دوره آموزش نظارت شده: مبانی و پیاده‌سازی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

1,990,000 تومان
پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 497,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش نظارت شده: مبانی و پیاده‌سازی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری نظارت شده (Supervised Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری ماشین و نظارت شده
  • 2. انواع مسائل یادگیری ماشین
  • 3. مروری بر داده ها و پیش پردازش آنها
  • 4. جمع آوری و برچسب گذاری داده ها
  • 5. پاکسازی داده ها و مدیریت مقادیر گمشده
  • 6. مهندسی ویژگی و انتخاب ویژگی
  • 7. معرفی الگوریتم های رگرسیون خطی
  • 8. ارزیابی مدل های رگرسیون
  • 9. معرفی الگوریتم های رگرسیون لجستیک
  • 10. تفسیر نتایج رگرسیون لجستیک
  • 11. معرفی ماشین های بردار پشتیبان (SVM)
  • 12. کاربرد SVM در طبقه بندی
  • 13. معرفی درخت های تصمیم
  • 14. کاربرد درخت های تصمیم در طبقه بندی
  • 15. معرفی الگوریتم جنگل تصادفی
  • 16. کاربرد جنگل تصادفی در مسائل طبقه بندی
  • 17. معرفی الگوریتم های تقویت گرادیان (Gradient Boosting)
  • 18. کاربرد تقویت گرادیان در مسائل پیچیده
  • 19. معرفی شبکه های عصبی مصنوعی
  • 20. ساختار و عملکرد نورون مصنوعی
  • 21. تابع فعال سازی در شبکه های عصبی
  • 22. معماری لایه های شبکه عصبی
  • 23. آموزش شبکه های عصبی: انتشار رو به عقب (Backpropagation)
  • 24. تابع هزینه و بهینه سازی در شبکه های عصبی
  • 25. تنظیم نرخ یادگیری و بهینه سازها
  • 26. مدیریت بیش برازش (Overfitting) و کم برازش (Underfitting)
  • 27. تکنیک های منظم سازی (Regularization)
  • 28. اعتبارسنجی متقابل (Cross-validation)
  • 29. معرفی شبکه های عصبی کانولوشنال (CNN)
  • 30. کاربرد CNN در پردازش تصویر
  • 31. معماری لایه های CNN
  • 32. لایه های کانولوشن، پولینگ و کاملاً متصل
  • 33. آموزش CNN برای طبقه بندی تصاویر
  • 34. معرفی شبکه های عصبی بازگشتی (RNN)
  • 35. کاربرد RNN در پردازش زبان طبیعی
  • 36. ساختار سلول های RNN
  • 37. مدیریت وابستگی های طولانی مدت در RNN
  • 38. معرفی حافظه طولانی کوتاه مدت (LSTM)
  • 39. کاربرد LSTM در مسائل توالی
  • 40. معماری سلول های LSTM
  • 41. معرفی واحدهای بازگشتی دروازه دار (GRU)
  • 42. مقایسه LSTM و GRU
  • 43. معرفی مدل های ترنسفورمر (Transformer)
  • 44. مکانیسم توجه (Attention Mechanism)
  • 45. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 46. مدل های زبانی پیش آموزش دیده
  • 47. معرفی مدل های BERT و GPT
  • 48. تنظیم دقیق (Fine-tuning) مدل های زبانی
  • 49. یادگیری انتقال (Transfer Learning)
  • 50. کاربرد یادگیری انتقال در مسائل مختلف
  • 51. معرفی الگوریتم های خوشه بندی (Clustering)
  • 52. کاربرد خوشه بندی در کشف الگو
  • 53. معرفی الگوریتم K-Means
  • 54. ارزیابی نتایج خوشه بندی
  • 55. معرفی خوشه بندی سلسله مراتبی
  • 56. کاربرد خوشه بندی سلسله مراتبی
  • 57. معرفی الگوریتم DBSCAN
  • 58. مقایسه الگوریتم های خوشه بندی
  • 59. معرفی کاهش ابعاد (Dimensionality Reduction)
  • 60. کاربرد کاهش ابعاد در تجسم داده ها
  • 61. معرفی تحلیل مؤلفه های اصلی (PCA)
  • 62. کاربرد PCA در فشرده سازی داده ها
  • 63. معرفی تحلیل تمایز خطی (LDA)
  • 64. مقایسه PCA و LDA
  • 65. مقدمه ای بر یادگیری تقویتی (Reinforcement Learning)
  • 66. مفاهیم اساسی یادگیری تقویتی
  • 67. عامل، محیط، پاداش و حالت
  • 68. فرآیندهای تصمیم گیری مارکوف (MDP)
  • 69. معرفی الگوریتم Q-Learning
  • 70. جدول Q و یادگیری مقادیر Q
  • 71. پیاده سازی Q-Learning
  • 72. معرفی یادگیری تقویتی عمیق (Deep RL)
  • 73. کاربرد شبکه های عصبی در یادگیری تقویتی
  • 74. معرفی الگوریتم Deep Q-Network (DQN)
  • 75. کاربرد DQN در بازی ها
  • 76. معرفی الگوریتم های Policy Gradient
  • 77. یادگیری سیاست ها به طور مستقیم
  • 78. معرفی الگوریتم Actor-Critic
  • 79. ترکیب ارزش و سیاست
  • 80. ارزیابی مدل های یادگیری تقویتی
  • 81. ملاحظات اخلاقی در هوش مصنوعی
  • 82. حریم خصوصی و امنیت داده ها
  • 83. سوگیری در الگوریتم ها و روش های مقابله
  • 84. تفسیرپذیری مدل های یادگیری ماشین
  • 85. مقدمه ای بر یادگیری نظارت نشده
  • 86. کاربرد یادگیری نظارت نشده
  • 87. معرفی الگوریتم های تشخیص ناهنجاری (Anomaly Detection)
  • 88. کاربرد تشخیص ناهنجاری
  • 89. معرفی روش های بیزین در یادگیری ماشین
  • 90. نظریه بیز و احتمال شرطی
  • 91. کاربرد مدل های بیزین در طبقه بندی
  • 92. معرفی شبکه های بیزین
  • 93. ساختار و تفسیر شبکه های بیزین
  • 94. کاربرد شبکه های بیزین در استنتاج
  • 95. مقدمه ای بر یادگیری نیمه نظارت شده
  • 96. استفاده از داده های برچسب دار و بدون برچسب
  • 97. کاربرد یادگیری نیمه نظارت شده
  • 98. معرفی الگوریتم های یادگیری فعال (Active Learning)
  • 99. انتخاب نمونه های مفید برای برچسب گذاری
  • 100. کاربرد یادگیری فعال
✦ مجموعه ویژه یادگیری

