LSTM) 7-15. خودرمزگذارها و مدل‌های مولد 7-16. خودرمزگذارها: نمایش داده‌های یادگیری 7-17. مدل‌های مولد: GANها و فراتر از آن 7-18. انتقال یادگیری و تنظیم دقیق 7-19. آموزش انتقال: مهار شبکه‌های از پیش آموزش دیده 7-20. تنظیم دقیق: تطبیق داده‌ها 7-21. کاربرد در دنیای واقعی: تنظیم دسته‌بندی تصویر 7-22. استقرار مدل‌های یادگیری عمیق 7-23. استراتژی‌های استقرار: از مدل تا سرویس 7-24. کانتینر‌سازی: اطمینان از ثبات در محیط‌ها 7-25. نظارت و مقیاس‌گذاری: توجه به عملکرد فصل 8: پردازش زبان طبیعی با جولیا 8-1. مراحل ضروری پیش‌پردازش 8-2. تکنیک‌های پیش‌پردازش پیشرفته 8-3. تعبیه و بازنمایی کلمات 8-4. ایجاد تعبیه در جولیا 8-5. آموزش تعبیه‌های سفارشی 8-6. استفاده از تعبیه‌ها برای وظایف پایین دستی 8-7. دسته‌بندی متن و تحلیل احساسات 8-8. تجزیه و تحلیل احساسات 8-9. مدل‌سازی موضوع و تخصیص دیریکله پنهان 8-10. مدل‌های توالی به توالی و ترجمه ماشینی 8-11. مدل‌سازی زبان و تولید متن 8-12. ‌ساخت مدل‌های زبان با جولیا 8-13. تشخیص موجودیتِ با نام 8-14. پیشگامی NER با جولیا 8-15. برچسب‌گذاری بخش‌های گفتار 8-16. تجزیه وابستگی و درخت‌های نحوی 8-17. نقش تجزیه وابستگی 8-18. پکیج‌های جولیا برای وظایف NLP 8-19. استفاده از پکیج‌های NLP جولیا برای کاربردهای قوی 8-20. پیشبرد NLP با جولیا فصل 9: تحلیل سری‌های زمانی و پیش‌بینی 9-1. پیشبرد تحلیل سری‌های زمانی با اکوسیستم جولیا 9-2. مصورسازی داده سری‌های زمانی 9-3. نمایش‌های پیشرفته با GADFLY.JL و VEGALITE.JL 9-4. نمایش‌های تعاملی برای تحلیل اکتشافی 9-5. خلق روایت با داستان سرایی بصری 9-6. مدل‌های خودهمبسته (AR) و میانگین متحرک (MA) 9-7. مدل‌ میانگین متحرک (MA) : صاف کردن نویز 9-8. ترکیب AR و MA : مدل ARMA 9-9. مصورسازی مدل‌های AR و MA 9-10. مدل‌سازی ARIMA و فصلی ARIMA 9-11. SARIMA : استقبال از فصلی بودن 9-12. تشخیص و اعتبارسنجی 9-13. هموارسازی نمایی و مدل‌های فضای حالت 9-14. نمایش فضای حالت مدل‌های هموارسازی نمایی 9-15. تشخیص و پیش‌بینی مدل 9-16. پیش‌بینی با یادگیری ماشین 9-17. ارزیابی عملکرد 9-18. تکنیک‌های پیشرفته 9-19. استقبال از آینده پیش‌بینی 9-20. یادگیری عمیق برای پیش‌بینی سری زمانی 9-21. شبکه‌های LSTM در عمل 9-22. فراتر از پیش‌بینی‌های چند نقطه‌ای 9-23. شناسایی چالش‌ها و بهبود عملکرد 9-24. شناسایی ناهنجاری در سری‌های زمانی 9-25. اتوانکدرها: کارآگاهان بدون نظارت 9-26. استفاده از شبکه‌های عصبی بازگشتی (RNN) 9-27. چالش‌های تشخیص ناهنجاری 9-28. بهبود تشخیص ناهنجاری 