سپنتا کتاب اکسپرس
کتاب تحلیل عددی و ارزیابی عملکرد مدل‌های هوش مصنوعی

کتاب تحلیل عددی و 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 تحلیل عددی و ارزیابی عملکرد مدل‌های هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: محاسبات عددی در هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تحلیل عددی در ارزیابی مدل‌های هوش مصنوعی
  • 2. مبانی نظری ارزیابی عملکرد مدل‌های هوش مصنوعی
  • 3. معرفی معیارهای ارزیابی پایه (دقت، صحت، بازیابی)
  • 4. تحلیل ماتریس درهم‌ریختگی (Confusion Matrix)
  • 5. مفهوم خطای نوع اول و نوع دوم
  • 6. ارزیابی مدل‌های طبقه‌بندی دودویی
  • 7. ارزیابی مدل‌های طبقه‌بندی چندکلاسه
  • 8. منحنی مشخصه عملکرد گیرنده (ROC Curve)
  • 9. سطح زیر منحنی ROC (AUC)
  • 10. منحنی دقت-بازیابی (Precision-Recall Curve)
  • 11. مفهوم F1-Score و کاربردهای آن
  • 12. شاخص‌های ارزیابی مدل‌های رگرسیون
  • 13. میانگین مربعات خطا (MSE)
  • 14. ریشه میانگین مربعات خطا (RMSE)
  • 15. میانگین قدر مطلق خطا (MAE)
  • 16. ضریب تعیین (R-squared)
  • 17. تحلیل باقی‌مانده‌ها در مدل‌های رگرسیون
  • 18. اعتبارسنجی متقابل (Cross-Validation)
  • 19. اعتبارسنجی K-Fold
  • 20. اعتبارسنجی Leave-One-Out
  • 21. اعتبارسنجی Stratified K-Fold
  • 22. مفهوم بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 23. روش‌های تشخیص بیش‌برازش
  • 24. روش‌های جلوگیری از بیش‌برازش
  • 25. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 26. جستجوی شبکه‌ای (Grid Search)
  • 27. جستجوی تصادفی (Random Search)
  • 28. بهینه‌سازی بیزی (Bayesian Optimization)
  • 29. ارزیابی مدل‌های یادگیری عمیق
  • 30. متریک‌های خاص برای شبکه‌های عصبی کانولوشنی (CNN)
  • 31. متریک‌های خاص برای شبکه‌های عصبی بازگشتی (RNN)
  • 32. ارزیابی مدل‌های پردازش زبان طبیعی (NLP)
  • 33. متریک‌های ارزیابی ترجمه ماشینی
  • 34. متریک‌های ارزیابی خلاصه‌سازی متن
  • 35. متریک‌های ارزیابی تشخیص موجودیت نام‌گذاری شده (NER)
  • 36. ارزیابی مدل‌های یادگیری تقویتی
  • 37. مفهوم تابع پاداش در یادگیری تقویتی
  • 38. متریک‌های ارزیابی عامل در یادگیری تقویتی
  • 39. تحلیل حساسیت و نااطمینانی در مدل‌ها
  • 40. شبیه‌سازی مونت کارلو برای ارزیابی نااطمینانی
  • 41. تحلیل عدم قطعیت پارامترها
  • 42. ارزیابی مدل‌های تولیدی (Generative Models)
  • 43. متریک‌های ارزیابی مدل‌های GAN
  • 44. متریک‌های ارزیابی مدل‌های VAE
  • 45. مفهوم بایاس و واریانس در ارزیابی مدل
  • 46. تحلیل واریانس مدل
  • 47. تحلیل بایاس مدل
  • 48. ارزیابی منصفانه مدل‌ها (Fairness)
  • 49. مفهوم تبعیض در الگوریتم‌ها
  • 50. متریک‌های ارزیابی عدالت الگوریتمی
  • 51. روش‌های کاهش تبعیض در مدل‌ها
