کتاب هوش مصنوعی: مفاهیم پایه در حوزه ادراک ماشین

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 هوش مصنوعی: مفاهیم پایه در حوزه ادراک ماشین

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مفاهیم پایه و نظری هوش مصنوعی**

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و ادراک ماشین
  • 2. تاریخچه هوش مصنوعی
  • 3. مفاهیم کلیدی در ادراک ماشین
  • 4. یادگیری ماشین چیست؟
  • 5. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 6. شبکه‌های عصبی مصنوعی: مقدمه
  • 7. پرسپترون و یادگیری آن
  • 8. شبکه‌های عصبی عمیق
  • 9. معماری‌های شبکه‌های عصبی
  • 10. توابع فعال‌سازی در شبکه‌های عصبی
  • 11. پس‌انتشار خطا
  • 12. بهینه‌سازی شبکه‌های عصبی
  • 13. روش‌های گرادیان کاهشی
  • 14. مقدمه‌ای بر پردازش تصویر
  • 15. نمایش دیجیتالی تصاویر
  • 16. فیلترهای تصویر
  • 17. تشخیص لبه در تصاویر
  • 18. تشخیص ویژگی در تصاویر
  • 19. استخراج ویژگی با استفاده از SIFT و SURF
  • 20. مقدمه‌ای بر بینایی ماشین
  • 21. مدل‌سازی سه‌بعدی از تصاویر دوبعدی
  • 22. تشخیص اشیاء در تصاویر
  • 23. شناسایی چهره
  • 24. ردیابی اشیاء
  • 25. تقسیم‌بندی تصاویر (Segmentation)
  • 26. شبکه‌های کانولوشنال (CNN)
  • 27. معماری‌های معروف CNN: LeNet, AlexNet, VGG
  • 28. شبکه‌های عصبی کانولوشنال عمیق
  • 29. کاربرد CNN در تشخیص تصویر
  • 30. کاربرد CNN در طبقه‌بندی تصویر
  • 31. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 32. مدل‌سازی زبان
  • 33. پردازش متن
  • 34. تحلیل احساسات
  • 35. ترجمه ماشینی
  • 36. شبکه‌های عصبی بازگشتی (RNN)
  • 37. حافظه کوتاه‌مدت طولانی (LSTM)
  • 38. واحد بازگشتی دروازه‌دار (GRU)
  • 39. کاربرد RNN در NLP
  • 40. سیستم‌های توصیه‌گر
  • 41. مقدمه‌ای بر یادگیری تقویتی
  • 42. محیط، عامل و پاداش
  • 43. فرایند تصمیم‌گیری مارکوف (MDP)
  • 44. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 45. الگوریتم‌های یادگیری تقویتی: SARSA
  • 46. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 47. کاربرد یادگیری تقویتی در رباتیک
  • 48. کاربرد یادگیری تقویتی در بازی‌ها
  • 49. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 50. معماری GAN: مولد و ممیز
  • 51. آموزش GAN
  • 52. کاربرد GAN در تولید تصویر
  • 53. کاربرد GAN در بهبود کیفیت تصویر
  • 54. مقدمه‌ای بر مدل‌های ترنسفورمر
  • 55. مکانیسم توجه (Attention Mechanism)
  • 56. شبکه‌های ترنسفورمر در NLP
  • 57. مدل‌های زبانی بزرگ (LLMs)
  • 58. کاربرد LLMs در تولید متن
  • 59. مقدمه‌ای بر ادراک صوتی
  • 60. پردازش سیگنال صوتی
  • 61. تشخیص گفتار
  • 62. تشخیص صدا
  • 63. مقدمه‌ای بر ادراک چندوجهی (Multimodal Perception)
  • 64. ترکیب اطلاعات از منابع مختلف
  • 65. کاربرد ادراک چندوجهی در رباتیک
  • 66. کاربرد ادراک چندوجهی در سیستم‌های هوشمند
  • 67. اخلاق در هوش مصنوعی
  • 68. سوگیری در الگوریتم‌های هوش مصنوعی
  • 69. تفسیرپذیری مدل‌های هوش مصنوعی
  • 70. امنیت در سیستم‌های هوش مصنوعی
  • 71. حریم خصوصی در هوش مصنوعی
  • 72. مقدمه‌ای بر چارچوب‌های توسعه هوش مصنوعی
  • 73. TensorFlow و Keras
  • 74. PyTorch
  • 75. کاربرد چارچوب‌ها در پروژه‌های عملی
  • 76. فناوری‌های نوین در ادراک ماشین
  • 77. هوش مصنوعی در سلامت
  • 78. هوش مصنوعی در صنعت
  • 79. هوش مصنوعی در حمل و نقل
  • 80. هوش مصنوعی در کشاورزی
  • 81. پردازش و تحلیل داده‌های بزرگ
  • 82. انواع داده‌ها در ادراک ماشین
  • 83. پیش‌پردازش داده‌ها
  • 84. مهندسی ویژگی
  • 85. ارزیابی مدل‌های ادراک ماشین
  • 86. معیارهای ارزیابی طبقه‌بندی
  • 87. معیارهای ارزیابی رگرسیون
  • 88. اعتبارسنجی متقابل (Cross-validation)
  • 89. تنظیم ابرپارامترها
  • 90. بهبود عملکرد مدل‌ها
  • 91. نکات پیشرفته در شبکه‌های عصبی
  • 92. شبکه‌های عصبی کانولوشنال پیشرفته
  • 93. شبکه‌های عصبی بازگشتی پیشرفته
  • 94. تکنیک‌های منظم‌سازی (Regularization)
  • 95. کاهش ابعاد (Dimensionality Reduction)
  • 96. یادگیری انتقالی (Transfer Learning)
  • 97. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 98. یادگیری با داده‌های کم (Few-shot Learning)
  • 99. بررسی موارد مطالعاتی موفق
  • 100. چالش‌های پیاده‌سازی 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.