, ,

کتاب مقدمه‌ای عملی بر الگوریتم‌های یادگیری با تنسورفلو

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 عملی بر الگوریتم‌های یادگیری با تنسورفلو

موضوع کلی: یادگیری ماشین با تنسورفلو

موضوع میانی: الگوریتم‌های یادگیری

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مبانی یادگیری ماشین
  • 2. نصب و راه‌اندازی تنسورفلو
  • 3. مقدمه‌ای بر تنسورها
  • 4. عملیات پایه تنسور
  • 5. مقدمه‌ای بر گراف‌های اجرایی
  • 6. اجرای تنسورفلو
  • 7. تابع‌نویسی و کامپایل کردن
  • 8. مقدمه‌ای بر شبکه‌های عصبی
  • 9. انواع شبکه‌های عصبی
  • 10. تابع فعال‌سازی
  • 11. تابع هزینه
  • 12. بهینه‌سازی گرادیان نزولی
  • 13. گرادیان نزولی دسته‌ای
  • 14. گرادیان نزولی تصادفی
  • 15. گرادیان نزولی مینی‌بچ
  • 16. تنظیم نرخ یادگیری
  • 17. مقدمه‌ای بر رگرسیون خطی
  • 18. پیاده‌سازی رگرسیون خطی در تنسورفلو
  • 19. مقدمه‌ای بر طبقه‌بندی
  • 20. رگرسیون لجستیک
  • 21. پیاده‌سازی رگرسیون لجستیک در تنسورفلو
  • 22. مقدمه‌ای بر شبکه‌های عصبی چند لایه
  • 23. پیاده‌سازی شبکه‌های عصبی چند لایه در تنسورفلو
  • 24. طبقه‌بندی چند کلاسه
  • 25. تابع Softmax
  • 26. پیاده‌سازی طبقه‌بندی چند کلاسه در تنسورفلو
  • 27. مقدمه‌ای بر طبقه‌بندی با شبکه‌های عصبی کانولوشنال (CNN)
  • 28. لایه‌های کانولوشنال
  • 29. لایه‌های Pooling
  • 30. پیاده‌سازی CNN ساده در تنسورفلو
  • 31. مجموعه داده MNIST
  • 32. آموزش CNN بر روی MNIST
  • 33. ارزیابی مدل CNN
  • 34. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 35. سلول‌های RNN ساده
  • 36. پیاده‌سازی RNN ساده در تنسورفلو
  • 37. مجموعه داده‌های سری زمانی
  • 38. آموزش RNN بر روی داده‌های سری زمانی
  • 39. مقدمه‌ای بر شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 40. سلول‌های LSTM
  • 41. پیاده‌سازی LSTM در تنسورفلو
  • 42. کاربرد LSTM در پردازش زبان طبیعی
  • 43. مقدمه‌ای بر شبکه‌های حافظه کوتاه مدت (GRU)
  • 44. سلول‌های GRU
  • 45. پیاده‌سازی GRU در تنسورفلو
  • 46. مقایسه LSTM و GRU
  • 47. مقدمه‌ای بر شبکه‌های عصبی مولد (GAN)
  • 48. معماری GAN
  • 49. آموزش GAN
  • 50. کاربرد GAN در تولید تصویر
  • 51. مقدمه‌ای بر یادگیری تقویتی
  • 52. مفهوم عامل و محیط
  • 53. مفهوم پاداش و سیاست
  • 54. الگوریتم Q-Learning
  • 55. پیاده‌سازی Q-Learning در تنسورفلو
  • 56. مقدمه‌ای بر یادگیری عمیق
  • 57. مبانی یادگیری عمیق
  • 58. مفاهیم پیشرفته یادگیری عمیق
  • 59. مقدمه‌ای بر تنسورفلو 2.0
  • 60. Eager Execution
  • 61. API Keras
  • 62. ساخت مدل‌های ترتیبی با Keras
  • 63. ساخت مدل‌های تابعی با Keras
  • 64. کامپایل کردن مدل در Keras
  • 65. آموزش مدل در Keras
  • 66. ارزیابی مدل در Keras
  • 67. پیش‌بینی با مدل در Keras
  • 68. ذخیره و بارگذاری مدل
  • 69. استفاده از لایه‌های سفارشی
  • 70. استفاده از تابع هزینه سفارشی
  • 71. استفاده از بهینه‌ساز سفارشی
  • 72. تنظیم ابرپارامترها
  • 73. اعتبارسنجی متقابل
  • 74. کاهش بیش‌برازش (Overfitting)
  • 75. تکنیک‌های تنظیم (Regularization)
  • 76. Dropout
  • 77. Batch Normalization
  • 78. Early Stopping
  • 79. Data Augmentation
  • 80. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 81. نمایش متن به صورت برداری
  • 82. Word Embeddings (Word2Vec, GloVe)
  • 83. استفاده از Embedding Layer در Keras
  • 84. مدل‌های زبانی
  • 85. کاربرد RNN در NLP
  • 86. کاربرد LSTM در NLP
  • 87. کاربرد GRU در NLP
  • 88. مقدمه‌ای بر Attention Mechanism
  • 89. Transformer Networks
  • 90. مقدمه‌ای بر بینایی ماشین
  • 91. پردازش تصویر
  • 92. استخراج ویژگی
  • 93. CNN برای طبقه‌بندی تصویر
  • 94. Object Detection
  • 95. Segmentation
  • 96. استفاده از Transfer Learning
  • 97. مقدمه‌ای بر مدل‌های پیش‌آموزش‌دیده (Pre-trained Models)
  • 98. Fine-tuning مدل‌های پیش‌آموزش‌دیده
  • 99. مقدمه‌ای بر توابع فعال‌سازی غیرخطی
  • 100. ReLU

📚 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 عملی بر الگوریتم‌های یادگیری با تنسورفلو”

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

پیمایش به بالا