کتاب پردازش موازی توزیع‌شده (PDP): کشف ریزساختار شناخت و ریشه‌های شبکه‌های عصبی نوین
, ,

کتاب پردازش موازی توزیع‌شده (PDP): کشف ریزساختار شناخت و ریشه‌های شبکه‌های عصبی نوین

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000020406 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 پردازش موازی توزیع‌شده (PDP): کشف ریزساختار شناخت و ریشه‌های شبکه‌های عصبی نوین

موضوع کلی: مبانی نظری هوش مصنوعی و علوم شناختی

موضوع میانی: مدل‌های اتصال‌گرا و پردازش موازی توزیع‌شده

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر علوم شناختی و هوش مصنوعی
  • 2. ریشه‌های تاریخی مدل‌های اتصال‌گرا
  • 3. معماری‌های محاسباتی بیولوژیکی: الهام از مغز
  • 4. مبانی ریاضیاتی شبکه‌های عصبی: جبر خطی و حساب دیفرانسیل
  • 5. مروری بر نظریه اطلاعات و کدگذاری
  • 6. مفهوم پردازش موازی توزیع‌شده (PDP)
  • 7. نمایندگی توزیع‌شده: مزایا و چالش‌ها
  • 8. واحد پردازش: نورون مصنوعی
  • 9. توابع فعالیت: خطی، سیگموئیدی و ReLU
  • 10. معماری‌های پایه شبکه‌های عصبی: پرسپترون
  • 11. قاعده یادگیری هب (Hebb): مبانی یادگیری همبستگی
  • 12. محدودیت‌های پرسپترون تک لایه
  • 13. الگوریتم پس انتشار خطا (Backpropagation)
  • 14. آموزش چند لایه پرسپترون (MLP)
  • 15. تنظیم هایپرپارامترها: نرخ یادگیری، مومنتوم و اندازه دسته‌ای
  • 16. جلوگیری از بیش برازش: تکنیک‌های منظم‌سازی
  • 17. شبکه‌های بازگشتی (Recurrent Neural Networks – RNNs)
  • 18. چالش محو گرادیان و انفجار گرادیان
  • 19. شبکه‌های حافظه بلندمدت (Long Short-Term Memory – LSTM)
  • 20. واحدهای دروازه‌ای بازگشتی (Gated Recurrent Units – GRUs)
  • 21. پردازش زبان طبیعی با شبکه‌های بازگشتی
  • 22. خودکارسازها (Autoencoders): یادگیری بازنمایی
  • 23. خودکارسازهای واریانس (Variational Autoencoders – VAEs)
  • 24. شبکه‌های مولد مقابله‌ای (Generative Adversarial Networks – GANs)
  • 25. یادگیری عمیق و اهمیت لایه‌های پنهان
  • 26. مفهوم اتصال‌گرایی در ادراک
  • 27. مدل‌های اتصال‌گرا برای تشخیص الگو
  • 28. شناخت بصری و مدل‌های اتصال‌گرا
  • 29. مدل‌های سلسله مراتبی برای بینایی
  • 30. شبکه‌های پیچشی عصبی (Convolutional Neural Networks – CNNs)
  • 31. لایه‌های کانولوشن و تجمیع
  • 32. انتقال یادگیری با شبکه‌های عصبی پیش‌آموزش‌شده
  • 33. مفهوم توجه (Attention) در شبکه‌های عصبی
  • 34. مدل‌های تبدیل‌کننده (Transformers)
  • 35. توجه خود-تنظیمی (Self-Attention)
  • 36. پردازش زبان طبیعی با مدل‌های تبدیل‌کننده
  • 37. BERT و مدل‌های زبانی پیش‌آموزش‌شده
  • 38. GPT و تولید متن با شبکه‌های عصبی
  • 39. مدل‌های اتصال‌گرا برای استدلال و حل مسئله
  • 40. معماری‌های نمادین در مقابل اتصال‌گرا
  • 41. مدل‌های ترکیبی: ترکیب نمادگرایی و اتصال‌گرایی
  • 42. یادگیری تقویتی (Reinforcement Learning)