9-29. تحلیل سری‌های زمانی چند متغیره 9-30. هم‌انباشتگی: از بین بردن تعادل‌های بلندمدت 9-31. علیت گرنجر: رمزگشایی از تأثیر زمانی 9-32. مقابله با ابعاد و پیچیدگی 9-33. مدل‌های عامل پویا: استخراج سیگنال‌های مشترک 9-34. کاربرد عملی: نگهداری پیشگیرانه 9-35. فرآیند عملی پروژه پیش‌بینی 9-36. پایه‌گذاری: برنامه‌ریزی و طراحی پروژه 9-37. جمع‌آوری و یکپارچه‌سازی داده‌ها 9-38. تحلیل داده‌های اکتشافی (EDA) 9-39. مهندسی ویژگی و پیش پردازش داده‌ها 9-40. انتخاب مدل 9-41. آموزش و اعتبارسنجی مدل 9-42. نسل پیش‌بینی‌ها 9-43. تفسیر و ارتباط نتایج 9-44. اتوماسیون و نگهداری 9-45. نتیجه‌گیری فصل 10: مقیاس‌پذیری علم داده با جولیا 10-1. بهره‌گیری از قابلیت‌های جولیا برای راه‌حل‌های مقیاس‌پذیر 10-2. کاربردهای عملی محاسبات مقیاس‌پذیر در جولیا 10-3. اصول محاسبات موازی 10-4. بستر موازی‌سازی 10-5. اجرای محاسبات موازی در جولیا 10-6. کاربردهای محاسبات موازی در جولیا 10-7. پیشرفت با محاسبات موازی 10-8. محاسبات توزیع شده با جولیا 10-9. هنر مدیریت داده توزیع شده 10-10. مقیاس‌پذیری با محاسبات توزیع شده 10-11. بهترین شیوه‌های محاسبات توزیع شده 10-12. محاسبات عددی با عملکرد بالا 10-13. قدرت کامپایل به موقع (JIT) 10-14. بهره‌برداری از کتابخانه‌های ریاضی داخلی 10-15. انواع سفارشی و روش‌ها برای دقت عددی 10-16. پروفایل‌سازی و بهینه‌سازی عملکرد 10-17. الگوریتم‌های عددی موازی 10-18. شتاب‌دهی با پردازنده گرافیکی 10-19. ذخیره‌سازی و بازیابی داده‌های کارآمد 10-20. مدیریت داده‌های در حافظه 10-21. محاسبات توزیع شده 10-22. پردازش خارج از هسته 10-23. تحلیل داده‌های موازی 10-24. جولیا برای محاسبات GPU 10-25. کتابخانه‌های شتاب‌یافته با GPU در جولیا 10-26. نوشتن هسته‌های GPU سفارشی 10-27. تجزیه و تحلیل داده‌های مبتنی‌بر GPU 10-28. ملاحظات عملکرد 10-29. بهینه‌سازی و تنظیم عملکرد 10-30. پروفایل کد جولیا 10-31. بهینه‌سازی حلقه‌ها 10-32. رایانش موازی 10-33. ترفندهای کامپایل به موقع (JIT) 10-34. اکوسیستم پکیج‌ها برای عملکرد 10-35. یکپارچه‌سازی جولیا با زبان‌ها و سیستم‌های دیگر 10-36. فراخوانی توابع C و فُرترن 10-37. جداسازی جولیا در زبان‌های دیگر 10-38. اکوسیستم پکیج‌های جولیا برای یکپارچه‌سازی 10-39. رابط‌های پایگاه داده و سیستم‌های خارجی 10-40. کار با فناوری‌های وب 10-41. ملاحظات استقرار و تولید 10-42. یکپارچه‌سازی و استقرار مداوم (CI/CD) 10-43. کانتینر‌سازی و مجازی‌سازی 10-44. پایش و تولید کارنامه 10-45. مقیاس‌پذیری و تعادل بار 10-46. ملاحظات