کتاب Tiny-TSM: آموزش مدل پایه‌ای پیشرفته سری‌های زمانی با یک GPU در کمتر از یک هفته
, ,

کتاب Tiny-TSM: آموزش مدل پایه‌ای پیشرفته سری‌های زمانی با یک GPU در کمتر از یک هفته

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000008496 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 Tiny-TSM: آموزش مدل پایه‌ای پیشرفته سری‌های زمانی با یک GPU در کمتر از یک هفته

موضوع کلی: مدل‌های پایه‌ای (Foundation Models) برای سری‌های زمانی

موضوع میانی: آموزش کارآمد مدل‌های پایه‌ای سبک‌وزن برای پیش‌بینی سری‌های زمانی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی سری‌های زمانی
  • 2. تعریف سری زمانی
  • 3. انواع سری‌های زمانی
  • 4. ویژگی‌های سری‌های زمانی
  • 5. داده‌های سری زمانی چیستند
  • 6. کاربردهای سری‌های زمانی
  • 7. چالش‌های سری‌های زمانی
  • 8. مفاهیم پیش‌بینی سری زمانی
  • 9. مدل‌های کلاسیک سری زمانی
  • 10. ARIMA و انواع آن
  • 11. Smoothing و انواع آن
  • 12. نکات کلیدی در تحلیل سری زمانی
  • 13. مقدمه‌ای بر یادگیری عمیق
  • 14. شبکه‌های عصبی مصنوعی
  • 15. شبکه‌های کانولوشنال (CNN)
  • 16. شبکه‌های بازگشتی (RNN)
  • 17. شبکه‌های حافظه کوتاه‌مدت بلند (LSTM)
  • 18. شبکه‌های واحد بازگشتی (GRU)
  • 19. کاربرد یادگیری عمیق در سری‌های زمانی
  • 20. چرا مدل‌های پایه‌ای؟
  • 21. تعریف مدل پایه‌ای (Foundation Model)
  • 22. مزایای مدل‌های پایه‌ای
  • 23. چالش‌های مدل‌های پایه‌ای
  • 24. مقدمه‌ای بر مدل‌های پایه‌ای سری زمانی (TSFM)
  • 25. نیاز به مدل‌های پایه‌ای برای سری‌های زمانی
  • 26. انتقال یادگیری (Transfer Learning) در سری‌های زمانی
  • 27. تنظیم دقیق (Fine-tuning) TSFM
  • 28. دوره آموزشی Tiny-TSM
  • 29. اهداف دوره Tiny-TSM
  • 30. پیش‌نیازهای دوره Tiny-TSM
  • 31. معرفی مقاله Tiny-TSM
  • 32. اهمیت Tiny-TSM
  • 33. مبانی معماری Tiny-TSM
  • 34. لایه‌های اصلی Tiny-TSM
  • 35. استفاده از کانولوشن در TSFM
  • 36. مدل‌های مبتنی بر ترنسفورمر برای سری‌های زمانی
  • 37. Transformer Encoder
  • 38. Transformer Decoder
  • 39. مکانیسم توجه (Attention Mechanism)
  • 40. انواع Attention
  • 41. Self-Attention
  • 42. Cross-Attention
  • 43. ملاحظات در معماری Tiny-TSM
  • 44. سبک‌سازی مدل (Model Lightweighting)
  • 45. تکنیک‌های کاهش اندازه مدل
  • 46. کوانتیزاسیون (Quantization)
  • 47. هرس (Pruning)
  • 48. تقطیر دانش (Knowledge Distillation)
  • 49. معماری مدل پایه‌ای سبک‌وزن
  • 50. طراحی معماری Tiny-TSM
  • 51. توابع فعال‌سازی (Activation Functions)
  • 52. استفاده بهینه از لایه‌ها
  • 53. آموزش مدل پایه‌ای
  • 54. تابع زیان (Loss Function) برای سری‌های زمانی
  • 55. بهینه‌سازها (Optimizers)
  • 56. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 57. آموزش خودنظارتی (Self-Supervised Learning)
  • 58. رویکردهای SSL برای سری‌های زمانی
  • 59. مثال‌هایی از SSL در TSFM
  • 60. پیش‌بینی آینده (Forecasting) به عنوان وظیفه SSL
  • 61. سیاه کردن (Masking) و پیش‌بینی
  • 62. بهینه‌سازی فرایند آموزش
  • 63. استفاده از GPU برای آموزش کارآمد
  • 64. نکات فنی استفاده از GPU
  • 65. مدیریت حافظه GPU
  • 66. آموزش توزیع‌شده (Distributed Training)
  • 67. نکاتی برای آموزش با یک GPU
  • 68. افزایش سرعت آموزش
  • 69. کاهش زمان آموزش
  • 70. تنظیم پارامترهای آموزش (Hyperparameter Tuning)
  • 71. انتخاب بهترین هایپرپارامترها
  • 72. جستجوی شبکه‌ای (Grid Search)
  • 73. جستجوی تصادفی (Random Search)
  • 74. تنظیم پارامترهای کلیدی Tiny-TSM
  • 75. تنظیم اندازه دسته (Batch Size)
  • 76. تنظیم نرخ یادگیری
  • 77. تعداد دوره‌های آموزش (Epochs)
  • 78. مجموعه داده‌ها برای آموزش Tiny-TSM
  • 79. انواع مجموعه داده‌های سری زمانی
  • 80. آماده‌سازی داده‌ها
  • 81. پیش‌پردازش (Preprocessing) داده‌ها
  • 82. نرمال‌سازی (Normalization)
  • 83. مقیاس‌بندی (Scaling)
  • 84. پنجره‌های لغزان (Sliding Windows)
  • 85. معیارهای ارزیابی مدل‌های سری زمانی
  • 86. خطای میانگین مطلق (MAE)
  • 87. خطای میانگین مربعات (MSE)
  • 88. ریشه خطای میانگین مربعات (RMSE)
  • 89. نکات تکمیلی برای ارزیابی
  • 90. ارزیابی در مقابل مدل‌های SOTA
  • 91. پیاده‌سازی Tiny-TSM
  • 92. ابزارهای مورد نیاز
  • 93. PyTorch و TensorFlow
  • 94. کتابخانه‌های مرتبط
  • 95. کدنویسی بخش‌های اصلی Tiny-TSM
  • 96. آموزش مدل با کد
  • 97. استفاده از کد مقاله Tiny-TSM
  • 98. تنظیم و اجرای کد
  • 99. عیب‌یابی (Debugging) در آموزش
  • 100. تنظیم دقیق (Fine-tuning) Tiny-TSM

📚 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 Tiny-TSM: آموزش مدل پایه‌ای پیشرفته سری‌های زمانی با یک GPU در کمتر از یک هفته”

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

محصولات مشابه

پیمایش به بالا