, ,

کتاب بهینه‌سازی شبکه‌های عصبی: تکنیک‌ها و الگوریتم‌ها

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 بهینه‌سازی شبکه‌های عصبی: تکنیک‌ها و الگوریتم‌ها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: شبکه‌های عصبی مصنوعی (Artificial Neural Networks)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه به بهینه‌سازی شبکه‌های عصبی
  • 2. چرا بهینه‌سازی شبکه‌های عصبی مهم است؟
  • 3. انواع شبکه‌های عصبی و نیازهای بهینه‌سازی آن‌ها
  • 4. اهداف بهینه‌سازی شبکه‌های عصبی
  • 5. مبانی گرادیان نزولی
  • 6. تابع هزینه (Loss Function)
  • 7. گرادیان تابع هزینه
  • 8. مشتقات جزئی و بردار گرادیان
  • 9. قانون زنجیره‌ای (Chain Rule) در پس‌انتشار (Backpropagation)
  • 10. الگوریتم گرادیان نزولی استاندارد (SGD)
  • 11. مزایا و معایب SGD
  • 12. بهینه‌سازهای مبتنی بر مومنتوم (Momentum)
  • 13. مومنتوم شتاب‌دار (Accelerated Momentum)
  • 14. بهینه‌ساز AdaGrad
  • 15. مزایا و معایب AdaGrad
  • 16. بهینه‌ساز RMSProp
  • 17. مقایسه AdaGrad و RMSProp
  • 18. بهینه‌ساز Adam
  • 19. مزایا و معایب Adam
  • 20. بهینه‌ساز AdamW
  • 21. تفاوت Adam و AdamW
  • 22. بهینه‌ساز AdaDelta
  • 23. بهینه‌ساز Nadam
  • 24. بهینه‌ساز Adamax
  • 25. بهینه‌ساز AMSGrad
  • 26. مقایسه بهینه‌سازهای تطبیقی (Adaptive Optimizers)
  • 27. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 28. کاهش نرخ یادگیری گام به گام (Step Decay)
  • 29. کاهش نرخ یادگیری نمایی (Exponential Decay)
  • 30. کاهش نرخ یادگیری کسینوسی (Cosine Annealing)
  • 31. کاهش نرخ یادگیری مبتنی بر زمان (Time-Based Decay)
  • 32. کاهش نرخ یادگیری مبتنی بر اعتبار (Validation-Based Decay)
  • 33. تنظیم خودکار نرخ یادگیری (Learning Rate Finder)
  • 34. اهمیت مقیاس‌بندی داده‌ها (Data Scaling)
  • 35. نرمال‌سازی (Normalization)
  • 36. استانداردسازی (Standardization)
  • 37. مقیاس‌بندی Min-Max
  • 38. تاثیر مقیاس‌بندی بر بهینه‌سازی
  • 39. تنظیم اولیه وزن‌ها (Weight Initialization)
  • 40. مقداردهی تصادفی (Random Initialization)
  • 41. مقداردهی صفر (Zero Initialization)
  • 42. مقداردهی Xavier/Glorot
  • 43. مقداردهی He
  • 44. مقایسه روش‌های مقداردهی اولیه وزن
  • 45. مفهوم بیش‌برازش (Overfitting)
  • 46. مفهوم کم‌برازش (Underfitting)
  • 47. روش‌های منظم‌سازی (Regularization)
  • 48. منظم‌سازی L1
  • 49. منظم‌سازی L2
  • 50. ترکیب منظم‌سازی L1 و L2 (Elastic Net)
  • 51. منظم‌سازی Dropout
  • 52. نحوه عملکرد Dropout
  • 53. تنظیم نرخ Dropout
  • 54. منظم‌سازی Batch Normalization
  • 55. نحوه عملکرد Batch Normalization
  • 56. مزایا و معایب Batch Normalization
  • 57. منظم‌سازی Layer Normalization
  • 58. منظم‌سازی Instance Normalization
  • 59. منظم‌سازی Group Normalization
  • 60. مقایسه روش‌های نرمال‌سازی لایه
  • 61. تکنیک‌های توقف زودهنگام (Early Stopping)
  • 62. پایش تابع هزینه یا معیار ارزیابی روی مجموعه اعتبارسنجی
  • 63. تنظیم پارامترهای توقف زودهنگام
  • 64. مفهوم گرادیان پراکنده (Sparse Gradients)
  • 65. مفهوم گرادیان انفجاری (Exploding Gradients)
  • 66. مفهوم گرادیان محوشونده (Vanishing Gradients)
  • 67. روش‌های مقابله با گرادیان انفجاری
  • 68. روش‌های مقابله با گرادیان محوشونده
  • 69. استفاده از توابع فعال‌سازی مناسب (ReLU, Leaky ReLU, ELU, SELU)
  • 70. تکنیک‌های بهینه‌سازی برای شبکه‌های عمیق
  • 71. بهینه‌سازی حافظه (Memory Optimization)
  • 72. کوانتیزاسیون (Quantization)
  • 73. کوانتیزاسیون باینری (Binary Quantization)
  • 74. کوانتیزاسیون ترنری (Ternary Quantization)
  • 75. کوانتیزاسیون 8 بیتی (INT8 Quantization)
  • 76. مفهوم گرادیان تقریبی (Approximate Gradients)
  • 77. تقطیر دانش (Knowledge Distillation)
  • 78. آموزش با استفاده از مدل معلم (Teacher Model)
  • 79. آموزش با استفاده از مدل دانش‌آموز (Student Model)
  • 80. بهینه‌سازی پارامترهای ابرپارامتر (Hyperparameter Optimization)
  • 81. جستجوی شبکه‌ای (Grid Search)
  • 82. جستجوی تصادفی (Random Search)
  • 83. بهینه‌سازی بیزی (Bayesian Optimization)
  • 84. الگوریتم‌های ژنتیک (Genetic Algorithms)
  • 85. روش‌های مبتنی بر گرادیان برای بهینه‌سازی ابرپارامتر
  • 86. تنظیم خودکار ابرپارامتر (AutoML)
  • 87. تکنیک‌های بهینه‌سازی برای مدل‌های توزیع‌شده (Distributed Training)
  • 88. موازی‌سازی داده (Data Parallelism)
  • 89. موازی‌سازی مدل (Model Parallelism)
  • 90. موازی‌سازی ترکیبی (Hybrid Parallelism)
  • 91. الگوریتم‌های بهینه‌سازی برای سخت‌افزارهای خاص (GPU, TPU)
  • 92. بهینه‌سازی برای سخت‌افزارهای کم‌مصرف (Edge Devices)
  • 93. تکنیک‌های فشرده‌سازی مدل (Model Compression)
  • 94. هرس کردن (Pruning)
  • 95. هرس کردن اتصالات (Connection Pruning)
  • 96. هرس کردن نورون‌ها (Neuron Pruning)
  • 97. هرس کردن کانال‌ها (Channel Pruning)
  • 98. شناسایی اهمیت پارامترها
  • 99. کاربرد بهینه‌سازی در معماری‌های خاص (CNN, RNN, Transformer)
  • 100. بهینه‌سازی برای شبکه‌های کانولوشنال (CNN)

📚 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 بهینه‌سازی شبکه‌های عصبی: تکنیک‌ها و الگوریتم‌ها”

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

پیمایش به بالا