کتاب آموزش PyTorch برای مدل‌سازی یادگیری عمیق
, ,

کتاب آموزش PyTorch برای مدل‌سازی یادگیری عمیق

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000005663 دسته: , , برچسب: , , , , , , , , , , , , , ,

📚 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 آموزش PyTorch برای مدل‌سازی یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: پایتون (Python)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری عمیق و PyTorch
  • 2. نصب و راه‌اندازی PyTorch
  • 3. مبانی تنسورها در PyTorch
  • 4. عملیات اساسی تنسورها
  • 5. ایندکس‌گذاری و برش تنسورها
  • 6. تبدیلات تنسورها
  • 7. انتقال تنسورها بین CPU و GPU
  • 8. مقدمه‌ای بر محاسبات گرادیان (Autograd)
  • 9. کلاس `autograd.Variable`
  • 10. محاسبه گرادیان‌ها
  • 11. مشتقات مرتبه بالاتر
  • 12. اتصال گراف محاسباتی
  • 13. قوانین زنجیره‌ای در Autograd
  • 14. نحوه کار بک‌پروپگیشن
  • 15. مقدمه‌ای بر مدل‌های یادگیری عمیق
  • 16. تابع فعال‌سازی (Activation Functions)
  • 17. رگرسیون خطی با PyTorch
  • 18. رگرسیون لجستیک با PyTorch
  • 19. تابع هزینه (Loss Functions)
  • 20. بهینه‌سازها (Optimizers)
  • 21. یادگیری مبتنی بر گرادیان نزولی (Gradient Descent)
  • 22. آموزش یک مدل ساده (مثال گیت منطقی XOR)
  • 23. مقدمه‌ای بر شبکه‌های عصبی پرسپترون چند لایه (MLP)
  • 24. پیاده‌سازی MLP با PyTorch
  • 25. مدول `torch.nn`
  • 26. کلاس `nn.Module`
  • 27. لایه‌های خطی (`nn.Linear`)
  • 28. پیاده‌سازی MLP با استفاده از `nn.Module`
  • 29. تعریف تابع هزینه در `nn.Module`
  • 30. تعریف بهینه‌ساز در `nn.Module`
  • 31. چرخه آموزش (Training Loop)
  • 32. آموزش و ارزیابی مدل
  • 33. تنظیم هایپرپارامترها (Hyperparameters)
  • 34. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 35. کاربرد CNN در بینایی ماشین
  • 36. لایه کانولوشن (`nn.Conv2d`)
  • 37. لایه Pooling (`nn.MaxPool2d`)
  • 38. پیاده‌سازی یک CNN ساده
  • 39. داده‌های تصویری و پیش‌پردازش آن‌ها
  • 40. بارگذاری و مدیریت داده‌ها با `torch.utils.data`
  • 41. کلاس `Dataset`
  • 42. کلاس `DataLoader`
  • 43. مجموعه داده MNIST
  • 44. آموزش CNN بر روی MNIST
  • 45. مفهوم Overfitting و Regularization
  • 46. تکنیک Dropout
  • 47. تکنیک Batch Normalization
  • 48. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 49. کاربرد RNN در پردازش زبان طبیعی
  • 50. لایه RNN ساده (`nn.RNN`)
  • 51. لایه LSTM (`nn.LSTM`)
  • 52. لایه GRU (`nn.GRU`)
  • 53. پیاده‌سازی RNN برای پیش‌بینی سری زمانی
  • 54. پردازش متن با RNN
  • 55. بردارهای کلمه (Word Embeddings)
  • 56. لایه Embedding (`nn.Embedding`)
  • 57. کاربرد Word Embeddings
  • 58. آموزش یک مدل NLP ساده
  • 59. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال پیشرفته
  • 60. معماری‌های معروف CNN (مانند LeNet, AlexNet, VGG)
  • 61. انتقال یادگیری (Transfer Learning)
  • 62. استفاده از مدل‌های از پیش آموزش دیده
  • 63. تنظیم مدل‌های از پیش آموزش دیده
  • 64. Fine-tuning مدل‌ها
  • 65. پیاده‌سازی شبکه‌های عصبی پیچیده‌تر
  • 66. شبکه‌های عصبی کانولوشنال سه‌بعدی (3D CNN)
  • 67. شبکه‌های عصبی در پایتورچ برای پردازش گراف
  • 68. مقدمه‌ای بر پردازش زبان طبیعی پیشرفته
  • 69. معماری‌های مبتنی بر Attention
  • 70. مکانیزم Attention
  • 71. مدل Transformer
  • 72. مقدمه‌ای بر ترنسفورمر
  • 73. پیاده‌سازی ترنسفورمر ساده
  • 74. کاربرد ترنسفورمر در ترجمه ماشینی
  • 75. مدل‌های زبان بزرگ (LLMs)
  • 76. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GANs)
  • 77. اجزای GAN (مولد و متمایز کننده)
  • 78. پیاده‌سازی GAN ساده
  • 79. آموزش GAN
  • 80. کاربرد GAN در تولید تصویر
  • 81. مقدمه‌ای بر اتو انکودرها (Autoencoders)
  • 82. اجزای اتو انکودر (انکودر و دیکودر)
  • 83. پیاده‌سازی اتو انکودر
  • 84. کاربرد اتو انکودر در کاهش ابعاد
  • 85. کاربرد اتو انکودر در کاهش نویز
  • 86. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 87. مفاهیم کلیدی یادگیری تقویتی
  • 88. سیاست‌ها (Policies) و ارزش (Value Functions)
  • 89. مقدمه‌ای بر Deep Reinforcement Learning
  • 90. پیاده‌سازی یک عامل یادگیری تقویتی ساده
  • 91. شبکه‌های DQN
  • 92. مقدمه‌ای بر PyTorch Lightning
  • 93. مزایای PyTorch Lightning
  • 94. پیاده‌سازی مدل با PyTorch Lightning
  • 95. مدیریت داده با PyTorch Lightning
  • 96. مدیریت آموزش با PyTorch Lightning
  • 97. کدنویسی تمیزتر و قابل نگهداری‌تر
  • 98. پیاده‌سازی چندین مدل با PyTorch Lightning
  • 99. استفاده از قابلیت‌های پیشرفته PyTorch Lightning
  • 100. مقدمه‌ای بر TensorBoard

📚 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 آموزش PyTorch برای مدل‌سازی یادگیری عمیق”

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

محصولات مشابه

پیمایش به بالا