کتاب آموزش Python و TensorFlow برای یادگیری ماشین
, ,

کتاب آموزش Python و TensorFlow برای یادگیری ماشین

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000022162 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 آموزش Python و TensorFlow برای یادگیری ماشین

موضوع کلی: برنامه نویسی

موضوع میانی: زبان‌های برنامه‌نویسی**

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر پایتون
  • 2. نصب پایتون
  • 3. اولین برنامه پایتون
  • 4. متغیرها و انواع داده در پایتون
  • 5. عملگرها در پایتون
  • 6. ساختارهای کنترلی (if, elif, else)
  • 7. حلقه‌ها (for, while)
  • 8. لیست‌ها در پایتون
  • 9. تاپل‌ها در پایتون
  • 10. دیکشنری‌ها در پایتون
  • 11. مجموعه‌ها در پایتون
  • 12. توابع در پایتون
  • 13. ماژول‌ها و بسته‌ها در پایتون
  • 14. مدیریت خطا (try, except)
  • 15. کار با فایل‌ها در پایتون
  • 16. مفاهیم برنامه نویسی شی گرا (OOP)
  • 17. کلاس‌ها و اشیاء در پایتون
  • 18. وراثت در پایتون
  • 19. چندریختی در پایتون
  • 20. مقدمه ای بر یادگیری ماشین
  • 21. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 22. مراحل کلی در پروژه یادگیری ماشین
  • 23. مقدمه ای بر کتابخانه NumPy
  • 24. آرایه‌های NumPy
  • 25. عملیات برداری در NumPy
  • 26. ایندکس‌گذاری و برش در NumPy
  • 27. توابع ریاضی NumPy
  • 28. مقدمه ای بر کتابخانه Pandas
  • 29. DataFrame در Pandas
  • 30. Series در Pandas
  • 31. خواندن و نوشتن داده‌ها (CSV, Excel)
  • 32. انتخاب و فیلتر کردن داده‌ها
  • 33. دستکاری داده‌ها (اضافه کردن، حذف کردن ستون‌ها)
  • 34. گروه‌بندی داده‌ها (groupby)
  • 35. ترکیب DataFrame ها (merge, join)
  • 36. مدیریت داده‌های گمشده
  • 37. تجسم داده‌ها با Matplotlib
  • 38. نمودار خطی
  • 39. نمودار پراکندگی
  • 40. نمودار میله‌ای
  • 41. هیستوگرام
  • 42. نمودار جعبه‌ای
  • 43. تنظیمات نمودار (عنوان، برچسب‌ها، رنگ‌ها)
  • 44. تجسم داده‌ها با Seaborn
  • 45. نمودارهای آماری پیشرفته
  • 46. مقدمه ای بر TensorFlow
  • 47. مفاهیم اصلی TensorFlow (Tensor, Operation, Session)
  • 48. نصب TensorFlow
  • 49. اولین برنامه TensorFlow
  • 50. ساخت Tensor ها
  • 51. عملیات بر روی Tensor ها
  • 52. گراف محاسباتی در TensorFlow
  • 53. اجرای Session ها
  • 54. متغیرها در TensorFlow
  • 55. تابع save و restore در TensorFlow
  • 56. مقدمه ای بر Keras
  • 57. لایه ها در Keras
  • 58. مدل های Sequential و Functional
  • 59. کامپایل کردن مدل (loss, optimizer, metrics)
  • 60. آموزش مدل (fit)
  • 61. ارزیابی مدل (evaluate)
  • 62. پیش‌بینی با مدل (predict)
  • 63. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 64. تابع فعال‌سازی (Activation Functions)
  • 65. تابع زیان (Loss Functions)
  • 66. بهینه‌سازها (Optimizers)
  • 67. تنظیم هایپرپارامترها
  • 68. اعتبارسنجی متقابل (Cross-Validation)
  • 69. کاهش ابعاد (Dimensionality Reduction)
  • 70. تحلیل مولفه‌های اصلی (PCA)
  • 71. تکنیک‌های منظم‌سازی (Regularization)
  • 72. Dropou t
  • 73. L1 و L2 Regularization
  • 74. یادگیری انتقالی (Transfer Learning)
  • 75. شبکه‌های عصبی کانولوشنال (CNN)
  • 76. لایه کانولوشن (Conv2D)
  • 77. لایه Pooling (MaxPooling2D)
  • 78. لایه Flatten
  • 79. ساخت مدل CNN
  • 80. آموزش مدل CNN
  • 81. شبکه‌های عصبی بازگشتی (RNN)
  • 82. سلول‌های LSTM و GRU
  • 83. ساخت مدل RNN
  • 84. آموزش مدل RNN
  • 85. پردازش زبان طبیعی (NLP) با TensorFlow
  • 86. بردارسازی کلمات (Word Embeddings)
  • 87. Word2Vec
  • 88. GloVe
  • 89. استفاده از Embedding Layer در Keras
  • 90. ساخت مدل NLP
  • 91. آموزش مدل NLP
  • 92. مدل‌های زبانی (Language Models)
  • 93. مدل‌های مولد (Generative Models)
  • 94. شبکه‌های مولد تخاصمی (GANs) – مقدمه
  • 95. یادگیری تقویتی (Reinforcement Learning) – مقدمه
  • 96. کاربرد TensorFlow در پروژه‌های واقعی
  • 97. مقدمه ای بر TensorFlow Extended (TFX)
  • 98. استقرار مدل‌های TensorFlow
  • 99. مقدمه ای بر TensorFlow Lite
  • 100. مقدمه ای بر TensorFlow.js

📚 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 آموزش Python و TensorFlow برای یادگیری ماشین”

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

محصولات مشابه

پیمایش به بالا