سپنتا کتاب اکسپرس
کتاب کاربرد آمار در ارزیابی عملکرد مدل‌های هوش مصنوعی

کتاب کاربرد آمار در ارزیابی عملکرد مدل‌های هوش مصنوعی

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 کاربرد آمار در ارزیابی عملکرد مدل‌های هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مفاهیم احتمالات و آمار در هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر آمار و کاربرد آن در علوم
  • 2. مفاهیم پایه آمار توصیفی
  • 3. اندازه‌گیری معیارهای مرکزی (میانگین، میانه، نما)
  • 4. محاسبه معیارهای پراکندگی (واریانس، انحراف معیار، دامنه)
  • 5. توزیع‌های فراوانی و نمودارهای آماری
  • 6. مقدمه‌ای بر آمار استنباطی
  • 7. مفاهیم نمونه و جامعه آماری
  • 8. تخمین پارامترهای جامعه
  • 9. فاصله‌های اطمینان
  • 10. آزمون فرض آماری
  • 11. مقدمه‌ای بر ارزیابی عملکرد مدل‌های هوش مصنوعی
  • 12. اهمیت ارزیابی عملکرد در یادگیری ماشین
  • 13. معیارهای پایه‌ای ارزیابی مدل‌های طبقه‌بندی
  • 14. دقت (Accuracy) و کاربردهای آن
  • 15. حساسیت (Sensitivity) و ویژگی (Specificity)
  • 16. مقایسه دقت، حساسیت و ویژگی
  • 17. مقدمه‌ای بر ماتریس درهم‌ریختگی (Confusion Matrix)
  • 18. تحلیل ماتریس درهم‌ریختگی
  • 19. شاخص‌های مبتنی بر ماتریس درهم‌ریختگی
  • 20. منحنی ROC و سطح زیر منحنی (AUC)
  • 21. تفسیر منحنی ROC و AUC
  • 22. معیارهای ارزیابی مدل‌های رگرسیون
  • 23. خطای میانگین مربعات (MSE)
  • 24. ریشه خطای میانگین مربعات (RMSE)
  • 25. خطای میانگین قدر مطلق (MAE)
  • 26. ضریب تعیین (R-squared)
  • 27. تفسیر ضریب تعیین
  • 28. معیارهای ارزیابی مدل‌های خوشه‌بندی
  • 29. شاخص سیلوئت (Silhouette Score)
  • 30. شاخص دیویس-بولدین (Davies-Bouldin Index)
  • 31. شاخص‌های ارزیابی مدل‌های پیش‌بینی سری زمانی
  • 32. معیارهای ارزیابی مدل‌های پردازش زبان طبیعی
  • 33. معیارهای ارزیابی مدل‌های بینایی ماشین
  • 34. مقدمه‌ای بر اعتبارسنجی متقابل (Cross-Validation)
  • 35. اعتبارسنجی K-fold
  • 36. اعتبارسنجی Leave-One-Out
  • 37. اعتبارسنجی Stratified K-fold
  • 38. اهمیت پیش‌پردازش داده‌ها در ارزیابی
  • 39. تأثیر داده‌های پرت بر ارزیابی مدل
  • 40. روش‌های شناسایی و مدیریت داده‌های پرت
  • 41. نرمال‌سازی و استانداردسازی داده‌ها
  • 42. تأثیر مقیاس‌بندی بر ارزیابی
  • 43. مقدمه‌ای بر بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 44. شناسایی بیش‌برازش و کم‌برازش
  • 45. راهکارهای مقابله با بیش‌برازش
  • 46. راهکارهای مقابله با کم‌برازش
  • 47. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 48. جستجوی شبکه‌ای (Grid Search)
  • 49. جستجوی تصادفی (Random Search)
  • 50. بهینه‌سازی بیزی (Bayesian Optimization)
  • 51. مقدمه‌ای بر انتخاب ویژگی (Feature Selection)
  • 52. روش‌های مبتنی بر فیلتر
  • 53. روش‌های مبتنی بر بسته‌بندی (Wrapper Methods)
  • 54. روش‌های مبتنی بر جاسازی (Embedded Methods)
  • 55. تأثیر انتخاب ویژگی بر ارزیابی مدل
  • 56. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 57. ارزیابی مدل‌های یادگیری انتقالی
  • 58. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 59. معیارهای ارزیابی مدل‌های یادگیری تقویتی
  • 60. مقدمه‌ای بر شبکه‌های عصبی عمیق
  • 61. معیارهای ارزیابی مدل‌های شبکه‌های عصبی
  • 62. ارزیابی مدل‌های شبکه‌های کانولوشنی (CNN)
  • 63. ارزیابی مدل‌های شبکه‌های بازگشتی (RNN)
  • 64. ارزیابی مدل‌های ترنسفورمر (Transformer)
  • 65. مقدمه‌ای بر تفسیرپذیری مدل (Model Interpretability)
  • 66. روش‌های تفسیرپذیری مدل‌های یادگیری ماشین
  • 67. تحلیل اهمیت ویژگی (Feature Importance)
  • 68. روش LIME
  • 69. روش SHAP
  • 70. مقدمه‌ای بر تعصب در مدل‌های هوش مصنوعی
  • 71. شناسایی و اندازه‌گیری تعصب
  • 72. راهکارهای کاهش تعصب در مدل‌ها
  • 73. ارزیابی عادلانه مدل‌ها (Fairness Evaluation)
  • 74. مقدمه‌ای بر پایش مدل (Model Monitoring)
  • 75. پایش عملکرد مدل در طول زمان
  • 76. شناسایی افت عملکرد مدل
  • 77. استراتژی‌های به‌روزرسانی مدل
  • 78. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 79. تأثیر مهندسی ویژگی بر ارزیابی
  • 80. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 81. ارزیابی مدل‌های یادگیری چندوظیفه‌ای
  • 82. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 83. ارزیابی مدل‌های یادگیری فدرال
  • 84. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 85. ارزیابی مدل‌های یادگیری فعال
  • 86. مقدمه‌ای بر یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 87. ارزیابی مدل‌های یادگیری نیمه‌نظارتی
  • 88. مقدمه‌ای بر یادگیری چندنمونه‌ای (Few-shot Learning)
  • 89. ارزیابی مدل‌های یادگیری چندنمونه‌ای
  • 90. مقدمه‌ای بر ارزیابی مدل‌های توصیه‌گر
  • 91. معیارهای ارزیابی سیستم‌های توصیه‌گر
  • 92. مقدمه‌ای بر ارزیابی مدل‌های مولد
  • 93. معیارهای ارزیابی مدل‌های مولد (مانند GAN)
  • 94. مقدمه‌ای بر ارزیابی مدل‌های تشخیص ناهنجاری
  • 95. معیارهای ارزیابی مدل‌های تشخیص ناهنجاری
  • 96. مقدمه‌ای بر اصول اخلاقی در ارزیابی مدل‌ها
  • 97. اهمیت ارزیابی دقیق و بی‌طرفانه
  • 98. مسئولیت‌پذیری در توسعه مدل‌های هوش مصنوعی

📚 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.