  • 43. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 44. شبکه‌های Q عمیق (Deep Q-Networks – DQN)
  • 45. یادگیری تقویتی مبتنی بر سیاست
  • 46. مدل‌های عامل در محیط‌های پیچیده
  • 47. پیاده‌سازی شبکه‌های عصبی با Python و TensorFlow/PyTorch
  • 48. مبانی TensorFlow و PyTorch
  • 49. ساخت مدل‌های عصبی ساده با TensorFlow/PyTorch
  • 50. آموزش و ارزیابی مدل‌های عصبی
  • 51. تصویرسازی و تحلیل عملکرد مدل
  • 52. بهینه‌سازی عملکرد مدل
  • 53. استقرار مدل‌های عصبی
  • 54. پردازش داده‌های بزرگ برای شبکه‌های عصبی
  • 55. مجموعه‌داده‌های مهم در یادگیری عمیق
  • 56. پیش‌پردازش داده‌ها و مهندسی ویژگی
  • 57. مقیاس‌بندی و توزیع آموزش شبکه‌های عصبی
  • 58. سخت‌افزار برای یادگیری عمیق: GPU و TPU
  • 59. معماری‌های عصبی خاص‌منظوره
  • 60. پردازش عصبی مورفیک (Neuromorphic Computing)
  • 61. امنیت شبکه‌های عصبی: حملات خصمانه
  • 62. دفاع در برابر حملات خصمانه
  • 63. تفسیرپذیری مدل‌های عصبی (Explainable AI – XAI)
  • 64. روش‌های تفسیرپذیری مدل
  • 65. توضیح تصمیمات مدل
  • 66. اخلاق و مسئولیت‌پذیری در هوش مصنوعی
  • 67. سوگیری در داده‌ها و مدل‌ها
  • 68. کاهش سوگیری در شبکه‌های عصبی
  • 69. مدل‌های اتصال‌گرا برای حافظه
  • 70. حافظه انجمنی و شبکه‌های هاپفیلد
  • 71. شبکه‌های بولتزمن (Boltzmann Machines)
  • 72. ماشین‌های بولتزمن محدود (Restricted Boltzmann Machines – RBMs)
  • 73. یادگیری عمیق مولد با RBMs
  • 74. مدل‌های اتصال‌گرا برای کنترل و حرکت
  • 75. رباتیک و شبکه‌های عصبی
  • 76. ادغام حسگرها و کنترل‌کننده‌ها
  • 77. یادگیری کنترل در زمان واقعی
  • 78. مدل‌های اتصال‌گرا برای تصمیم‌گیری
  • 79. نظریه بازی و شبکه‌های عصبی
  • 80. تصمیم‌گیری تحت عدم قطعیت
  • 81. مدل‌های اتصال‌گرا برای اقتصاد
  • 82. تجزیه و تحلیل بازارهای مالی
  • 83. پیش‌بینی روندها
  • 84. مدل‌های اتصال‌گرا برای علوم اجتماعی
  • 85. تحلیل شبکه‌های اجتماعی
  • 86. مدل‌سازی رفتار انسان
  • 87. چالش‌های فعلی در مدل‌های اتصال‌گرا
  • 88. محدودیت‌های محاسباتی و مقیاس‌پذیری
  • 89. مشکلات مربوط به تفسیرپذیری و توضیح‌پذیری
  • 90. مسیرهای آینده در تحقیقات PDP
  • 91. شبکه‌های عصبی مصنوعی در مقابل شبکه‌های عصبی بیولوژیکی
  • 92. مدل‌سازی مغز انسان با شبکه‌های عصبی
  • 93. اخلاق و مسائل اجتماعی هوش مصنوعی
  • 94. ارزیابی و انتخاب مدل‌های اتصال‌گرا
  • 95. تکنیک‌های اعتبارسنجی مدل
  • 96. مقایسه مدل‌های مختلف
  • 97. برنامه‌های کاربردی پیشرفته PDP
  • 98. مدل‌سازی سیستم‌های پیچیده
  • 99. پردازش سیگنال و داده‌های حسگر
  • 100. یادگیری ماشین خودکار (AutoML)

📚 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 پردازش موازی توزیع‌شده (PDP): کشف ریزساختار شناخت و ریشه‌های شبکه‌های عصبی نوین”

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

محصولات مشابه

پیمایش به بالا