کتاب یادگیری عمیق با TensorFlow: راهنمای جامع و پیشرفته
, ,

کتاب یادگیری عمیق با TensorFlow: راهنمای جامع و پیشرفته

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000009339 دسته: , ,

📚 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 یادگیری عمیق با TensorFlow: راهنمای جامع و پیشرفته

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. آشنایی با شبکه‌های عصبی مصنوعی
  • 3. تفاوت یادگیری ماشین و یادگیری عمیق
  • 4. چرا یادگیری عمیق؟ کاربردها و مزایا
  • 5. تاریخچه مختصر یادگیری عمیق
  • 6. محیط توسعه: نصب TensorFlow و ابزارهای مورد نیاز
  • 7. نصب Python و وابستگی‌ها
  • 8. نصب TensorFlow (CPU و GPU)
  • 9. آشنایی با Keras API
  • 10. مقدمه‌ای بر مفاهیم پایه شبکه‌های عصبی
  • 11. نورون مصنوعی و تابع فعال‌سازی
  • 12. لایه (Layer) در شبکه‌های عصبی
  • 13. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 14. تابع هزینه (Loss Function)
  • 15. بهینه‌ساز (Optimizer)
  • 16. گرادیان نزولی (Gradient Descent)
  • 17. پس‌انتشار خطا (Backpropagation)
  • 18. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 19. ساخت اولین مدل MLP با Keras
  • 20. آموزش مدل MLP بر روی داده‌های نمونه
  • 21. ارزیابی مدل MLP
  • 22. پیش‌پردازش داده‌ها برای مدل‌های یادگیری عمیق
  • 23. نرمال‌سازی (Normalization) و مقیاس‌گذاری (Scaling) داده‌ها
  • 24. تکمیل داده‌های از دست رفته (Imputation)
  • 25. رمزگذاری داده‌های طبقه‌ای (Categorical Encoding)
  • 26. استفاده از TensorFlow Datasets
  • 27. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 28. کاربرد CNN در پردازش تصویر
  • 29. لایه کانولوشن (Convolutional Layer)
  • 30. فیلترها (Filters) و کرنل‌ها (Kernels)
  • 31. عملکرد استراید (Stride) و پدینگ (Padding)
  • 32. لایه پولینگ (Pooling Layer)
  • 33. شبکه عصبی VGG16
  • 34. شبکه عصبی ResNet
  • 35. آموزش مدل CNN برای طبقه‌بندی تصویر
  • 36. کاربرد CNN در تشخیص اشیاء
  • 37. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 38. کاربرد RNN در پردازش زبان طبیعی
  • 39. سلول RNN ساده
  • 40. مشکل محوشدگی گرادیان (Vanishing Gradient Problem)
  • 41. سلول حافظه بلند کوتاه مدت (LSTM)
  • 42. سلول واحد بازگشتی (GRU)
  • 43. آموزش مدل RNN برای پیش‌بینی سری زمانی
  • 44. آموزش مدل RNN برای تولید متن
  • 45. ترنسفورمرها (Transformers)
  • 46. معماری ترنسفورمر
  • 47. مکانیسم توجه (Attention Mechanism)
  • 48. ترنسفورمرهای مبتنی بر رمزگذار-رمزگشا
  • 49. کاربرد ترنسفورمر در ترجمه ماشینی
  • 50. مدل‌های زبان بزرگ (LLMs)
  • 51. BERT و GPT
  • 52. Fine-tuning مدل‌های از پیش آموزش دیده
  • 53. مفاهیم پیشرفته در شبکه‌های عصبی
  • 54. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 55. جستجوی شبکه‌ای (Grid Search)
  • 56. جستجوی تصادفی (Random Search)
  • 57. بهینه‌سازی بیزی (Bayesian Optimization)
  • 58. روش‌های تنظیم‌کننده (Regularization Techniques)
  • 59. Dropout
  • 60. Batch Normalization
  • 61. Early Stopping
  • 62. افزایش داده (Data Augmentation)
  • 63. تکنیک‌های افزایش داده برای تصاویر
  • 64. تکنیک‌های افزایش داده برای متن
  • 65. شبکه‌های عصبی مولد (GANs)
  • 66. معماری GAN
  • 67. مولد (Generator) و تمایز دهنده (Discriminator)
  • 68. آموزش GAN
  • 69. کاربرد GAN در تولید تصویر
  • 70. شبکه‌های عصبی گراف (GNNs)
  • 71. مقدمه‌ای بر داده‌های گراف
  • 72. لایه GNN
  • 73. کاربرد GNN در پیش‌بینی خواص مولکولی
  • 74. یادگیری انتقالی (Transfer Learning)
  • 75. استفاده از مدل‌های از پیش آموزش دیده
  • 76. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 77. استخراج ویژگی (Feature Extraction)
  • 78. یادگیری تقویتی (Reinforcement Learning)
  • 79. مفاهیم پایه یادگیری تقویتی
  • 80. عامل (Agent)، محیط (Environment)، پاداش (Reward)
  • 81. سیاست (Policy) و تابع ارزش (Value Function)
  • 82. یادگیری Q (Q-Learning)
  • 83. شبکه‌های عصبی در یادگیری تقویتی
  • 84. آموزش یک عامل یادگیری تقویتی با TensorFlow
  • 85. مدل‌های سری زمانی با TensorFlow
  • 86. مدل‌های LSTM برای پیش‌بینی
  • 87. مدل‌های GRU برای پیش‌بینی
  • 88. شبکه‌های عصبی کانولوشنال برای سری زمانی
  • 89. کاربرد شبکه‌های عصبی در پردازش سیگنال
  • 90. کاربرد شبکه‌های عصبی در بینایی ماشین
  • 91. تشخیص چهره
  • 92. تشخیص اشیاء
  • 93. بخش‌بندی تصویر (Image Segmentation)
  • 94. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 95. تحلیل احساسات (Sentiment Analysis)
  • 96. مدل‌های طبقه‌بندی متن
  • 97. استخراج موجودیت نام‌گذاری شده (Named Entity Recognition)
  • 98. ترجمه ماشینی
  • 99. خلاصه‌سازی متن
  • 100. تولید متن

📚 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 یادگیری عمیق با TensorFlow: راهنمای جامع و پیشرفته”

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

محصولات مشابه

پیمایش به بالا