کتاب ساخت و آموزش شبکه‌های عصبی مصنوعی (ANN)
, ,

کتاب ساخت و آموزش شبکه‌های عصبی مصنوعی (ANN)

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000009681 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 ساخت و آموزش شبکه‌های عصبی مصنوعی (ANN)

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. موضوع کلی: برنامه نویسی
  • 2. موضوع میانی: یادگیری عمیق (Deep Learning)
  • 3. عنوان دوره: ساخت و آموزش شبکه‌های عصبی مصنوعی (ANN)
  • 4. مقدمه‌ای بر هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
  • 5. یادگیری عمیق چیست؟
  • 6. چرا اکنون زمان یادگیری عمیق است؟ (سخت‌افزار، داده، الگوریتم‌ها)
  • 7. مبانی ریاضی: جبر خطی (بردارها، ماتریس‌ها)
  • 8. مبانی ریاضی: حساب دیفرانسیل و انتگرال (مشتقات، گرادیان‌ها)
  • 9. مبانی ریاضی: احتمال و آمار (توزیع‌ها، قضیه بیز)
  • 10. مقدمه‌ای بر پایتون برای یادگیری ماشین
  • 11. کتابخانه‌های ضروری پایتون: NumPy
  • 12. کتابخانه‌های ضروری پایتون: Pandas
  • 13. کتابخانه‌های ضروری پایتون: Matplotlib و Seaborn
  • 14. آماده‌سازی داده: بارگذاری و پاکسازی داده‌ها
  • 15. آماده‌سازی داده: مقیاس‌گذاری ویژگی‌ها (استانداردسازی، نرمال‌سازی)
  • 16. آماده‌سازی داده: کدگذاری One-Hot و کدگذاری برچسبی
  • 17. تقسیم داده‌ها: مجموعه آموزش، اعتبارسنجی و آزمون
  • 18. مقدمه‌ای بر یادگیری ماشین: نظارت‌شده در برابر نظارت‌نشده
  • 19. رگرسیون در مقابل طبقه‌بندی
  • 20. معیارهای ارزیابی مدل: رگرسیون (MSE, MAE, R-squared)
  • 21. معیارهای ارزیابی مدل: طبقه‌بندی (دقت، صحت، بازیابی، F1-Score)
  • 22. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 23. توازن بایاس-واریانس (Bias-Variance Tradeoff)
  • 24. مقدمه‌ای بر رگرسیون لجستیک (به عنوان یک واحد عصبی ساده)
  • 25. نورون بیولوژیکی در مقابل نورون مصنوعی (پرceptron)
  • 26. توابع فعال‌سازی: سیگموید (Sigmoid)
  • 27. توابع فعال‌سازی: تانژانت هیپربولیک (Tanh)
  • 28. توابع فعال‌سازی: ReLU و انواع آن (Leaky ReLU, ELU, SELU)
  • 29. پرسپترون تک لایه: معماری
  • 30. پرسپترون تک لایه: محدودیت‌ها
  • 31. معماری پرسپترون چند لایه (MLP)
  • 32. لایه ورودی، لایه‌های پنهان، لایه خروجی
  • 33. وزن‌ها و بایاس‌ها
  • 34. انتشار رو به جلو (Forward Propagation): جریان محاسبات
  • 35. توابع زیان (Loss Functions): خطای میانگین مربعات (برای رگرسیون)
  • 36. توابع زیان: آنتروپی متقاطع باینری (برای طبقه‌بندی باینری)
  • 37. توابع زیان: آنتروپی متقاطع دسته‌ای (برای طبقه‌بندی چندکلاسه)
  • 38. مفهوم گرادیان کاهشی (Gradient Descent)
  • 39. بصری‌سازی گرادیان کاهشی
  • 40. نرخ یادگیری (Learning Rate): اهمیت و تأثیر آن
  • 41. گرادیان کاهشی تصادفی (Stochastic Gradient Descent – SGD)
  • 42. گرادیان کاهشی مینی-بچ (Mini-Batch Gradient Descent)
  • 43. الگوریتم پس‌انتشار (Backpropagation): شهود
  • 44. الگوریتم پس‌انتشار: قانون زنجیره‌ای (Chain Rule)
  • 45. الگوریتم پس‌انتشار: مراحل دقیق (برای یک شبکه ساده)
  • 46. پیاده‌سازی عملی پس‌انتشار (مفهومی)
  • 47. گرادیان‌های محوشونده و منفجرشونده (Vanishing and Exploding Gradients)
  • 48. استراتژی‌های مقداردهی اولیه وزن‌ها: تصادفی، زاویر، هی
  • 49. تکنیک‌های تنظیم‌گرایی (Regularization): تنظیم‌گرایی L1 و L2 (کاهش وزن)
