, ,

کتاب مقدمه‌ای بر یادگیری عمیق (Deep Learning) برای HPC

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب مقدمه‌ای بر یادگیری عمیق (Deep Learning) برای HPC

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی ریاضی و پیش‌نیازها
  • 2. جبر خطی برای یادگیری عمیق
  • 3. محاسبات ماتریسی و برداری
  • 4. ضرب ماتریس و کاربردهای آن
  • 5. مقادیر ویژه و بردارهای ویژه
  • 6. آمار و احتمال برای یادگیری عمیق
  • 7. توزیع‌های احتمالاتی و آماری
  • 8. قضیه بیز و کاربردهای آن
  • 9. تابع‌های چگالی احتمال و توابع توزیع تجمعی
  • 10. حسابان برای یادگیری عمیق
  • 11. مشتق و گرادیان
  • 12. قاعده زنجیره‌ای و مشتق‌گیری در شبکه‌های عصبی
  • 13. بهینه‌سازی و روش‌های بهینه‌سازی
  • 14. مفاهیم اولیه یادگیری عمیق
  • 15. معرفی یادگیری عمیق و تاریخچه آن
  • 16. شبکه‌های عصبی مصنوعی (ANNs)
  • 17. توابع فعال‌سازی (Activation Functions)
  • 18. معرفی TensorFlow و PyTorch
  • 19. نصب و راه‌اندازی TensorFlow و PyTorch
  • 20. مقدمه‌ای بر GPU و CUDA
  • 21. آشنایی با سخت‌افزار HPC و GPU
  • 22. مبانی HPC
  • 23. معماری‌های پردازش موازی
  • 24. مفاهیم کلیدی در HPC: MPI, OpenMP
  • 25. بهینه‌سازی کد برای HPC
  • 26. نصب و پیکربندی محیط HPC
  • 27. مقدمه‌ای بر شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 28. لایه ورودی، پنهان و خروجی
  • 29. انتشار رو به جلو (Forward Propagation)
  • 30. انتشار رو به عقب (Backward Propagation)
  • 31. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
  • 32. انواع مختلف گرادیان کاهشی (SGD, Adam, …)
  • 33. شبکه‌های عصبی عمیق
  • 34. مشکل گرادیان‌های ناپدیدشونده و منفجره
  • 35. راه‌حل‌ها: ReLU, Batch Normalization
  • 36. نرمال‌سازی وزن‌ها و Dropout
  • 37. انتخاب معماری مناسب
  • 38. شبکه‌های عصبی کانولوشنی (CNNs)
  • 39. عملکرد کانولوشن
  • 40. لایه Pooling
  • 41. معماری‌های CNN (LeNet, AlexNet, VGG, …)
  • 42. کاربرد CNN در پردازش تصویر
  • 43. شبکه‌های عصبی بازگشتی (RNNs)
  • 44. مفهوم حافظه در RNN
  • 45. انواع RNN (LSTM, GRU)
  • 46. کاربرد RNN در پردازش زبان طبیعی
  • 47. توابع زیان (Loss Functions)
  • 48. معیارهای ارزیابی (Metrics)
  • 49. اعتبارسنجی و تست مدل
  • 50. Overfitting و Underfitting
  • 51. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 52. مدل‌سازی و آموزش در TensorFlow و PyTorch
  • 53. پیاده‌سازی یک شبکه عصبی ساده
  • 54. بارگذاری و پیش‌پردازش داده‌ها
  • 55. آموزش، اعتبارسنجی و تست مدل
  • 56. استفاده از مدل‌های پیش‌آموزش‌داده‌شده (Transfer Learning)
  • 57. بهره‌گیری از GPU در TensorFlow و PyTorch
  • 58. پردازش موازی داده‌ها
  • 59. بهینه‌سازی محاسبات GPU
  • 60. مقایسه TensorFlow و PyTorch در HPC
  • 61. مفاهیم پیشرفته در یادگیری عمیق
  • 62. پردازش زبان طبیعی (NLP) و کاربردهای آن
  • 63. Embeddingها
  • 64. مدل‌های Transformer
  • 65. شبکه‌های تولیدی (Generative Models)
  • 66. GANها و انواع آن‌ها
  • 67. Autoencoders
  • 68. یادگیری تقویتی (Reinforcement Learning)
  • 69. مقدمه‌ای بر RL
  • 70. الگوریتم‌های RL
  • 71. یادگیری عمیق در HPC
  • 72. مقیاس‌پذیری و توزیع‌شده کردن آموزش
  • 73. آموزش مدل‌های بزرگ (Large Model Training)
  • 74. استفاده از کتابخانه‌های MPI در TensorFlow و PyTorch
  • 75. کتابخانه‌های HPC برای یادگیری عمیق (Horovod, …)
  • 76. مدیریت حافظه در HPC
  • 77. بهینه‌سازی IO و بارگذاری داده‌ها
  • 78. استفاده از سخت‌افزارهای تخصصی (TPUs, …)
  • 79. ابزارهای مانیتورینگ و پروفایلینگ
  • 80. اشکال‌زدایی در محیط HPC
  • 81. بهینه‌سازی کد برای عملکرد HPC
  • 82. استفاده از کانتینرها (Docker, Singularity)
  • 83. آماده‌سازی داده‌ها برای HPC
  • 84. راه‌حل‌های ذخیره‌سازی برای داده‌های بزرگ
  • 85. آشنایی با فریم‌ورک‌های HPC-aware
  • 86. چارچوب‌های یادگیری عمیق توزیع‌شده
  • 87. انتخاب زیرساخت مناسب
  • 88. ارزیابی عملکرد مدل
  • 89. چالش‌های یادگیری عمیق در HPC
  • 90. مسائل مربوط به حافظه و پهنای باند
  • 91. همگام‌سازی و ارتباطات بین پردازنده‌ها
  • 92. مدیریت خطا و تحمل خطا
  • 93. امنیت در یادگیری عمیق
  • 94. آینده یادگیری عمیق در HPC
  • 95. روندها و نوآوری‌ها
  • 96. کاربردهای جدید
  • 97. تحقیقات آتی
  • 98. منابع آموزشی تکمیلی
  • 99. کتابخانه‌ها و ابزارهای مفید
  • 100. مقاله‌های تحقیقاتی کلیدی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کتاب مقدمه‌ای بر یادگیری عمیق (Deep Learning) برای HPC”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا