سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای شبکه‌های عصبی در پردازش داده

کتاب مبانی و کاربردهای شبکه‌های عصبی در پردازش داده

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 و کاربردهای شبکه‌های عصبی در پردازش داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربردها و چشم‌انداز هوش مصنوعی
  • 5. مبانی شبکه‌های عصبی مصنوعی
  • 6. تاریخچه مختصر شبکه‌های عصبی
  • 7. نورون مصنوعی: مدل پایه
  • 8. توابع فعال‌سازی در شبکه‌های عصبی
  • 9. انواع توابع فعال‌سازی: سیگموئید، ReLU، تانژانت هیپربولیک
  • 10. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 11. ساختار لایه‌ای شبکه‌های عصبی
  • 12. لایه ورودی، لایه‌های پنهان، لایه خروجی
  • 13. انتشار پیشرو (Forward Propagation)
  • 14. محاسبه خروجی شبکه عصبی
  • 15. تابع هزینه (Loss Function)
  • 16. مفهوم خطا و نحوه اندازه‌گیری آن
  • 17. انتشار پسرو (Backpropagation)
  • 18. الگوریتم انتشار پسرو
  • 19. بهینه‌سازی پارامترها با گرادیان کاهشی
  • 20. نرخ یادگیری (Learning Rate)
  • 21. تنظیم نرخ یادگیری
  • 22. انواع گرادیان کاهشی: دسته‌ای، تصادفی، مینی-بچ
  • 23. بهینه‌سازها: Adam، RMSprop، SGD
  • 24. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 25. اعتبارسنجی متقابل (Cross-Validation)
  • 26. مشکل بیش‌برازش (Overfitting)
  • 27. مشکل کم‌برازش (Underfitting)
  • 28. تکنیک‌های منظم‌سازی (Regularization): L1، L2
  • 29. رهاسازی (Dropout)
  • 30. شبکه‌های عصبی کانولوشنال (CNN)
  • 31. مبانی CNN برای پردازش تصاویر
  • 32. لایه‌های کانولوشن (Convolutional Layers)
  • 33. فیلترها و کرنل‌ها در CNN
  • 34. لایه‌های پولینگ (Pooling Layers)
  • 35. انواع پولینگ: Max Pooling، Average Pooling
  • 36. معماری‌های معروف CNN: LeNet، AlexNet، VGG
  • 37. کاربرد CNN در تشخیص اشیاء
  • 38. کاربرد CNN در تقسیم‌بندی تصاویر (Image Segmentation)
  • 39. شبکه‌های عصبی بازگشتی (RNN)
  • 40. مبانی RNN برای داده‌های ترتیبی
  • 41. حافظه در شبکه‌های عصبی بازگشتی
  • 42. انتشار پسرو در زمان (Backpropagation Through Time - BPTT)
  • 43. مشکل محو شدگی گرادیان (Vanishing Gradient Problem)
  • 44. مشکل انفجار گرادیان (Exploding Gradient Problem)
  • 45. حافظه طولانی کوتاه مدت (LSTM)
  • 46. سلول LSTM و معماری آن
  • 47. گیت‌های ورودی، فراموشی و خروجی در LSTM
  • 48. شبکه واحد بازگشتی (GRU)
  • 49. مقایسه LSTM و GRU
  • 50. کاربرد RNN/LSTM/GRU در پردازش زبان طبیعی (NLP)
  • 51. ترجمه ماشینی
  • 52. مدل‌سازی زبان
  • 53. تولید متن
  • 54. تحلیل احساسات
  • 55. شبکه‌های مولد تخاصمی (GAN)
  • 56. مبانی GAN: مولد و ممیز
  • 57. آموزش GAN
  • 58. کاربرد GAN در تولید تصاویر
  • 59. یادگیری عمیق (Deep Learning)
  • 60. معماری‌های یادگیری عمیق
  • 61. یادگیری بازنمایی (Representation Learning)
  • 62. یادگیری سلسله مراتبی (Hierarchical Learning)
  • 63. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
  • 64. مقیاس‌بندی ویژگی‌ها (Feature Scaling)
  • 65. کدگذاری مقوله‌ای (Categorical Encoding)
  • 66. مدیریت داده‌های گمشده
  • 67. تکنیک‌های افزایش داده (Data Augmentation)
  • 68. ارزیابی مدل‌های شبکه‌های عصبی
  • 69. معیارهای ارزیابی: دقت، صحت، فراخوانی، امتیاز F1
  • 70. منحنی ROC و AUC
  • 71. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 72. کاربردهای پیشرفته شبکه‌های عصبی
  • 73. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 74. شبکه‌های توجه (Attention Mechanisms)
  • 75. پردازش زبان طبیعی با مکانیزم توجه
  • 76. شبکه‌های عصبی گراف (Graph Neural Networks - GNN)
  • 77. کاربرد GNN در شبکه‌های اجتماعی
  • 78. شبکه‌های عصبی برای داده‌های سری زمانی
  • 79. یادگیری انتقالی (Transfer Learning)
  • 80. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 81. ملاحظات اخلاقی در هوش مصنوعی
  • 82. سوگیری در داده‌ها و مدل‌ها
  • 83. شفافیت و تفسیرپذیری مدل‌ها
  • 84. امنیت و حریم خصوصی در هوش مصنوعی
  • 85. استانداردهای فنی و چارچوب‌های نظارتی
  • 86. کاربرد هوش مصنوعی در صنایع مختلف
  • 87. هوش مصنوعی در سلامت
  • 88. هوش مصنوعی در امور مالی
  • 89. هوش مصنوعی در حمل و نقل
  • 90. هوش مصنوعی در آموزش
  • 91. آینده شبکه‌های عصبی و هوش مصنوعی
  • 92. چالش‌های پیش رو و جهت‌گیری‌های تحقیقاتی
  • 93. پروژه عملی: پیاده‌سازی یک شبکه عصبی ساده
  • 94. انتخاب مجموعه داده مناسب
  • 95. آموزش و ارزیابی مدل
  • 96. نتیجه‌گیری و جمع‌بندی مباحث

📚 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.