سپنتا کتاب اکسپرس
کتاب یادگیری ماشین و یادگیری عمیق با PyTorch و Scikit-Learn در پایتون

کتاب یادگیری ماشین و یادگیری عمیق با PyTorch و Scikit-Learn در پایتون

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 یادگیری ماشین و یادگیری عمیق با PyTorch و Scikit-Learn در پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه مدل‌های یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر پایتون برای یادگیری ماشین
  • 8. نصب و راه‌اندازی محیط توسعه پایتون
  • 9. مبانی کتابخانه‌های NumPy و Pandas
  • 10. کار با داده‌ها با استفاده از Pandas
  • 11. پیش‌پردازش داده‌ها
  • 12. پاکسازی داده‌ها
  • 13. مقیاس‌بندی داده‌ها
  • 14. کدگذاری متغیرهای دسته‌ای
  • 15. انتخاب ویژگی
  • 16. مقدمه‌ای بر Scikit-Learn
  • 17. آشنایی با الگوریتم‌های طبقه‌بندی
  • 18. رگرسیون خطی
  • 19. رگرسیون لجستیک
  • 20. ماشین‌های بردار پشتیبان (SVM)
  • 21. درختان تصمیم
  • 22. جنگل‌های تصادفی
  • 23. الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 24. ارزیابی مدل‌های طبقه‌بندی
  • 25. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 26. دقت، صحت، بازیابی و امتیاز F1
  • 27. منحنی ROC و AUC
  • 28. آشنایی با الگوریتم‌های رگرسیون
  • 29. رگرسیون چندجمله‌ای
  • 30. رگرسیون Ridge و Lasso
  • 31. ارزیابی مدل‌های رگرسیون
  • 32. میانگین مربعات خطا (MSE)
  • 33. میانگین قدر مطلق خطا (MAE)
  • 34. ضریب تعیین (R-squared)
  • 35. مقدمه‌ای بر یادگیری عمیق
  • 36. شبکه‌های عصبی مصنوعی
  • 37. معماری شبکه‌های عصبی
  • 38. توابع فعال‌سازی
  • 39. پس‌انتشار خطا (Backpropagation)
  • 40. مقدمه‌ای بر PyTorch
  • 41. نصب و راه‌اندازی PyTorch
  • 42. مبانی تنسورها در PyTorch
  • 43. عملیات روی تنسورها
  • 44. محاسبات گرادیان در PyTorch
  • 45. ساخت مدل‌های یادگیری عمیق با PyTorch
  • 46. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 47. آموزش مدل‌های MLP
  • 48. بهینه‌سازها در PyTorch
  • 49. توابع زیان در PyTorch
  • 50. پیاده‌سازی شبکه‌های عصبی کانولوشنی (CNN)
  • 51. لایه‌های کانولوشن و Pooling
  • 52. کاربرد CNN در تشخیص تصویر
  • 53. پیاده‌سازی شبکه‌های عصبی بازگشتی (RNN)
  • 54. لایه‌های LSTM و GRU
  • 55. کاربرد RNN در پردازش زبان طبیعی
  • 56. تکنیک‌های تنظیم مدل
  • 57. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 58. اعتبارسنجی متقابل (Cross-validation)
  • 59. کاهش بیش‌برازش (Overfitting)
  • 60. تنظیم زودهنگام (Early Stopping)
  • 61. تنظیم‌کننده‌ها (Regularization)
  • 62. تکنیک‌های افزایش داده (Data Augmentation)
  • 63. مدل‌های یادگیری تقویتی با PyTorch
  • 64. مقدمه‌ای بر یادگیری تقویتی
  • 65. عناصر یادگیری تقویتی
  • 66. یادگیری Q
  • 67. شبکه‌های Q عمیق (DQN)
  • 68. پیاده‌سازی DQN با PyTorch
  • 69. کاربردها و پروژه‌های عملی
  • 70. ساخت سیستم توصیه‌گر
  • 71. تشخیص ناهنجاری
  • 72. پردازش و تحلیل متن
  • 73. تحلیل احساسات
  • 74. طبقه‌بندی تصاویر پزشکی
  • 75. پیش‌بینی قیمت سهام (با چارچوب مقرراتی)
  • 76. اخلاق در هوش مصنوعی
  • 77. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 78. شفافیت و قابلیت تفسیر مدل‌ها
  • 79. عدالت و عدم تبعیض در هوش مصنوعی
  • 80. امنیت و حریم خصوصی در هوش مصنوعی
  • 81. ملاحظات شرعی و قانونی در کاربرد هوش مصنوعی
  • 82. مباحث پیشرفته در یادگیری عمیق
  • 83. شبکه‌های مولد تخاصمی (GANs)
  • 84. انتقال یادگیری (Transfer Learning)
  • 85. شبکه‌های توجه (Attention Mechanisms)
  • 86. پردازش زبان طبیعی پیشرفته
  • 87. مدل‌های زبانی بزرگ (LLMs)
  • 88. کار با مدل‌های از پیش آموزش‌دیده
  • 89. تنظیم دقیق مدل‌های زبانی
  • 90. توسعه مدل‌های سفارشی با PyTorch
  • 91. بهینه‌سازی مدل‌ها برای استقرار
  • 92. استقرار مدل‌ها در محیط عملیاتی
  • 93. معرفی ابزارهای مدیریت چرخه عمر مدل (MLOps)
  • 94. آینده هوش مصنوعی و یادگیری ماشین
  • 95. روندهای جدید در پژوهش
  • 96. تاثیرات اجتماعی و اقتصادی هوش مصنوعی
  • 97. فرصت‌های شغلی در حوزه هوش مصنوعی
  • 98. آموزش مستمر و توسعه مهارت‌ها
  • 99. جمع‌بندی و گام‌های بعدی

📚 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.