سپنتا کتاب اکسپرس
کتاب تشخیص ناهنجاری (Anomaly Detection) با یادگیری عمیق

کتاب تشخیص ناهنجاری (Anomaly Detection) با یادگیری عمیق

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 تشخیص ناهنجاری (Anomaly Detection) با یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تشخیص ناهنجاری
  • 2. مفاهیم کلیدی در تشخیص ناهنجاری
  • 3. انواع ناهنجاری‌ها
  • 4. کاربرد‌های تشخیص ناهنجاری
  • 5. روش‌های آماری سنتی برای تشخیص ناهنجاری
  • 6. مقدمه‌ای بر یادگیری ماشین
  • 7. یادگیری نظارت شده و بدون نظارت
  • 8. مقدمه‌ای بر یادگیری عمیق
  • 9. شبکه‌های عصبی مصنوعی
  • 10. شبکه‌های عصبی کانولوشنال (CNN)
  • 11. شبکه‌های عصبی بازگشتی (RNN)
  • 12. شبکه‌های مولد تخاصمی (GAN)
  • 13. شبکه‌های خودرمزگذار (Autoencoder)
  • 14. خودرمزگذارهای متغیر (VAE)
  • 15. کاربرد CNN در تشخیص ناهنجاری
  • 16. کاربرد RNN در تشخیص ناهنجاری
  • 17. کاربرد GAN در تشخیص ناهنجاری
  • 18. کاربرد Autoencoder در تشخیص ناهنجاری
  • 19. کاربرد VAE در تشخیص ناهنجاری
  • 20. پیش‌پردازش داده‌ها برای تشخیص ناهنجاری
  • 21. استانداردسازی و نرمال‌سازی داده‌ها
  • 22. مدیریت داده‌های پرت (Outliers)
  • 23. مهندسی ویژگی در تشخیص ناهنجاری
  • 24. انتخاب ویژگی
  • 25. کاهش ابعاد
  • 26. تحلیل مولفه‌های اصلی (PCA)
  • 27. توزیع یکنواخت (Uniform Distribution)
  • 28. توزیع نرمال (Normal Distribution)
  • 29. قضیه حد مرکزی
  • 30. آزمون فرض آماری
  • 31. خطای نوع اول و دوم
  • 32. سطح معنی‌داری (Significance Level)
  • 33. مقدار p (p-value)
  • 34. روش‌های مبتنی بر فاصله (Distance-based Methods)
  • 35. K-نزدیک‌ترین همسایه (K-NN)
  • 36. فاصله اقلیدسی
  • 37. فاصله منهتن
  • 38. روش‌های مبتنی بر چگالی (Density-based Methods)
  • 39. DBSCAN
  • 40. LOF (Local Outlier Factor)
  • 41. روش‌های مبتنی بر مدل (Model-based Methods)
  • 42. رگرسیون لجستیک
  • 43. ماشین بردار پشتیبان (SVM)
  • 44. درخت تصمیم
  • 45. جنگل تصادفی (Random Forest)
  • 46. مقدمه‌ای بر یادگیری عمیق برای تشخیص ناهنجاری
  • 47. شبکه‌های عصبی چندلایه (MLP)
  • 48. آموزش شبکه‌های عصبی
  • 49. تابع زیان (Loss Function)
  • 50. بهینه‌سازها (Optimizers)
  • 51. نرخ یادگیری (Learning Rate)
  • 52. پس‌انتشار خطا (Backpropagation)
  • 53. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 54. اعتبارسنجی متقابل (Cross-validation)
  • 55. معیارهای ارزیابی در تشخیص ناهنجاری
  • 56. دقت (Accuracy)
  • 57. صحت (Precision)
  • 58. بازیابی (Recall)
  • 59. امتیاز F1 (F1-Score)
  • 60. منحنی ROC و AUC
  • 61. تشخیص ناهنجاری در داده‌های سری زمانی
  • 62. ویژگی‌های داده‌های سری زمانی
  • 63. مدل‌های ARIMA
  • 64. مدل‌های LSTM برای سری زمانی
  • 65. مدل‌های CNN-LSTM
  • 66. تشخیص ناهنجاری در داده‌های تصویری
  • 67. پیش‌پردازش تصاویر
  • 68. CNN برای تشخیص ناهنجاری تصویری
  • 69. Autoencoder برای تشخیص ناهنجاری تصویری
  • 70. GAN برای تولید تصاویر ناهنجار
  • 71. تشخیص ناهنجاری در داده‌های متنی
  • 72. پیش‌پردازش متن
  • 73. مدل‌های Embedding متن
  • 74. RNN و LSTM برای متن
  • 75. تشخیص ناهنجاری در داده‌های شبکه‌ای
  • 76. مدل‌سازی گراف
  • 77. GNN (Graph Neural Networks)
  • 78. تشخیص ناهنجاری در سیستم‌های توصیه‌گر
  • 79. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 80. روش‌های فیلترینگ مشارکتی
  • 81. روش‌های مبتنی بر محتوا
  • 82. تشخیص ناهنجاری در داده‌های کلان
  • 83. چالش‌های داده‌های کلان
  • 84. ابزارهای پردازش داده‌های کلان
  • 85. تشخیص ناهنجاری در داده‌های ابری (IoT)
  • 86. معماری سیستم‌های IoT
  • 87. چالش‌های امنیتی در IoT
  • 88. مقدمه‌ای بر یادگیری عمیق قابل تفسیر (XAI)
  • 89. تکنیک‌های XAI
  • 90. تفسیر مدل‌های تشخیص ناهنجاری
  • 91. ملاحظات اخلاقی در تشخیص ناهنجاری
  • 92. حریم خصوصی داده‌ها
  • 93. سوگیری در مدل‌ها
  • 94. کاربرد تشخیص ناهنجاری در صنعت
  • 95. تشخیص ناهنجاری در تشخیص پزشکی
  • 96. تشخیص ناهنجاری در سیستم‌های مالی
  • 97. تشخیص ناهنجاری در تشخیص تقلب
  • 98. تشخیص ناهنجاری در نگهداری پیش‌بینانه
  • 99. تشخیص ناهنجاری در امنیت سایبری
  • 100. پروژه‌های عملی در تشخیص ناهنجاری

📚 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.