سپنتا کتاب اکسپرس
کتاب پیاده‌سازی AI قابل اعتماد

کتاب پیاده‌سازی AI قابل اعتماد

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 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 پیاده‌سازی AI قابل اعتماد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: هوش مصنوعی قابل اعتماد (Trustworthy AI)

📋 سرفصل‌های کتاب (100 موضوع)

  • 1. مقدمه ای بر هوش مصنوعی قابل اعتماد
  • 2. تعریف هوش مصنوعی قابل اعتماد
  • 3. اهمیت هوش مصنوعی قابل اعتماد
  • 4. چالش های هوش مصنوعی قابل اعتماد
  • 5. اصول کلیدی هوش مصنوعی قابل اعتماد
  • 6. معماری های هوش مصنوعی قابل اعتماد
  • 7. قابلیت تفسیر در هوش مصنوعی قابل اعتماد
  • 8. نظارت پذیری در هوش مصنوعی قابل اعتماد
  • 9. مقاومت در برابر حملات در هوش مصنوعی قابل اعتماد
  • 10. حریم خصوصی در هوش مصنوعی قابل اعتماد
  • 11. عدالت و عدم تبعیض در هوش مصنوعی قابل اعتماد
  • 12. شفافیت در هوش مصنوعی قابل اعتماد
  • 13. مسئولیت پذیری در هوش مصنوعی قابل اعتماد
  • 14. قابلیت اطمینان در هوش مصنوعی قابل اعتماد
  • 15. امنیت در هوش مصنوعی قابل اعتماد
  • 16. توضیح پذیری مدل های هوش مصنوعی
  • 17. روش های توضیح پذیری محلی
  • 18. روش های توضیح پذیری سراسری
  • 19. تکنیک های LIME
  • 20. تکنیک های SHAP
  • 21. تجسم سازی توضیحات
  • 22. ارزیابی توضیحات
  • 23. کاربرد توضیحات در اشکال زدایی
  • 24. کاربرد توضیحات در اطمینان بخشی
  • 25. کاربرد توضیحات در انطباق مقررات
  • 26. نظارت پذیری مدل های هوش مصنوعی
  • 27. شناسایی انحرافات (Drifts) در داده ها
  • 28. شناسایی انحرافات در مدل
  • 29. روش های تشخیص انحرافات
  • 30. مدیریت انحرافات
  • 31. بازآموزی مدل ها
  • 32. مانیتورینگ عملکرد مدل در زمان اجرا
  • 33. گزارش دهی انحرافات
  • 34. مقاومت در برابر حملات در هوش مصنوعی
  • 35. انواع حملات به مدل های هوش مصنوعی
  • 36. حملات متخاصمانه (Adversarial Attacks)
  • 37. حملات تزریق داده
  • 38. حملات دستکاری خروجی
  • 39. روش های دفاع در برابر حملات
  • 40. تکنیک های آموزش مقاوم (Adversarial Training)
  • 41. فیلتر کردن ورودی های متخاصمانه
  • 42. کاهش حساسیت مدل
  • 43. ارزیابی مقاومت مدل
  • 44. حریم خصوصی در هوش مصنوعی
  • 45. حریم خصوصی داده ها
  • 46. قوانین و مقررات حریم خصوصی (مانند GDPR)
  • 47. تکنیک های حفظ حریم خصوصی
  • 48. حریم خصوصی تفاضلی (Differential Privacy)
  • 49. رمزنگاری همومورفیک
  • 50. پردازش داده ها به صورت محلی (Federated Learning)
  • 51. ارزیابی حریم خصوصی مدل
  • 52. عدالت و عدم تبعیض در هوش مصنوعی
  • 53. تعریف عدالت در هوش مصنوعی
  • 54. انواع تبعیض در هوش مصنوعی
  • 55. روش های شناسایی تبعیض
  • 56. متریک های سنجش عدالت
  • 57. تکنیک های کاهش تبعیض
  • 58. پیش پردازش داده ها
  • 59. پس پردازش نتایج
  • 60. آموزش مدل های عادلانه
  • 61. ارزیابی عدالت مدل
  • 62. شفافیت در هوش مصنوعی
  • 63. شفافیت در چرخه عمر هوش مصنوعی
  • 64. شفافیت در جمع آوری داده ها
  • 65. شفافیت در پردازش داده ها
  • 66. شفافیت در آموزش مدل
  • 67. شفافیت در استقرار مدل
  • 68. شفافیت در استفاده از مدل
  • 69. مستندسازی مدل های هوش مصنوعی
  • 70. ثبت تصمیمات مدل
  • 71. ارتباط شفاف با کاربران
  • 72. مسئولیت پذیری در هوش مصنوعی
  • 73. تعریف مسئولیت پذیری
  • 74. شناسایی عوامل مسئول
  • 75. تخصیص مسئولیت
  • 76. قابلیت ردیابی تصمیمات
  • 77. مکانیسم های پاسخگویی
  • 78. مدیریت خطا و حادثه
  • 79. مسئولیت انسانی در نظارت بر AI
  • 80. قابلیت اطمینان در هوش مصنوعی
  • 81. تعریف قابلیت اطمینان
  • 82. مدیریت عدم قطعیت
  • 83. ارزیابی عدم قطعیت مدل
  • 84. روش های بیان عدم قطعیت
  • 85. قابلیت اطمینان در سیستم های حیاتی
  • 86. تست و اعتبارسنجی مدل ها
  • 87. قابلیت تکرار نتایج
  • 88. امنیت در هوش مصنوعی
  • 89. امنیت داده ها
  • 90. امنیت مدل ها
  • 91. امنیت زیرساخت ها
  • 92. مدیریت دسترسی
  • 93. رمزنگاری
  • 94. تشخیص نفوذ
  • 95. مدیریت آسیب پذیری
  • 96. امنیت در استقرار و نگهداری
  • 97. هوش مصنوعی قابل اعتماد در کاربردهای خاص
  • 98. هوش مصنوعی قابل اعتماد در پزشکی
  • 99. هوش مصنوعی قابل اعتماد در امور مالی
  • 100. هوش مصنوعی قابل اعتماد در حمل و نقل خودران

📚 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

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.