یک دوره، چند مسیر برای یادگیری بهتر

کتاب‌های آموزشی، محتوای صوتی و تصویری و دسترسی به سامانه آنلاین فلش‌کارت؛ مجموعه‌ای برای مطالعه، تمرین و تثبیت آموخته‌ها.

📚 محتوای متنی 🎧 صوت و ویدیو 🧠 مرور هوشمند

محتویات بسته آموزشی

مجموعه‌ای از منابع برای شیوه‌های مختلف یادگیری
📚
کتاب نکته‌های خودمانی
نسخه PDF با زبان ساده، روان و کاربردی برای یادگیری راحت‌تر مفاهیم.
PDF · بیان ساده
📘
کتاب نکته‌های رسمی فارسی
نسخه PDF با نگارش استاندارد، بیان دقیق و رویکرد علمی.
PDF · نگارش رسمی
❓
کتاب پرسش و پاسخ تشریحی
نسخه PDF برای مرور مفاهیم و آشنایی با پاسخ‌های توضیحی.
PDF · یادگیری مفهومی
✅
کتاب پرسش‌های چهارگزینه‌ای
نسخه PDF برای تمرین، سنجش آموخته‌ها و آمادگی بیشتر.
PDF · تمرین و سنجش
🎧
پادکست‌های صوتی فارسی
محتوای صوتی برای یادگیری و مرور مطالب در زمان‌های مختلف.
محتوای صوتی
🎬
ویدیوهای آموزشی فارسی
محتوای ویدیویی برای تکمیل تجربه یادگیری و درک بهتر مطالب.
محتوای ویدیویی
💻
اکانت سامانه آنلاین فلش‌کارت
دسترسی به نرم‌افزار آنلاین فلش‌کارت ویژه این دوره برای تمرین و مرور مطالب.
دسترسی آنلاین
🎓
گواهی پایان دوره
امکان دریافت گواهی پس از تکمیل فعالیت‌های لازم در سامانه و طی مراحل تأیید.
پس از تکمیل شرایط
💾
بسته فیزیکی روی فلش مموری
این محصول به‌صورت فلش مموری حاوی فایل‌های آموزشی، محتوای صوتی و ویدیویی ارائه می‌شود.
تحویل فیزیکی
نکته: استفاده از سامانه آنلاین فلش‌کارت به اتصال اینترنت نیاز دارد؛ محتوای قابل استفاده آفلاین به نوع فایل‌های موجود در بسته بستگی دارد.
SMART LEARNING

🌐 سامانه آنلاین فلش‌کارت؛ مرور هدفمند و هوشمند

اکانت ارائه‌شده، دسترسی به نسخه تحت وب سامانه فلش‌کارت ویژه این دوره را فراهم می‌کند. این سامانه از الگوریتم زمان‌بندی مرور SM-2 استفاده می‌کند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم می‌کند.

به این ترتیب، کارت‌های دشوارتر می‌توانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسب‌تری داشته باشید.

🧠
مرور زمان‌بندی‌شده
📈
پیگیری پیشرفت
🔄
تمرین و تکرار هدفمند
📚 حجم آموزشی دوره
هزاران
فلش‌کارت آموزشی، به‌صورت تقریبی
۶۰ ساعت
مدت‌زمان معادل برآوردشده آموزشی

مدت‌زمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج می‌شود.

🏅

گواهی دوزبانه با استعلام آنلاین

گواهی فارسی و انگلیسی · لینک اختصاصی · QR Code

پس از تکمیل فعالیت‌های لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر می‌شود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.

⚖️ توضیح مهم درباره گواهی پایان دوره

این گواهی صرفاً به‌عنوان گواهی اتمام دوره آموزشی صادر می‌شود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.

تجربه‌ای کامل‌تر برای مطالعه، تمرین و یادگیری
express24.ir

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.