, ,

کتاب مقدمه‌ای بر محاسبات در مدل‌سازی مولد در یادگیری عمیق

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.

📚 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 مقدمه‌ای بر محاسبات در مدل‌سازی مولد در یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. مقدمه‌ای بر مدل‌سازی مولد
  • 3. مقدمه‌ای بر محاسبات در یادگیری عمیق
  • 4. مقدمه‌ای بر ریاضیات لازم (جبر خطی)
  • 5. مقدمه‌ای بر ریاضیات لازم (حساب دیفرانسیل و انتگرال)
  • 6. مقدمه‌ای بر ریاضیات لازم (نظریه احتمالات)
  • 7. مقدمه‌ای بر ریاضیات لازم (آمار)
  • 8. مفاهیم پایه شبکه‌های عصبی
  • 9. تابع فعال‌سازی
  • 10. پس‌انتشار خطا (Backpropagation)
  • 11. بهینه‌سازی در یادگیری عمیق
  • 12. گرادیان کاهشی (Gradient Descent)
  • 13. انواع گرادیان کاهشی (SGD, Mini-batch GD, Batch GD)
  • 14. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 15. تنظیم‌کننده‌ها (Regularization)
  • 16. کاهش وزن (Weight Decay)
  • 17. ضریب افت (Dropout)
  • 18. نرمال‌سازی دسته‌ای (Batch Normalization)
  • 19. مقدمه‌ای بر مدل‌های مولد
  • 20. انواع مدل‌های مولد
  • 21. مدل‌های مولد مبتنی بر چگالی (Density-based Generative Models)
  • 22. مدل‌های مولد مبتنی بر تقلید (Imitative Generative Models)
  • 23. مدل‌های مولد مبتنی بر تبدیل (Transformative Generative Models)
  • 24. مدل‌های گرافیکی مولد (Generative Graphical Models)
  • 25. مدل‌های مولد مبتنی بر شبکه‌های عصبی
  • 26. شبکه‌های مولد تخاصمی (GANs)
  • 27. معماری Generator در GANs
  • 28. معماری Discriminator در GANs
  • 29. تابع هزینه در GANs
  • 30. آموزش GANs
  • 31. چالش‌های آموزش GANs
  • 32. انواع GANs (DCGAN, WGAN, StyleGAN, CycleGAN)
  • 33. کاربردهای GANs
  • 34. تولید تصاویر
  • 35. تولید متن
  • 36. تولید صدا
  • 37. افزایش داده (Data Augmentation)
  • 38. ترجمه تصویر به تصویر (Image-to-Image Translation)
  • 39. تولید ویدئو
  • 40. شبیه‌سازی
  • 41. معرفی مدل‌های خودرمزگذار (Autoencoders)
  • 42. معماری Autoencoder
  • 43. کدگذاری (Encoding)
  • 44. رمزگشایی (Decoding)
  • 45. تابع هزینه در Autoencoders
  • 46. انواع Autoencoders (Variational Autoencoders – VAEs)
  • 47. معماری VAEs
  • 48. نمونه‌برداری در VAEs
  • 49. تابع هزینه در VAEs
  • 50. آموزش VAEs
  • 51. کاربردهای VAEs
  • 52. کاهش ابعاد (Dimensionality Reduction)
  • 53. تولید داده
  • 54. حذف نویز (Denoising)
  • 55. شناسایی ناهنجاری (Anomaly Detection)
  • 56. معرفی مدل‌های مولد مبتنی بر جریان (Flow-based Generative Models)
  • 57. تبدیلات معکوس‌پذیر (Invertible Transformations)
  • 58. قانون تغییر متغیر (Law of Change of Variables)
  • 59. معماری مدل‌های مبتنی بر جریان
  • 60. توابع نرمال‌سازی افزایشی (Coupling Layers)
  • 61. تابع هزینه در مدل‌های مبتنی بر جریان
  • 62. آموزش مدل‌های مبتنی بر جریان
  • 63. کاربردهای مدل‌های مبتنی بر جریان
  • 64. تولید داده با چگالی دقیق
  • 65. مدل‌سازی توزیع‌های پیچیده
  • 66. معرفی مدل‌های مبتنی بر انتشار (Diffusion Models)
  • 67. فرآیند انتشار مستقیم (Forward Diffusion Process)
  • 68. فرآیند انتشار معکوس (Reverse Diffusion Process)
  • 69. مدل‌سازی توزیع معکوس
  • 70. تابع هزینه در مدل‌های مبتنی بر انتشار
  • 71. آموزش مدل‌های مبتنی بر انتشار
  • 72. کاربردهای مدل‌های مبتنی بر انتشار
  • 73. تولید تصاویر با کیفیت بالا
  • 74. تولید صدا
  • 75. مدل‌سازی توزیع‌های پیچیده
  • 76. مفاهیم پیشرفته در مدل‌سازی مولد
  • 77. ارزیابی مدل‌های مولد
  • 78. شاخص‌های ارزیابی (FID, IS, Precision, Recall)
  • 79. تفسیرپذیری در مدل‌های مولد
  • 80. تکنیک‌های نمونه‌برداری پیشرفته
  • 81. نمونه‌برداری مبتنی بر MCMC
  • 82. نمونه‌برداری مبتنی بر Variational Inference
  • 83. نمونه‌برداری مبتنی بر Hamiltonian Monte Carlo
  • 84. مقایسه مدل‌های مولد مختلف
  • 85. GANs در مقابل VAEs
  • 86. GANs در مقابل Diffusion Models
  • 87. VAEs در مقابل Diffusion Models
  • 88. پیاده‌سازی مدل‌های مولد با PyTorch
  • 89. پیاده‌سازی GANs با PyTorch
  • 90. پیاده‌سازی VAEs با PyTorch
  • 91. پیاده‌سازی Diffusion Models با PyTorch
  • 92. پیاده‌سازی مدل‌های مولد با TensorFlow
  • 93. پیاده‌سازی GANs با TensorFlow
  • 94. پیاده‌سازی VAEs با TensorFlow
  • 95. پیاده‌سازی Diffusion Models با TensorFlow
  • 96. کاربردهای پیشرفته مدل‌های مولد
  • 97. تولید محتوای خلاقانه
  • 98. تولید داده‌های پزشکی
  • 99. تولید داده‌های علمی
  • 100. تولید داده‌های مالی

📚 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 مقدمه‌ای بر محاسبات در مدل‌سازی مولد در یادگیری عمیق”

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

پیمایش به بالا