سپنتا کتاب اکسپرس
کتاب ساخت و آموزش مدل‌های یادگیری عمیق در Colab

کتاب ساخت و آموزش مدل‌های یادگیری عمیق در Colab

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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت و آموزش مدل‌های یادگیری عمیق در Colab

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. آشنایی با محیط Google Colaboratory
  • 2. نصب و پیکربندی محیط توسعه
  • 3. مقدمه‌ای بر یادگیری عمیق
  • 4. مفاهیم پایه شبکه‌های عصبی
  • 5. معماری‌های پایه شبکه‌های عصبی
  • 6. تابع فعال‌سازی در شبکه‌های عصبی
  • 7. توابع هزینه و بهینه‌سازی
  • 8. روش‌های گرادیان کاهشی
  • 9. پس‌انتشار خطا (Backpropagation)
  • 10. پیش‌پردازش داده‌ها برای یادگیری عمیق
  • 11. نرمال‌سازی و مقیاس‌بندی داده‌ها
  • 12. مدیریت داده‌های گمشده
  • 13. تکنیک‌های افزایش داده (Data Augmentation)
  • 14. مقدمه‌ای بر کتابخانه‌های یادگیری عمیق
  • 15. کار با TensorFlow در Colab
  • 16. کار با Keras در Colab
  • 17. ساخت اولین مدل شبکه‌ عصبی با Keras
  • 18. کامپایل مدل و تنظیم پارامترها
  • 19. آموزش مدل و ارزیابی عملکرد
  • 20. تنظیم نرخ یادگیری (Learning Rate)
  • 21. بهینه‌سازهای پیشرفته (Adam, RMSprop)
  • 22. تنظیم اندازه دسته‌بندی (Batch Size)
  • 23. توقف زودهنگام (Early Stopping)
  • 24. تنظیمات رگولاریزاسیون (Regularization)
  • 25. کاهش پیچیدگی مدل (Overfitting)
  • 26. شبکه‌های عصبی پیچشی (CNN)
  • 27. مفاهیم پایه CNN
  • 28. لایه کانولوشن (Convolutional Layer)
  • 29. لایه ادغام (Pooling Layer)
  • 30. لایه کاملاً متصل (Fully Connected Layer)
  • 31. معماری‌های معروف CNN (LeNet, AlexNet)
  • 32. پیاده‌سازی CNN برای طبقه‌بندی تصاویر
  • 33. تنظیمات معماری CNN
  • 34. استفاده از CNN برای تشخیص اشیاء
  • 35. شبکه‌های عصبی بازگشتی (RNN)
  • 36. مفاهیم پایه RNN
  • 37. سلول‌های RNN ساده
  • 38. حافظه طولانی کوتاه مدت (LSTM)
  • 39. واحد بازگشتی دروازه‌ای (GRU)
  • 40. پیاده‌سازی RNN برای پردازش متن
  • 41. کاربرد RNN در پیش‌بینی سری‌های زمانی
  • 42. تنظیمات معماری RNN
  • 43. شبکه‌های مولد تخاصمی (GAN)
  • 44. مفاهیم پایه GAN
  • 45. معماری مولد و ممیز (Generator & Discriminator)
  • 46. آموزش GAN
  • 47. کاربرد GAN در تولید تصاویر
  • 48. چالش‌ها و تکنیک‌های GAN
  • 49. یادگیری انتقالی (Transfer Learning)
  • 50. مفهوم یادگیری انتقالی
  • 51. استفاده از مدل‌های از پیش آموزش دیده
  • 52. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 53. کاربرد یادگیری انتقالی در طبقه‌بندی تصاویر
  • 54. کاربرد یادگیری انتقالی در پردازش زبان طبیعی
  • 55. مدل‌های ترنسفورمر (Transformer Models)
  • 56. مفاهیم پایه ترنسفورمر
  • 57. مکانیزم توجه (Attention Mechanism)
  • 58. معماری Encoder-Decoder
  • 59. مدل‌های پیش‌آموزش دیده مبتنی بر ترنسفورمر (BERT, GPT)
  • 60. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 61. تنظیم پارامترهای مدل‌های ترنسفورمر
  • 62. یادگیری تقویتی (Reinforcement Learning)
  • 63. مفاهیم پایه یادگیری تقویتی
  • 64. عامل، محیط، پاداش
  • 65. الگوریتم‌های Q-Learning
  • 66. الگوریتم‌های Deep Q-Network (DQN)
  • 67. کاربرد یادگیری تقویتی در بازی‌ها
  • 68. کاربرد یادگیری تقویتی در رباتیک
  • 69. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 70. توکن‌سازی و نرمال‌سازی متن
  • 71. نمایش متنی (Word Embeddings)
  • 72. شبکه‌های عصبی برای NLP
  • 73. مدل‌سازی زبان (Language Modeling)
  • 74. تحلیل احساسات (Sentiment Analysis)
  • 75. تشخیص موجودیت نام‌گذاری شده (NER)
  • 76. ترجمه ماشینی (Machine Translation)
  • 77. مدل‌های زبانی بزرگ (LLMs)
  • 78. مفاهیم و معماری LLMs
  • 79. کاربرد LLMs در تولید متن
  • 80. کاربرد LLMs در خلاصه‌سازی متن
  • 81. کاربرد LLMs در پاسخ به سوالات
  • 82. اخلاق در هوش مصنوعی
  • 83. سوگیری در مدل‌های هوش مصنوعی
  • 84. شفافیت و قابلیت توضیح‌پذیری مدل‌ها
  • 85. حریم خصوصی در داده‌ها
  • 86. کاربرد هوش مصنوعی در صنعت
  • 87. کاربرد هوش مصنوعی در پزشکی
  • 88. کاربرد هوش مصنوعی در کشاورزی
  • 89. کاربرد هوش مصنوعی در آموزش
  • 90. کاربرد هوش مصنوعی در امور مالی
  • 91. آینده هوش مصنوعی
  • 92. توسعه مدل‌های سفارشی
  • 93. بهینه‌سازی عملکرد مدل‌ها
  • 94. استقرار مدل‌ها در محیط واقعی
  • 95. نکات پیشرفته در Colab
  • 96. مدیریت منابع در Colab
  • 97. عیب‌یابی مدل‌های یادگیری عمیق
  • 98. پروژه‌های عملی یادگیری عمیق
  • 99. ارزیابی نهایی مدل‌ها

📚 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.