×
  • نمودار ERD سیستم وب سایت دیجی کالا با ویژوال پارادایم

    ۵۹,۹۰۰ تومان

    نمودار ERD سیستم وب سایت فروش موتورسیکلت با ویژوال پارادایم

    ۵۶,۶۰۰ تومان

    نمودار ERD سیستم وب سایت فروش خودرو با ویژوال پارادایم

    ۵۶,۸۰۰ تومان

    نمودار ERD سیستم وب سایت هاستینگ با ویژوال پارادایم

    ۵۷,۹۰۰ تومان

    نمودار ERD سیستم بروکر فارکس با ویژوال پارادایم

    ۵۸,۱۰۰ تومان

    نمودار ERD سیستم کارگزاری بورس اوراق بهادار با ویژوال پارادایم

    ۵۶,۹۰۰ تومان

    نمودار ERD سیستم صرافی ارز دیجیتال با ویژوال پارادایم

    ۵۸,۶۰۰ تومان

    نمودار ER سیستم سامانه مدیریت دامنه با اکسس

    ۵۹,۱۰۰ تومان

    نمودار ER سیستم سامانه فروش سرورهای مجازی با اکسس

    ۵۸,۶۰۰ تومان

    نمودار ER سیستم سامانه حمل و نقل ریلی با اکسس

    ۵۵,۸۰۰ تومان

    نمودار ER سیستم سامانه حمل و نقل شهری با اکسس

    ۵۷,۲۰۰ تومان

    نمودار ER سیستم مدیریت بارنامه با اکسس

    ۵۶,۸۰۰ تومان

    نمودار ER سیستم وب سایت بارنامه با اکسس

    ۵۸,۱۰۰ تومان

    نمودار ER سیستم دفتر خدمات الکترونیک قضایی با اکسس

    ۵۸,۴۰۰ تومان

    نمودار ER سیستم دفتر خدمات قضایی با اکسس

    ۵۷,۷۰۰ تومان

    نمودار ER سیستم وب سایت قوه قضاییه با اکسس

    ۵۷,۸۰۰ تومان

    نمودار ER سیستم وب سایت مشاوره با اکسس

    ۵۶,۹۰۰ تومان

    نمودار ER سیستم وب سایت نوبت دهی وکیل با اکسس

    ۵۶,۸۰۰ تومان

    نمودار ER سیستم وب سایت نوبت دهی پزشک با اکسس

    ۵۷,۱۰۰ تومان

    نمودار ER سیستم وب سایت بلیط هواپیمای خارجی با اکسس

    ۵۶,۱۰۰ تومان

    مطالب رایگان

    بیشتر

    مشاوره نگارش، سابمیت، پذیرش و چاپ مقاله علمی پژوهشی

    مشاوره و آموزش نگارش، سابمیت، پذیرش و چاپ مقاله علمی پژوهشی در کمتر از 1 ماه

    مقاله چیست؟

    آموزش و مشاوره نگارش مقالات فارسی و انگلیسی در سطوح ارشد و دکتری برای مجلات ISC, ISI, Scopus, PubMed, Q1,Q2,Q3,Q4 در کمتر از دو هفته

    یادگیری عمیق (Deep Neural Networks)

    یادگیری عمیق نوعی از یادگیری ماشین وهوش مصنوعی است که در واقع از روشی که ذهن انسان برای یادگیری موضوع خاصی به کار می گیرد، تقلید می کند. این نوع از یادگیری یکی از عناصر مهم در علم داده می باشد که شامل آمار و مدل سازی پیش بینی است. یادگیری عمیق برای دانشمندان داده که وظیفه جمع آوری ، تجزیه و تحلیل و تفسیر مقادیر زیادی از داده ها را دارند ، بسیار مفید است و این روند را سریعتر و آسان تر می کند.

    الگوریتم های استخراج ویژگی

    روش‌های انتخاب ویژگی (Feature Selection Methods) به منظور مواجهه با داده‌های ابعاد بالا، به مولفه‌ای جدایی ناپذیر از فرآیند یادگیری مبدل شده‌اند. یک انتخاب ویژگی صحیح می‌تواند منجر به بهبود یادگیرنده استقرایی از جهت‌های گوناگون از جمله سرعت یادگیری، ظرفیت تعمیم و سادگی مدل استنتاج شده شود. در این مطلب بحث استخراج ویژگی و انتخاب ویژگی و انواع روش‌های آن مورد بررس قرار می‌گیرد.

    الگوریتم طبقه بندی درخت تصادفی

    سیستم های پیشنهاد دهنده در شبکه اجتماعی و انواع آنها

    یک سیستم پیشنهاد دهنده سعی می‌کند علایق یک کاربر خاص در وبسایت شما را شناسایی و پیش‌بینی کند و آیتم‌هایی متناسب با علایقش به وی نشان دهد. سیستم پیشنهاد دهنده از الگوریتم‌های بسیار قدرتمند یادگیری ماشین (machine learning) است که خرده‌فروشی‌های آنلاین متعددی از آن برای افزایش فروش خود استفاده می‌کنند.

    الگوریتم FP-Growth

    یکی از الگوریتم های محبوب و مفید در این فن، الگوریتم FP-growth است. حجم داده ورودی FP-growth اصولا بسیار زیاد است و به همین دلیل یک محیط ابری چهارچوب مناسبی خواهد بود که میتواند از این حجم عظیم داده را به بخش های کوچکتر تقسیم و هر بخش را بصورت مجزا برای پردازش به یک نود خاص در شبکه ابری ارسال نمایید. این کار علاوه بر کاهش زمان اجرا تاثیر بسزائی در کاهش هزینه های ناشی از فراهم کردن بستره مورد نیاز برای داده کاوی خواهد داشت.

    طبقه بندی داده ها

    هنگامی که قصد تحلیل یک سری بزرگ از داده­ ها وجود دارد طبقه ­بندی به ما کمک خواهد کرد، زیرا که طبقه ­بندی روشی استاندارد برای نظم دادن به داده ­ها می­ باشد. می­ توان گفت که با این کار، داده­ ها به شکل قابل استفاده و ساده تر بیان می­ شوند و اعضای مشابه در کنار هم قرار می­ گیرند. در این فصل به روش­ هایی برای طبقه ­بندی کردن داده­ ها با دیدگاه آماری و مکانی پرداخته شده است.

    پشتیبانی آنلاین

    همواره ناب لرنینگ پشتیبان تمامی پروژه های خود از ساعت 9 صبح تا 12 شب می باشد. جهت تماس با پشتیبان و سفارش پروژه جدید کافیست از طریق "گفتگوی آنلاین" یا "سفارش فوری پروژه" یا "صفحه تماس با ما" اقدام فرمایید.

    0