, ,

کتاب مقدمه‌ای بر محاسبات در الگوریتم‌های بهینه‌سازی برای شبکه‌های عصبی

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 الگوریتم‌های بهینه‌سازی برای شبکه‌های عصبی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه‌ای بر شبکه‌های عصبی
  • 2. مبانی یادگیری ماشین
  • 3. هدف بهینه‌سازی در شبکه‌های عصبی
  • 4. چالش‌های بهینه‌سازی شبکه‌های عصبی
  • 5. انواع شبکه‌های عصبی
  • 6. معماری‌های متداول شبکه‌های عصبی
  • 7. تابع هزینه (Loss Function)
  • 8. مفهوم گرادیان
  • 9. محاسبه گرادیان: روش تحلیلی
  • 10. محاسبه گرادیان: روش عددی
  • 11. روش پس‌انتشار (Backpropagation)
  • 12. کاربرد پس‌انتشار در شبکه‌های عصبی
  • 13. مراحل الگوریتم پس‌انتشار
  • 14. پیاده‌سازی پس‌انتشار
  • 15. مشکلات پس‌انتشار
  • 16. مقدمه‌ای بر الگوریتم‌های بهینه‌سازی
  • 17. تفاوت بهینه‌سازی و یادگیری
  • 18. انواع الگوریتم‌های بهینه‌سازی
  • 19. بهینه‌سازی مبتنی بر گرادیان
  • 20. مفهوم نرخ یادگیری (Learning Rate)
  • 21. تنظیم نرخ یادگیری
  • 22. نرخ یادگیری ثابت
  • 23. نرخ یادگیری کاهشی
  • 24. نرخ یادگیری تطبیقی
  • 25. الگوریتم نزول گرادیان (Gradient Descent)
  • 26. مزایای نزول گرادیان
  • 27. معایب نزول گرادیان
  • 28. نزول گرادیان دسته‌ای (Batch Gradient Descent)
  • 29. نزول گرادیان تصادفی (Stochastic Gradient Descent – SGD)
  • 30. نزول گرادیان دسته‌ای کوچک (Mini-batch Gradient Descent)
  • 31. مقایسه روش‌های مختلف نزول گرادیان
  • 32. مفهوم مومنتوم (Momentum)
  • 33. الگوریتم نزول گرادیان با مومنتوم
  • 34. نحوه عملکرد مومنتوم
  • 35. تنظیم پارامتر مومنتوم
  • 36. الگوریتم Adagrad
  • 37. نحوه عملکرد Adagrad
  • 38. مزایای Adagrad
  • 39. معایب Adagrad
  • 40. الگوریتم Adadelta
  • 41. نحوه عملکرد Adadelta
  • 42. مقایسه Adagrad و Adadelta
  • 43. الگوریتم RMSprop
  • 44. نحوه عملکرد RMSprop
  • 45. مقایسه RMSprop با Adagrad و Adadelta
  • 46. الگوریتم Adam
  • 47. نحوه عملکرد Adam
  • 48. مزایای Adam
  • 49. تنظیم پارامترهای Adam
  • 50. مقایسه Adam با الگوریتم‌های قبلی
  • 51. الگوریتم AdamW
  • 52. تفاوت AdamW با Adam
  • 53. کاربرد AdamW
  • 54. الگوریتم Nadam
  • 55. نحوه عملکرد Nadam
  • 56. مقایسه Nadam با Adam
  • 57. الگوریتم Admax
  • 58. نحوه عملکرد Admax
  • 59. کاربرد Admax
  • 60. الگوریتم AMSGrad
  • 61. نحوه عملکرد AMSGrad
  • 62. مزایای AMSGrad
  • 63. الگوریتم‌های بهینه‌سازی دوم مرتبه
  • 64. مفهوم ماتریس هسین
  • 65. الگوریتم نیوتن (Newton's Method)
  • 66. مزایای روش نیوتن
  • 67. معایب روش نیوتن
  • 68. الگوریتم شبه نیوتن (Quasi-Newton Methods)
  • 69. الگوریتم BFGS
  • 70. الگوریتم L-BFGS
  • 71. مقایسه الگوریتم‌های اول مرتبه و دوم مرتبه
  • 72. بهینه‌سازی بدون گرادیان
  • 73. الگوریتم بهینه‌سازی تکاملی (Evolutionary Optimization)
  • 74. الگوریتم ژنتیک (Genetic Algorithm)
  • 75. الگوریتم بهینه‌سازی ازدحام ذرات (Particle Swarm Optimization – PSO)
  • 76. الگوریتم بهینه‌سازی کلونی مورچگان (Ant Colony Optimization – ACO)
  • 77. مقایسه الگوریتم‌های بهینه‌سازی بدون گرادیان با مبتنی بر گرادیان
  • 78. مفهوم بهینه‌سازی محدود (Constrained Optimization)
  • 79. انواع محدودیت‌ها
  • 80. روش ضرایب لاگرانژ
  • 81. روش جریمه (Penalty Methods)
  • 82. روش‌های سد (Barrier Methods)
  • 83. کاربرد بهینه‌سازی محدود در شبکه‌های عصبی
  • 84. بهینه‌سازی چند هدفه (Multi-objective Optimization)
  • 85. مفهوم مرز پارتو (Pareto Frontier)
  • 86. الگوریتم‌های بهینه‌سازی چند هدفه
  • 87. کاربرد بهینه‌سازی چند هدفه در شبکه‌های عصبی
  • 88. مفهوم بیش‌برازش (Overfitting)
  • 89. روش‌های تنظیم (Regularization)
  • 90. L1 Regularization
  • 91. L2 Regularization
  • 92. Dropout
  • 93. Batch Normalization
  • 94. Layer Normalization
  • 95. Instance Normalization
  • 96. Group Normalization
  • 97. Early Stopping
  • 98. Data Augmentation
  • 99. مفهوم کم‌برازش (Underfitting)
  • 100. علل کم‌برازش

📚 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 الگوریتم‌های بهینه‌سازی برای شبکه‌های عصبی”

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

پیمایش به بالا