سپنتا کتاب اکسپرس
کتاب مبانی هوش مصنوعی: رویکردی کاربردی برای توسعه‌دهندگان

کتاب مبانی هوش مصنوعی: رویکردی کاربردی برای توسعه‌دهندگان

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 مبانی هوش مصنوعی: رویکردی کاربردی برای توسعه‌دهندگان

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مبانی هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و کاربردهای آن
  • 2. تاریخچه مختصری از هوش مصنوعی
  • 3. مفاهیم پایه در هوش مصنوعی
  • 4. یادگیری ماشین: تعاریف و انواع
  • 5. یادگیری نظارت شده: رگرسیون
  • 6. یادگیری نظارت شده: طبقه‌بندی
  • 7. یادگیری بدون نظارت: خوشه‌بندی
  • 8. یادگیری بدون نظارت: کاهش ابعاد
  • 9. یادگیری تقویتی: اصول اولیه
  • 10. شبکه‌های عصبی مصنوعی: ساختار پایه
  • 11. توابع فعال‌سازی در شبکه‌های عصبی
  • 12. پس‌انتشار خطا (Backpropagation)
  • 13. یادگیری عمیق: مقدمه
  • 14. شبکه‌های عصبی کانولوشنی (CNN)
  • 15. کاربرد CNN در پردازش تصویر
  • 16. شبکه‌های عصبی بازگشتی (RNN)
  • 17. کاربرد RNN در پردازش زبان طبیعی
  • 18. حافظه طولانی کوتاه‌مدت (LSTM)
  • 19. واحد بازگشتی دروازه‌ای (GRU)
  • 20. یادگیری نظارت نشده عمیق
  • 21. خودرمزگذارها (Autoencoders)
  • 22. شبکه‌های مولد تخاصمی (GANs)
  • 23. مبانی پردازش زبان طبیعی (NLP)
  • 24. توکن‌سازی و نرمال‌سازی متن
  • 25. مدل‌های زبانی آماری
  • 26. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 27. ترجمه ماشینی عصبی
  • 28. خلاصه‌سازی متن با هوش مصنوعی
  • 29. تحلیل احساسات در متن
  • 30. سیستم‌های توصیه‌گر
  • 31. فیلترینگ مشارکتی
  • 32. فیلترینگ مبتنی بر محتوا
  • 33. مبانی یادگیری تقویتی عمیق
  • 34. فرایندهای تصمیم‌گیری مارکوف (MDP)
  • 35. الگوریتم‌های یادگیری تقویتی
  • 36. یادگیری Q (Q-Learning)
  • 37. یادگیری عمیق Q شبکه (DQN)
  • 38. یادگیری سیاست گرادیان (Policy Gradient)
  • 39. کاربردهای هوش مصنوعی در صنعت
  • 40. هوش مصنوعی در سلامت و پزشکی
  • 41. هوش مصنوعی در امور مالی و بانکی
  • 42. هوش مصنوعی در کشاورزی
  • 43. هوش مصنوعی در حمل و نقل
  • 44. هوش مصنوعی در آموزش
  • 45. اخلاق در هوش مصنوعی
  • 46. سوگیری در الگوریتم‌های هوش مصنوعی
  • 47. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
  • 48. شفافیت و تفسیرپذیری مدل‌های هوش مصنوعی
  • 49. مطالعه موردی: سیستم‌های توصیه‌گر در فروشگاه‌های آنلاین
  • 50. مطالعه موردی: کاربرد CNN در تشخیص بیماری‌ها
  • 51. مطالعه موردی: کاربرد RNN در چت‌بات‌های هوشمند
  • 52. مطالعه موردی: کاربرد GANs در تولید تصاویر
  • 53. مبانی برنامه‌نویسی برای هوش مصنوعی
  • 54. زبان پایتون برای هوش مصنوعی
  • 55. کتابخانه‌های کلیدی: NumPy و Pandas
  • 56. کتابخانه‌های یادگیری ماشین: Scikit-learn
  • 57. کتابخانه‌های یادگیری عمیق: TensorFlow
  • 58. کتابخانه‌های یادگیری عمیق: PyTorch
  • 59. پیاده‌سازی مدل‌های یادگیری نظارت شده
  • 60. پیاده‌سازی مدل‌های یادگیری بدون نظارت
  • 61. پیاده‌سازی مدل‌های یادگیری تقویتی
  • 62. ارزیابی مدل‌های هوش مصنوعی
  • 63. معیارهای ارزیابی برای رگرسیون
  • 64. معیارهای ارزیابی برای طبقه‌بندی
  • 65. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 66. مهندسی ویژگی (Feature Engineering)
  • 67. انتخاب ویژگی (Feature Selection)
  • 68. کاهش ابعاد با PCA
  • 69. کاهش ابعاد با t-SNE
  • 70. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 71. شبکه‌های عصبی پیچشی (Convolutional Neural Networks)
  • 72. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
  • 73. یادگیری انتقالی (Transfer Learning)
  • 74. یادگیری چندوظیفه‌ای (Multi-Task Learning)
  • 75. مدل‌های گراف عصبی (Graph Neural Networks)
  • 76. پردازش تصویر پیشرفته با هوش مصنوعی
  • 77. تشخیص اشیاء در تصاویر
  • 78. تقسیم‌بندی تصویر (Image Segmentation)
  • 79. تولید متن از تصاویر (Image Captioning)
  • 80. پردازش گفتار با هوش مصنوعی
  • 81. تشخیص گفتار
  • 82. تولید گفتار
  • 83. پردازش زبان طبیعی پیشرفته
  • 84. مدل‌های ترنسفورمر (Transformer Models)
  • 85. یادگیری تقویتی پیشرفته
  • 86. یادگیری تقویتی عمیق در رباتیک
  • 87. هوش مصنوعی مولد (Generative AI)
  • 88. کاربردهای هوش مصنوعی در تحلیل داده‌های کلان
  • 89. استقرار مدل‌های هوش مصنوعی در محیط عملیاتی
  • 90. مقدمه‌ای بر مهندسی داده برای هوش مصنوعی
  • 91. مبانی یادگیری عمیق برای پردازش سیگنال
  • 92. سیستم‌های هوش مصنوعی توزیع شده
  • 93. روش‌های بهینه‌سازی در یادگیری عمیق
  • 94. حساب دیفرانسیل و انتگرال برای یادگیری ماشین
  • 95. جبر خطی برای یادگیری ماشین
  • 96. احتمالات و آمار برای هوش مصنوعی
  • 97. یادگیری فعال (Active Learning)
  • 98. یادگیری نیمه‌نظارت شده (Semi-Supervised Learning)
  • 99. یادگیری خودران (Self-Supervised Learning)
  • 100. مقدمه‌ای بر هوش مصنوعیExplainable AI (XAI)

📚 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.