سپنتا کتاب اکسپرس
کتاب کارگاه عملی: آماده‌سازی محیط یادگیری ماشین با Colab

کتاب کارگاه عملی: آماده‌سازی محیط یادگیری ماشین با 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 کارگاه عملی: آماده‌سازی محیط یادگیری ماشین با Colab

موضوع کلی: علوم داده و یادگیری ماشین

موضوع میانی: Google Colaboratory

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر محیط‌های یادگیری ماشین
  • 2. آشنایی با Google Colaboratory
  • 3. نصب و راه‌اندازی Colab
  • 4. رابط کاربری Colab
  • 5. کار با نوت‌بوک‌ها در Colab
  • 6. ذخیره و اشتراک‌گذاری نوت‌بوک‌ها
  • 7. مدیریت فایل‌ها در Colab
  • 8. اتصال به Google Drive
  • 9. استفاده از Git در Colab
  • 10. پایگاه‌های داده و Colab
  • 11. مقدمه‌ای بر کتابخانه‌های یادگیری ماشین
  • 12. نصب و به‌روزرسانی کتابخانه‌ها
  • 13. NumPy برای محاسبات عددی
  • 14. Pandas برای تحلیل داده
  • 15. Matplotlib برای بصری‌سازی داده
  • 16. Seaborn برای بصری‌سازی پیشرفته
  • 17. Scikit-learn برای الگوریتم‌های یادگیری ماشین
  • 18. TensorFlow برای یادگیری عمیق
  • 19. Keras به عنوان API سطح بالا
  • 20. PyTorch برای یادگیری عمیق
  • 21. نصب و پیکربندی TensorFlow
  • 22. نصب و پیکربندی PyTorch
  • 23. آموزش مدل‌های خطی در Colab
  • 24. رگرسیون خطی با Scikit-learn
  • 25. رگرسیون لجستیک با Scikit-learn
  • 26. دسته‌بندی با Scikit-learn
  • 27. ماشین‌های بردار پشتیبان (SVM)
  • 28. درخت‌های تصمیم
  • 29. جنگل‌های تصادفی
  • 30. دسته‌بندی‌کننده‌های بیزین ساده
  • 31. خوشه‌بندی K-Means
  • 32. تحلیل مولفه‌های اصلی (PCA)
  • 33. مقدمه‌ای بر شبکه‌های عصبی
  • 34. ساختار شبکه‌های عصبی
  • 35. توابع فعال‌سازی
  • 36. پس‌انتشار خطا (Backpropagation)
  • 37. بهینه‌سازها در شبکه‌های عصبی
  • 38. رگولاریزاسیون
  • 39. شبکه‌های عصبی کانولوشنال (CNN)
  • 40. کاربرد CNN در بینایی ماشین
  • 41. شبکه‌های عصبی بازگشتی (RNN)
  • 42. کاربرد RNN در پردازش زبان طبیعی
  • 43. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 44. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 45. مدل‌های زبانی
  • 46. یادگیری انتقالی (Transfer Learning)
  • 47. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
  • 48. معماری‌های پیشرفته CNN
  • 49. معماری‌های پیشرفته RNN
  • 50. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 51. توکن‌سازی متن
  • 52. ریشه‌یابی کلمات (Stemming) و لماتیزاسیون
  • 53. بردارسازی کلمات (Word Embeddings)
  • 54. Word2Vec
  • 55. GloVe
  • 56. FastText
  • 57. مدل‌های زبانی مبتنی بر ترنسفورمر
  • 58. BERT
  • 59. کاربرد مدل‌های زبانی در وظایف NLP
  • 60. تحلیل احساسات
  • 61. شناسایی موجودیت نام‌گذاری شده (NER)
  • 62. پاسخ به سوال
  • 63. خلاصه‌سازی متن
  • 64. ترجمه ماشینی
  • 65. مقدمه‌ای بر بینایی ماشین
  • 66. پردازش تصویر
  • 67. تشخیص اشیا
  • 68. تقسیم‌بندی تصویر
  • 69. تولید تصویر
  • 70. استفاده از GPU در Colab
  • 71. تنظیمات پیشرفته Colab
  • 72. مدیریت حافظه در Colab
  • 73. بهینه‌سازی کد برای عملکرد
  • 74. اشکال‌زدایی در Colab
  • 75. امنیت در Colab
  • 76. ملاحظات اخلاقی در یادگیری ماشین
  • 77. حفظ حریم خصوصی داده‌ها
  • 78. سوگیری در الگوریتم‌ها
  • 79. تفسیرپذیری مدل‌ها
  • 80. کاربرد یادگیری ماشین در صنعت
  • 81. یادگیری ماشین در سلامت
  • 82. یادگیری ماشین در مالی
  • 83. یادگیری ماشین در آموزش
  • 84. یادگیری ماشین در کشاورزی
  • 85. یادگیری ماشین در حمل و نقل
  • 86. یادگیری ماشین در انرژی
  • 87. یادگیری ماشین در محیط زیست
  • 88. مقدمه‌ای بر یادگیری تقویتی
  • 89. عناصر یادگیری تقویتی
  • 90. الگوریتم‌های یادگیری تقویتی
  • 91. کاربرد یادگیری تقویتی
  • 92. پروژه‌های عملی یادگیری ماشین
  • 93. تکمیل پروژه پایانی
  • 94. ارائه نهایی پروژه
  • 95. جمع‌بندی کارگاه
  • 96. منابع بیشتر برای مطالعه

📚 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.