در حال حاضر محصولی در سبد خرید شما وجود ندارد.
درخواست علوم اطلاعاتی و تکنیک های هوش مصنوعی برای استخراج و تجزیه و تحلیل شبکه LinkedIn خود را
عنوان اصلی : Mining and Analyzing LinkedIn Data
سرفصل های دوره :
مقدمه:
مواد درس
مجموعه داده های LinkedIn:
طرح حمله
ایجاد یک برنامه LinkedIn
LinkedIn API 1
LinkedIn API 2
دریافت اطلاعات از LinkedIn
DataSet دعوت نامه 1
DataSet دعوتنامه 2
تولید داده های جعلی
پیام های دنیا
اتصالات بین کاربران و دعوت نامه ها:
طرح حمله
اتصالات روزانه
تکالیف
راه حل تکمیلی
داده های موقعیت
فاصله LevenShtein
n-gram شباهت
فاصله JACCARD
خوشه بندی موقعیت های مشابه 1
خوشه بندی موقعیت های مشابه 2
خوشه بندی موقعیت های مشابه 3
خوشه بندی موقعیت های مشابه 4
تجسم خوشه ها
صادرات به JSON
تجسم با استفاده از دندروگرام
تجسم با استفاده از درخت پیوند
Google Location API
عرض جغرافیایی و عرض جغرافیایی مخاطبین
نقشه تماس با استفاده از BaseMap
گرفتن کشورها و شهرها
گراف از کاربران توسط کشورها و شهرستانها
معرفی به خوشه بندی
معرفی به الگوریتم K-mean
خوشه بندی کاربران با مکان با K-means
تجسم خوشه ها با استفاده از Google Earth
DataSet دعوت نامه ها
تکالیف
راه حل تکمیلی
تجزیه و تحلیل مجموعه داده های دعوت نامه
پیام های بین کاربران:
طرح حمله
بارگیری مجموعه داده ها
پیش پردازش متون
پیش پردازش داده ها
Word Cloud
به رسمیت شناختن نهادها
تجزیه و تحلیل احساسات
نکات نهایی:
نکات نهایی
پاداش
Mining and Analyzing LinkedIn Data
در این روش نیاز به افزودن محصول به سبد خرید و تکمیل اطلاعات نیست و شما پس از وارد کردن ایمیل خود و طی کردن مراحل پرداخت لینک های دریافت محصولات را در ایمیل خود دریافت خواهید کرد.
Python Programming for Biological Problems
استخراج و تجزیه و تحلیل داده های فیس بوک
Generative Adversarial Networks (GANs): Complete Guide
No-Code and No-Math Machine Learning
ردیابی شیء با استفاده از Python, OpenCV
الگوریتم هوش مصنوعی الهام گرفته از زیست شناسی
تشخیص کاراکترها یا همان OCR در زبان Python
The Ultimate Beginners Guide to Python Virtual Assistants
ChatGPT for Data Science and Machine Learning
Motion Detection using Python and OpenCV