  • 52. ارزیابی مدل‌های یادگیری انتقالی (Transfer Learning)
  • 53. ارزیابی مدل‌های یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 54. تحلیل هزینه محاسباتی مدل‌ها
  • 55. اندازه‌گیری زمان آموزش و استنتاج
  • 56. تحلیل مصرف حافظه مدل‌ها
  • 57. ارزیابی پایداری مدل‌ها در طول زمان
  • 58. ارزیابی مدل‌ها در برابر داده‌های خارج از توزیع (Out-of-Distribution Data)
  • 59. استفاده از معیارهای آماری در ارزیابی
  • 60. آزمون فرض آماری برای مقایسه مدل‌ها
  • 61. فاصله‌های اطمینان برای معیارهای ارزیابی
  • 62. ارزیابی مدل‌های مبتنی بر درخت تصمیم
  • 63. ارزیابی مدل‌های ماشین بردار پشتیبان (SVM)
  • 64. ارزیابی مدل‌های مدل‌های مبتنی بر بیز
  • 65. ارزیابی مدل‌های مدل‌های مبتنی بر تجمعی (Ensemble Methods)
  • 66. ارزیابی مدل‌های Bagging و Boosting
  • 67. تحلیل تاثیر داده‌های پرت (Outliers) بر ارزیابی
  • 68. روش‌های پاکسازی داده‌ها برای ارزیابی بهتر
  • 69. ارزیابی مدل‌ها در شرایط داده‌های نامتوازن
  • 70. تکنیک‌های نمونه‌گیری مجدد (Resampling)
  • 71. استفاده از معیارهای ارزیابی مناسب برای داده‌های نامتوازن
  • 72. ارزیابی کیفیت ویژگی‌ها (Feature Engineering)
  • 73. تاثیر مهندسی ویژگی بر عملکرد مدل
  • 74. ارزیابی مقیاس‌پذیری مدل‌ها
  • 75. پیاده‌سازی ابزارهای ارزیابی مدل (مانند Scikit-learn)
  • 76. کار با کتابخانه‌های تحلیل داده (مانند Pandas)
  • 77. مصورسازی نتایج ارزیابی
  • 78. تحلیل نمودارهای پراکندگی برای ارزیابی
  • 79. نمودارهای هیستوگرام برای توزیع خطاها
  • 80. نمودارهای جعبه‌ای (Box Plots) برای مقایسه توزیع خطاها
  • 81. ارزیابی مدل‌های پیش‌بینی سری‌های زمانی
  • 82. متریک‌های خاص برای پیش‌بینی سری‌های زمانی
  • 83. تحلیل خطاهای پیش‌بینی در طول زمان
  • 84. ارزیابی مدل‌های تشخیص ناهنجاری (Anomaly Detection)
  • 85. متریک‌های ارزیابی مدل‌های تشخیص ناهنجاری
  • 86. کاربرد تحلیل عددی در فهم درونی مدل‌ها (Interpretability)
  • 87. روش‌های توضیح‌پذیری مدل (XAI)
  • 88. تحلیل اهمیت ویژگی‌ها (Feature Importance)
  • 89. ارزیابی مدل‌ها در چارچوب مقررات و استانداردها
  • 90. اهمیت مستندسازی فرآیند ارزیابی
  • 91. تکمیل زنجیره ارزش در توسعه مدل‌های هوش مصنوعی
  • 92. مدیریت چرخه عمر مدل‌های هوش مصنوعی
  • 93. نکات پیشرفته در ارزیابی مدل‌های پیچیده
  • 94. مقایسه عملی معیارهای ارزیابی در سناریوهای مختلف
  • 95. مطالعه موردی: ارزیابی مدل طبقه‌بندی تصویر
  • 96. مطالعه موردی: ارزیابی مدل پیش‌بینی قیمت
  • 97. مطالعه موردی: ارزیابی مدل تشخیص تقلب
  • 98. مطالعه موردی: ارزیابی مدل توصیه‌گر
  • 99. جمع‌بندی و گام‌های آتی در ارزیابی 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.