کتاب علم داده با زبان جولیا

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