  • 50. تکنیک‌های تنظیم‌گرایی: Dropout
  • 51. نرمال‌سازی بچ (Batch Normalization): مفهوم و مزایا
  • 52. بهینه‌سازها (Optimizers): Momentum
  • 53. بهینه‌سازها: Adam
  • 54. بهینه‌سازها: RMSprop, AdaGrad
  • 55. زمان‌بندی‌کننده‌های نرخ یادگیری (Learning Rate Schedulers): کاهش گام، کاهش نمایی، کسینوس آنیلینگ
  • 56. توقف زودهنگام (Early Stopping)
  • 57. تنظیم ابرپارامترها (Hyperparameter Tuning): جستجوی شبکه‌ای (Grid Search)
  • 58. تنظیم ابرپارامترها: جستجوی تصادفی (Random Search)
  • 59. تنظیم ابرپارامترها: بهینه‌سازی بیزی (مقدمه)
  • 60. مقدمه‌ای بر TensorFlow و Keras
  • 61. راه‌اندازی محیط یادگیری عمیق (GPU در مقابل CPU)
  • 62. ساخت یک مدل ساده در Keras: Sequential API
  • 63. کامپایل یک مدل Keras: بهینه‌ساز، تابع زیان، معیارها
  • 64. آموزش یک مدل Keras: متد `model.fit()`
  • 65. ارزیابی یک مدل Keras: متد `model.evaluate()`
  • 66. انجام پیش‌بینی‌ها: متد `model.predict()`
  • 67. ذخیره و بارگذاری مدل‌ها
  • 68. ساخت یک مدل Keras: Functional API (برای ساختارهای پیچیده‌تر)
  • 69. لایه‌های سفارشی در Keras (مقدمه)
  • 70. توابع زیان سفارشی در Keras (مقدمه)
  • 71. معیارهای سفارشی در Keras (مقدمه)
  • 72. Callbacks در Keras (TensorBoard, Model Checkpointing)
  • 73. مقدمه‌ای بر شبکه‌های عصبی پیچشی (Convolutional Neural Networks – CNNs)
  • 74. لایه پیچشی (Convolutional Layer): فیلترها، گام، پدینگ
  • 75. لایه‌های پولینگ (Pooling Layers): Max Pooling, Average Pooling
  • 76. معماری‌های CNN: LeNet-5
  • 77. معماری‌های CNN: AlexNet (مرور کوتاه)
  • 78. معماری‌های CNN: VGGNet (مرور کوتاه)
  • 79. افزایش داده (Data Augmentation) برای تصاویر
  • 80. یادگیری انتقالی (Transfer Learning) برای طبقه‌بندی تصاویر
  • 81. تنظیم دقیق (Fine-tuning) مدل‌های از پیش‌آموزش‌دیده
  • 82. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (Recurrent Neural Networks – RNNs)
  • 83. گرادیان‌های محوشونده در RNNها
  • 84. شبکه‌های حافظه بلند-کوتاه‌مدت (Long Short-Term Memory – LSTM)
  • 85. واحدهای بازگشتی دروازه‌دار (Gated Recurrent Units – GRUs)
  • 86. RNNهای دوجهته (Bidirectional RNNs)
  • 87. مدل‌های توالی به توالی (Sequence-to-Sequence Models) (مقدمه)
  • 88. لایه‌های Embedding برای داده‌های متنی
  • 89. مقدمه‌ای بر Autoencoders
  • 90. Autoencoders واریانس‌دار (VAEs) – اشاره کوتاه
  • 91. شبکه‌های مولد تخاصمی (Generative Adversarial Networks – GANs) – اشاره کوتاه
  • 92. توضیح‌پذیری مدل‌های یادگیری عمیق: SHAP, LIME (مقدمه)
  • 93. حملات خصمانه و دفاع‌ها (مقدمه)
  • 94. اخلاق در هوش مصنوعی و یادگیری عمیق
  • 95. استقرار مدل‌های یادگیری عمیق (به عنوان مثال، TensorFlow Serving, ONNX)
  • 96. هوش مصنوعی لبه (Edge AI) و TinyML (مقدمه)
  • 97. یادگیری فدرال (Federated Learning) (مقدمه)
  • 98. یادگیری تقویتی (Reinforcement Learning) (اشاره کوتاه به ارتباط با ANN)
  • 99. GPU و TPU برای یادگیری عمیق
  • 100. آموزش توزیع‌شده (Distributed Training)

📚 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 ساخت و آموزش شبکه‌های عصبی مصنوعی (ANN)”

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

محصولات مشابه

پیمایش به بالا