امنیتی 10-47. پشتیبان‌گیری و بازیابی در مواقع بحران 10-48. مطالعات موردی پروژه‌های علم داده مقیاس‌پذیر در جولیا 10-49. مطالعه موردی: پیش‌بینی مصرف انرژی 10-50. مطالعه موردی: تحلیل داده‌های ژنومی در بیوتکنولوژی 10-51. مطالعه موردی: سیستم تشخیص تقلب بلادرنگ 10-52. مطالعه موردی: مدیریت ترافیک و برنامه‌ریزی شهری 10-53. مطالعه موردی: مدل‌سازی اقلیم و تأثیرات زیست محیطی فصل 11: استقرار و تولید مدل 11-1. کانتینرسازی 11-2. پایش و نسخه‌سازی 11-3. APIها برای ارائه‌ی مدل 11-4. استقرار API های جولیا با 'JULIAWEBAPI.JL' 11-5. استفاده از 'JULIAWEBAPI.JL' برای ایجاد خدمات وب 11-6. شروع کار با 'JULIAWEBAPI.JL' 11-7. تعریف نقاط پایانی 11-8. مدیریت درخواست‌ها 11-9. پاسخ‌های غیرهمزمان 11-10. ارتباط با سایر خدمات 11-11. مدیریت خطا 11-12. مثال: سرویس پیش‌بینی آب و هوا 11-13. ملاحظات استقرار 11-14. کانتینریزه کردن با داکر و جولیا 11-15. داکرایز کردن یک برنامه جولیا 11-16. مدیریت وابستگی‌های جولیا 11-17. ساخت و اجرای کانتینر 11-18. شبکه‌سازی و نگهدارنده داده‌ها 11-19. مثال: یک سرویس تجزیه و تحلیل داده 11-20. یکپارچه‌سازی و تحویل مداوم (CI/CD) برای مدل‌ها 11-21. CI/CD برای مدل‌های مبتنی‌بر جولیا 11-22. تنظیم یک خط لوله CI/CD 11-23. خودکارسازی آموزش و آزمایش مدل‌ها 11-24. استراتژی‌‌های استقرار 11-25. پایش و حلقه‌های بازخورد 11-26. مثال: مدل جولیا برای نگهداری پیش‌بینی 11-27. کنترل و مدیریت نسخه مدل 11-28. یکپارچه‌سازی کنترل نسخه در جریان کار 11-29. ذخیره‌سازی داده‌ها و مدل 11-30. مثال: مدیریت یک مدل پردازش زبان طبیعی جولیا 11-31. پایش و نگهداری مدل‌های مستقر 11-32. شاخص‌های کلیدی عملکرد (KPIS) 11-33. مثال: نگهداری مدل تشخیص ناهنجاری 11-34. ارزیابی عملکرد در محیط تولید 11-35. مثال: توصیه محصولات در تجارت الکترونیک 11-36. ملاحظات امنیتی برای پیاده‌سازی مدل 11-37. ارائه امن مدل با استفاده از API 11-38. ارزیابی آسیب‌پذیری و تست نفوذ 11-39. مقاومت مدل و حملات خصمانه 11-40. انطباق با حریم خصوصی داده‌ها 11-41. مسیرهای ممیزی و پایش 11-42. فرآیندهای ایمن برای آموزش و به‌روزرسانی مدل 11-43. مثال: تشخیص تقلب مالی 11-44. بهترین شیوه‌ها برای عملیاتی کردن یادگیری ماشین 11-45. پایش مدل 11-46. نسخه‌بندی مدل‌ها و داده‌ها 11-47. انبارهای ویژگی 11-48. آزمایش A/B 11-49. توضیح‌پذیری و تفسیرپذیری مدل 11-50. بازآموزی خودکار و به‌روزرسانی مدل 11-51. مقیاس‌پذیری و مدیریت منابع 11-52. مثال: نگهداری پیشگیرانه فصل 12: مباحث