کتاب غواصی در دنیای شبکه‌های عصبی کانولوشنال و بازگشتی
, ,

کتاب غواصی در دنیای شبکه‌های عصبی کانولوشنال و بازگشتی

تومان249,950

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperCourse-0000025019 دسته: , ,

📚 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 غواصی در دنیای شبکه‌های عصبی کانولوشنال و بازگشتی

موضوع کلی: مبانی و مفاهیم یادگیری عمیق

موضوع میانی: اصول یادگیری ماشین و شبکه‌های عصبی

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی یادگیری عمیق
  • 2. مقدمه‌ای بر شبکه‌های عصبی
  • 3. مفهوم نورون مصنوعی
  • 4. توابع فعال‌سازی
  • 5. شبکه‌های عصبی پیشخور (Feedforward)
  • 6. پس‌انتشار خطا (Backpropagation)
  • 7. بهینه‌سازی گرادیان کاهشی
  • 8. انواع گرادیان کاهشی
  • 9. تنظیم نرخ یادگیری
  • 10. مفهوم تابع هزینه (Loss Function)
  • 11. انواع توابع هزینه
  • 12. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 13. لایه کانولوشن
  • 14. فیلترها و کرنل‌ها
  • 15. عمق، ارتفاع و عرض
  • 16. پدینگ (Padding)
  • 17. گام (Stride)
  • 18. لایه پولینگ (Pooling)
  • 19. انواع پولینگ
  • 20. لایه فعال‌سازی در CNN
  • 21. لایه تمام‌اتصال (Fully Connected)
  • 22. معماری‌های پایه CNN
  • 23. شبکه‌های عصبی بازگشتی (RNN)
  • 24. حافظه در شبکه‌های عصبی
  • 25. حالت پنهان (Hidden State)
  • 26. مفهوم بازگشت (Recurrence)
  • 27. شبکه‌های RNN ساده
  • 28. مشکل محوشدگی گرادیان (Vanishing Gradient)
  • 29. مشکل انفجار گرادیان (Exploding Gradient)
  • 30. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 31. گیت ورودی (Input Gate)
  • 32. گیت فراموشی (Forget Gate)
  • 33. گیت خروجی (Output Gate)
  • 34. سلول حافظه (Cell State)
  • 35. شبکه‌های واحد بازگشتی دروازه‌ای (GRU)
  • 36. گیت به‌روزرسانی (Update Gate)
  • 37. گیت ریست (Reset Gate)
  • 38. مقایسه LSTM و GRU
  • 39. کاربرد CNN در پردازش تصویر
  • 40. شناسایی اشیاء
  • 41. تشخیص چهره
  • 42. تقسیم‌بندی تصویر (Image Segmentation)
  • 43. تولید تصویر
  • 44. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 45. مدل‌سازی زبان
  • 46. ترجمه ماشینی
  • 47. تحلیل احساسات
  • 48. تولید متن
  • 49. ترکیب CNN و RNN
  • 50. شبکه‌های CNN-RNN برای ویدئو
  • 51. شبکه‌های CNN-RNN برای تحلیل متن طولانی
  • 52. مفاهیم پیشرفته در CNN
  • 53. شبکه‌های کانولوشنال عمیق
  • 54. شبکه‌های ResNet
  • 55. شبکه‌های Inception
  • 56. شبکه‌های MobileNet
  • 57. مفاهیم پیشرفته در RNN
  • 58. شبکه‌های Bidirectional RNN
  • 59. شبکه‌های Stacked RNN
  • 60. شبکه‌های Attention Mechanism
  • 61. مکانیسم توجه در NLP
  • 62. مکانیسم توجه در CNN
  • 63. مدل‌های ترنسفورمر (Transformer)
  • 64. مقدمه‌ای بر ترنسفورمر
  • 65. لایه Encoder در ترنسفورمر
  • 66. لایه Decoder در ترنسفورمر
  • 67. Self-Attention در ترنسفورمر
  • 68. Multi-Head Attention
  • 69. کاربرد ترنسفورمر در NLP
  • 70. کاربرد ترنسفورمر در بینایی کامپیوتر
  • 71. یادگیری انتقالی (Transfer Learning)
  • 72. تنظیم دقیق (Fine-tuning)
  • 73. پیش‌-آموزش (Pre-training)
  • 74. داده‌های حجیم و چالش‌های آن
  • 75. نرمال‌سازی دسته‌ای (Batch Normalization)
  • 76. تنظیم‌کننده‌ها (Regularization)
  • 77. Dropout
  • 78. L1 و L2 Regularization
  • 79. بهینه‌سازی های پیشرفته
  • 80. Adam Optimizer
  • 81. RMSprop Optimizer
  • 82. Adagrad Optimizer
  • 83. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 84. اعتبارسنجی متقابل (Cross-Validation)
  • 85. ارزیابی مدل‌ها
  • 86. معیارهای ارزیابی CNN
  • 87. معیارهای ارزیابی RNN
  • 88. مقدمه‌ای بر معماری‌های مولد
  • 89. شبکه‌های مولد تخاصمی (GAN)
  • 90. مولد (Generator)
  • 91. متمایزکننده (Discriminator)
  • 92. آموزش GAN
  • 93. مشکلات در آموزش GAN
  • 94. شبکه‌های خودرمزگذار (Autoencoders)
  • 95. کدگذاری (Encoding)
  • 96. رمزگشایی (Decoding)
  • 97. کاربرد Autoencoders
  • 98. Variational Autoencoders (VAE)
  • 99. مفاهیم آماری در VAE
  • 100. کاربرد VAE

📚 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 غواصی در دنیای شبکه‌های عصبی کانولوشنال و بازگشتی”

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

محصولات مشابه

پیمایش به بالا