کتاب درک شهودی یادگیری ماشین: از مفاهیم تا ساخت مدل‌های هوشمند
, ,

کتاب درک شهودی یادگیری ماشین: از مفاهیم تا ساخت مدل‌های هوشمند

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000020315 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 درک شهودی یادگیری ماشین: از مفاهیم تا ساخت مدل‌های هوشمند

موضوع کلی: یادگیری ماشین

موضوع میانی: مبانی و کاربردهای عملی یادگیری ماشین

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری ماشین: چیستی، چرایی، و کاربردها
  • 2. انواع یادگیری ماشین: نظارت شده، غیرنظارت شده، تقویتی
  • 3. مفهوم ویژگی (Feature) و اهمیت آن در یادگیری ماشین
  • 4. پیش‌پردازش داده: تمیز کردن، تبدیل، و نرمال‌سازی
  • 5. مفهوم فاصله و شباهت در داده‌ها
  • 6. الگوریتم K-نزدیک‌ترین همسایه (KNN) برای طبقه‌بندی
  • 7. الگوریتم K-نزدیک‌ترین همسایه (KNN) برای رگرسیون
  • 8. انتخاب مقدار K مناسب در KNN: روش‌های ارزیابی
  • 9. مفهوم overfitting و underfitting
  • 10. معیارهای ارزیابی عملکرد مدل‌های طبقه‌بندی: دقت، بازخوانی، F1-score
  • 11. معیارهای ارزیابی عملکرد مدل‌های رگرسیون: MSE، RMSE، R-squared
  • 12. رگرسیون خطی ساده: مفهوم و پیاده‌سازی
  • 13. رگرسیون خطی چندگانه: مفهوم و پیاده‌سازی
  • 14. گرادیان کاهشی (Gradient Descent): روشی برای بهینه‌سازی
  • 15. بهینه‌سازی گرادیان کاهشی: نرخ یادگیری و تنظیم آن
  • 16. رگرسیون چندجمله‌ای: مدل‌سازی روابط غیرخطی
  • 17. رگرسیون Ridge: جلوگیری از overfitting با تنظیم‌کننده L2
  • 18. رگرسیون Lasso: جلوگیری از overfitting با تنظیم‌کننده L1
  • 19. رگرسیون Elastic Net: ترکیبی از Ridge و Lasso
  • 20. مفهوم درخت تصمیم (Decision Tree)
  • 21. ساخت درخت تصمیم: الگوریتم‌های ID3 و C4.5
  • 22. معیارهای تقسیم گره‌ها در درخت تصمیم: آنتروپی و بهره اطلاعات
  • 23. جلوگیری از overfitting در درخت تصمیم: هرس کردن (Pruning)
  • 24. درخت تصمیم برای رگرسیون
  • 25. جنگل تصادفی (Random Forest): مجموعه‌ای از درختان تصمیم
  • 26. بهبود عملکرد جنگل تصادفی: تنظیم پارامترها
  • 27. ماشین بردار پشتیبان (SVM): مفهوم و ایده‌ی اصلی
  • 28. SVM با هسته خطی (Linear Kernel)
  • 29. SVM با هسته RBF (Radial Basis Function Kernel)
  • 30. SVM با هسته چندجمله‌ای (Polynomial Kernel)
  • 31. انتخاب هسته مناسب برای SVM
  • 32. بهینه‌سازی پارامترهای SVM: C و Gamma
  • 33. دسته‌بندی‌کننده‌های خطی: رگرسیون لجستیک (Logistic Regression)
  • 34. تابع سیگموئید و تفسیر آن
  • 35. بهینه‌سازی رگرسیون لجستیک با گرادیان کاهشی
  • 36. معیارهای ارزیابی رگرسیون لجستیک
  • 37. مقایسه رگرسیون لجستیک با SVM خطی
  • 38. شبکه‌های عصبی: معرفی نورون و پرسپترون
  • 39. تابع فعال‌سازی (Activation Function): Sigmoid, ReLU, Tanh
  • 40. ساخت یک شبکه عصبی ساده با یک لایه مخفی
  • 41. انتشار رو به جلو (Forward Propagation)
  • 42. انتشار رو به عقب (Backpropagation) و محاسبه گرادیان
  • 43. بهینه‌سازی وزن‌ها و بایاس‌ها در شبکه عصبی
  • 44. نرخ یادگیری در شبکه‌های عصبی: اهمیت و تنظیم آن
  • 45. جلوگیری از overfitting در شبکه‌های عصبی: Dropout و Regularization
  • 46. لایه‌های کانولوشن (Convolutional Layers) در شبکه‌های عصبی
  • 47. لایه‌های تجمیع (Pooling Layers) در شبکه‌های عصبی
  • 48. ساخت یک شبکه عصبی کانولوشنال (CNN) برای تشخیص تصویر