پیشرفته و مسیرهای آینده 12-1. الگوریتم Q-LEARNING 12-2. روش‌های گرادیان سیاست 12-3. مدل‌های گرافیکی و تحلیل شبکه در جولیا 12-4. مبانی مدل‌های گرافیکی 12-5. کتابخانه‌های جولیا برای مدل‌های گرافیکی 12-6. ساخت شبکه‌های بیزی 12-7. یادگیری از داده‌ها 12-8. استنتاج در مدل‌های گرافیکی 12-9. تجزیه و تحلیل شبکه با جولیا 12-10. مثال کاربردی: مدل‌سازی تأثیر اجتماعی 12-11. جولیا برای روباتیک و سیستم‌های کنترل 12-12. شبیه‌سازی روباتیک 12-13. ارتباط با سیستم‌های دنیای واقعی 12-14. برنامه‌ریزی حرکت و سینماتیک 12-15. پیاده‌سازی یادگیری ماشین در روباتیک 12-16. مثال: پرواز خودکار پهپاد 12-17. محاسبات کوانتومی با جولیا 12-18. چشم‌انداز کوانتومی در جولیا 12-19. الگوریتم‌ها و پروتکل‌های کوانتومی 12-20. قابلیت همکاری و سیستم‌های هیبریدی 12-21. یادگیری ماشین کوانتومی 12-22. مثال عملی: رمزنگاری کوانتومی 12-23. پیوند نظریه و عمل 12-24. ادغام با دستگاه‌های IOT برای علم داده 12-25. محاسبات لبه‌ای با جولیا 12-26. یادگیری ماشین برای داده‌های IOT 12-27. مثال عملی: کشاورزی هوشمند 12-28. تجزیه و تحلیل و مصورسازی داده‌ها به صورت لحظه‌ای 12-29. تکنیک‌های بهینه‌سازی پیشرفته برای یادگیری ماشین 12-30. فراتر از گرادیان: الگوریتم‌های تکاملی 12-31. استفاده از روش‌های مرتبه دوم 12-32. بهره‌گیری از محاسبات موازی برای بهینه‌سازی 12-33. مثال عملی: تنظیم فراپارامتر در شبکه‌های عصبی 12-34. تکنیک‌های تنظیم تطبیقی 12-35. یادگیری فدرال و تکنولوژی‌های حفظ حریم خصوصی 12-36. تکنیک‌های حفظ حریم خصوصی در یادگیری فدرال 12-37. محاسبات چندجانبه امن 12-38. رمزنگاری هومومورفیک در جولیا 12-39. مثال: یادگیری فدرال در حوزه بهداشت و درمان 12-40. چالش‌ها و ملاحظات 12-41. یادگیری ماشین خودکار و جستجوی معماری عصبی در جولیا 12-42. جستجوی معماری عصبی: معماری آینده 12-43. یکپارچه‌سازی با اکوسیستم یادگیری ماشین جولیا 12-44. مطالعه موردی NAS : برای تشخیص تصویر 12-45. غلبه بر چالش‌ها 12-46. چالش‌ها در مقیاس‌گذاری جولیا برای علم داده 12-47. قابلیت همکاری با سیستم‌های دیگر 12-48. محاسبات توزیع شده 12-49. استانداردهای ارزیابی عملکرد 12-50. گسترش نیروی کار و آموزش 12-51. مستندسازی فراگیر در کل اکوسیستم 12-52. آینده جولیا در جامعه علم داده واژه‌نامه انگلیسی به فارسی منابع اضافی
نظر خود را به اشتراک بگذارید
commentuser
Copyright © 2023 Powered By Olomrayaneh web developer team, All Rights Reserved.
فروشگاه انتشارات علوم رایانه دکتر عین الله جعفرنژادقمی - لوگو