سپنتا کتاب اکسپرس
کتاب بهینه‌سازی کدها و اجرای مدل‌ها در Google Colaboratory

کتاب بهینه‌سازی کدها و اجرای مدل‌ها در Google Colaboratory

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 بهینه‌سازی کدها و اجرای مدل‌ها در Google Colaboratory

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. آشنایی با محیط Google Colaboratory
  • 2. نصب و پیکربندی کتابخانه‌های مورد نیاز
  • 3. مقدمه‌ای بر زبان پایتون برای علم داده
  • 4. ساختار داده‌های اساسی در پایتون
  • 5. دستورات کنترلی و حلقه‌ها در پایتون
  • 6. توابع و ماژول‌ها در پایتون
  • 7. کار با فایل‌ها و دایرکتوری‌ها
  • 8. مقدمه‌ای بر NumPy برای محاسبات عددی
  • 9. آرایه‌ها و عملیات پایه در NumPy
  • 10. عملیات پیشرفته با آرایه‌های NumPy
  • 11. مقدمه‌ای بر Pandas برای تحلیل داده
  • 12. ساخت و دستکاری DataFrame در Pandas
  • 13. فیلتر کردن و انتخاب داده‌ها در Pandas
  • 14. گروه‌بندی و تجمیع داده‌ها در Pandas
  • 15. ادغام و پیوستن DataFrameها
  • 16. کار با داده‌های سری زمانی در Pandas
  • 17. مقدمه‌ای بر Matplotlib برای بصری‌سازی داده
  • 18. ایجاد نمودارهای خطی و پراکندگی
  • 19. نمودارهای میله‌ای و هیستوگرام
  • 20. تنظیمات پیشرفته در Matplotlib
  • 21. مقدمه‌ای بر Seaborn برای بصری‌سازی آماری
  • 22. نمودارهای آماری پرکاربرد در Seaborn
  • 23. کار با داده‌های نامنظم و گمشده
  • 24. پیش‌پردازش داده‌ها برای مدل‌سازی
  • 25. پاکسازی و نرمال‌سازی داده‌ها
  • 26. رمزگذاری متغیرهای دسته‌ای
  • 27. تقسیم داده‌ها به مجموعه‌های آموزشی و آزمایشی
  • 28. مقدمه‌ای بر یادگیری ماشین
  • 29. انواع الگوریتم‌های یادگیری ماشین
  • 30. مقدمه‌ای بر رگرسیون خطی
  • 31. پیاده‌سازی رگرسیون خطی در Python
  • 32. مقدمه‌ای بر رگرسیون لجستیک
  • 33. پیاده‌سازی رگرسیون لجستیک در Python
  • 34. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 35. پیاده‌سازی SVM در Python
  • 36. مقدمه‌ای بر درختان تصمیم
  • 37. پیاده‌سازی درختان تصمیم در Python
  • 38. مقدمه‌ای بر جنگل‌های تصادفی
  • 39. پیاده‌سازی جنگل‌های تصادفی در Python
  • 40. مقدمه‌ای بر مدل‌های خوشه‌بندی
  • 41. الگوریتم K-Means
  • 42. پیاده‌سازی K-Means در Python
  • 43. مقدمه‌ای بر کاهش ابعاد
  • 44. تحلیل مؤلفه‌های اصلی (PCA)
  • 45. پیاده‌سازی PCA در Python
  • 46. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 47. لایه ورودی، پنهان و خروجی
  • 48. توابع فعال‌سازی در شبکه‌های عصبی
  • 49. روش‌های بهینه‌سازی (Gradient Descent)
  • 50. پیاده‌سازی شبکه‌های عصبی ساده
  • 51. مقدمه‌ای بر یادگیری عمیق
  • 52. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 53. معماری‌های رایج CNN
  • 54. کاربرد CNN در طبقه‌بندی تصاویر
  • 55. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 56. معماری‌های رایج RNN
  • 57. کاربرد RNN در پردازش زبان طبیعی
  • 58. تنظیمات و پارامترهای مدل‌ها
  • 59. اعتبارسنجی متقابل (Cross-Validation)
  • 60. ارزیابی عملکرد مدل‌ها (Metrics)
  • 61. انواع خطاهای مدل
  • 62. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 63. جستجوی شبکه‌ای (Grid Search)
  • 64. جستجوی تصادفی (Random Search)
  • 65. مقدمه‌ای بر TensorFlow
  • 66. ساخت مدل‌های ساده با TensorFlow
  • 67. استفاده از Keras API در TensorFlow
  • 68. پیاده‌سازی CNN با TensorFlow/Keras
  • 69. پیاده‌سازی RNN با TensorFlow/Keras
  • 70. مقدمه‌ای بر PyTorch
  • 71. ساخت مدل‌های ساده با PyTorch
  • 72. استفاده از PyTorch برای CNN
  • 73. استفاده از PyTorch برای RNN
  • 74. بهینه‌سازی اجرای کد در Colaboratory
  • 75. استفاده از GPU و TPU در Colaboratory
  • 76. مدیریت حافظه در Colaboratory
  • 77. بارگذاری و ذخیره مدل‌ها
  • 78. استفاده از Checkpoints
  • 79. مستندسازی کد و پروژه‌ها
  • 80. اصول اولیه برنامه‌نویسی تمیز
  • 81. مدیریت نسخه با Git (مقدماتی)
  • 82. نکات امنیتی در استفاده از Colaboratory
  • 83. بررسی و رفع اشکالات رایج
  • 84. ملاحظات اخلاقی در علم داده
  • 85. کاربرد مدل‌ها در صنعت (مطالعات موردی)
  • 86. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 87. تحلیل احساسات با مدل‌های یادگیری ماشین
  • 88. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 89. پیاده‌سازی سیستم توصیه‌گر ساده
  • 90. مقدمه‌ای بر یادگیری تقویتی (RL)
  • 91. مفاهیم پایه یادگیری تقویتی
  • 92. کاربرد RL در مسائل بهینه‌سازی
  • 93. مقدمه‌ای بر داده‌کاوی و الگوهای پنهان
  • 94. یافتن قوانین وابستگی (Association Rules)
  • 95. مقدمه‌ای بر گراف‌ها و تحلیل شبکه‌ها
  • 96. مقدمه‌ای بر هوش مصنوعی مولد (Generative AI)
  • 97. کاربرد مدل‌های زبانی بزرگ (LLMs)
  • 98. ملاحظات حقوقی و شرعی در استفاده از LLMs
  • 99. اصول اخلاقی در توسعه هوش مصنوعی
  • 100. آینده هوش مصنوعی و علم داده

📚 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.