  • 49. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks – RNNs)
  • 50. مشکل محو شدن گرادیان (Vanishing Gradient) در RNNs
  • 51. شبکه‌های حافظه بلندمدت (Long Short-Term Memory – LSTM)
  • 52. شبکه‌های دروازه بازگشتی (Gated Recurrent Unit – GRU)
  • 53. کاربردهای RNNs, LSTMs, و GRUs در پردازش زبان طبیعی
  • 54. خوشه‌بندی K-Means: مفهوم و الگوریتم
  • 55. انتخاب مقدار K مناسب در K-Means: روش Elbow و Silhouette
  • 56. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 57. خوشه‌بندی DBSCAN: خوشه‌بندی بر اساس چگالی
  • 58. مقایسه الگوریتم‌های خوشه‌بندی: K-Means، Hierarchical، DBSCAN
  • 59. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 60. کاربردهای PCA در کاهش نویز و تجسم داده
  • 61. کاهش ابعاد: T-distributed Stochastic Neighbor Embedding (t-SNE)
  • 62. کاربردهای t-SNE در تجسم داده‌های با ابعاد بالا
  • 63. انتخاب ویژگی (Feature Selection): روش‌های مبتنی بر فیلتر
  • 64. انتخاب ویژگی: روش‌های مبتنی بر wrapper
  • 65. انتخاب ویژگی: روش‌های embedded
  • 66. ارزیابی مدل: اعتبار سنجی متقابل (Cross-Validation)
  • 67. انواع اعتبارسنجی متقابل: K-Fold، Stratified K-Fold
  • 68. بهینه‌سازی ابرپارامترها (Hyperparameter Optimization): Grid Search
  • 69. بهینه‌سازی ابرپارامترها: Random Search
  • 70. یادگیری نیمه نظارتی (Semi-Supervised Learning)
  • 71. تقویت یادگیری (Reinforcement Learning): مفاهیم پایه
  • 72. عامل (Agent)، محیط (Environment)، و پاداش (Reward)
  • 73. الگوریتم Q-Learning
  • 74. الگوریتم Sarsa
  • 75. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 76. معرفی کتابخانه‌های یادگیری ماشین: Scikit-learn
  • 77. معرفی کتابخانه‌های یادگیری ماشین: TensorFlow
  • 78. معرفی کتابخانه‌های یادگیری ماشین: Keras
  • 79. معرفی کتابخانه‌های یادگیری ماشین: PyTorch
  • 80. ساخت یک پروژه طبقه‌بندی تصویر با CNN و Keras
  • 81. ساخت یک پروژه تحلیل احساسات با LSTM و TensorFlow
  • 82. دیپلوی (Deploy) مدل یادگیری ماشین: روش‌ها و ابزارها
  • 83. ساخت یک API برای مدل یادگیری ماشین با Flask/FastAPI
  • 84. ملاحظات اخلاقی در یادگیری ماشین: سوگیری و انصاف
  • 85. تفسیرپذیری مدل‌های یادگیری ماشین (Explainable AI – XAI)
  • 86. تکنیک‌های XAI: LIME و SHAP
  • 87. کاربرد یادگیری ماشین در پزشکی
  • 88. کاربرد یادگیری ماشین در امور مالی
  • 89. کاربرد یادگیری ماشین در بازاریابی
  • 90. کاربرد یادگیری ماشین در خودروهای خودران
  • 91. کاربرد یادگیری ماشین در پردازش زبان طبیعی (NLP)
  • 92. مفهوم مدل‌های زبانی بزرگ (Large Language Models – LLMs)
  • 93. Fine-tuning مدل‌های زبانی بزرگ (LLMs)
  • 94. معرفی ترانسفورمرها (Transformers) و مکانیسم توجه (Attention)
  • 95. چالش‌های پیش روی یادگیری ماشین و آینده آن
  • 96. مبانی احتمالات و آمار مورد نیاز در یادگیری ماشین
  • 97. مبانی جبر خطی مورد نیاز در یادگیری ماشین
  • 98. ماتریس‌ها و بردارها در پایتون با Numpy
  • 99. تحلیل داده و مصورسازی با Pandas و Matplotlib/Seaborn
  • 100. نوشتن کد تمیز و قابل فهم برای پروژه‌های یادگیری ماشین

📚 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 درک شهودی یادگیری ماشین: از مفاهیم تا ساخت مدل‌های هوشمند”

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

محصولات مشابه

پیمایش به بالا