سپنتا کتاب اکسپرس
کتاب COMA: پیاده‌سازی عملی با استفاده از فریم‌ورک‌های یادگیری عمیق

کتاب COMA: پیاده‌سازی عملی با استفاده از فریم‌ورک‌های 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 COMA: پیاده‌سازی عملی با استفاده از فریم‌ورک‌های یادگیری عمیق

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: COMA (Counterfactual Multi-Agent Policy Gradient)

📋 سرفصل‌های دوره

  • 1. مقدمات و آشنایی با یادگیری عمیق
  • 2. مفاهیم پایه شبکه‌های عصبی مصنوعی
  • 3. تابع فعال‌سازی و نقش آن در شبکه‌های عصبی
  • 4. تابع هزینه و روش‌های بهینه‌سازی
  • 5. نشر پیش‌رو و پس‌رو در شبکه‌های عصبی
  • 6. آموزش شبکه‌های عصبی: گرادیان کاهشی
  • 7. بهینه‌سازها: SGD، Adam، RMSprop
  • 8. تنظیم نرخ یادگیری و زمان‌بندی آن
  • 9. تنظیم پارامترهای شبکه‌های عصبی
  • 10. مدیریت بیش‌برازش (Overfitting) با روش‌های تنظیم (Regularization)
  • 11. روش‌های منظم‌سازی: L1 و L2
  • 12. انصراف (Dropout) و کاربرد آن
  • 13. افزایش داده (Data Augmentation) برای بهبود عملکرد
  • 14. شبکه‌های عصبی کانولوشنال (CNN)
  • 15. معماری CNN: لایه‌های کانولوشن، پولینگ، و تماماً متصل
  • 16. کاربرد CNN در تشخیص تصویر
  • 17. شبکه‌های عصبی بازگشتی (RNN)
  • 18. معماری RNN: سلول‌های ساده و حافظه بلند-کوتاه مدت (LSTM)
  • 19. کاربرد RNN در پردازش زبان طبیعی
  • 20. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 21. معماری ترنسفورمر: مکانیزم توجه (Attention)
  • 22. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 23. فریم‌ورک‌های یادگیری عمیق: TensorFlow
  • 24. نصب و پیکربندی TensorFlow
  • 25. ساخت مدل‌های پایه با TensorFlow
  • 26. آموزش و ارزیابی مدل‌ها در TensorFlow
  • 27. مدیریت داده‌ها و بارگذاری آن‌ها در TensorFlow
  • 28. فریم‌ورک‌های یادگیری عمیق: PyTorch
  • 29. نصب و پیکربندی PyTorch
  • 30. ساخت مدل‌های پایه با PyTorch
  • 31. آموزش و ارزیابی مدل‌ها در PyTorch
  • 32. مدیریت داده‌ها و بارگذاری آن‌ها در PyTorch
  • 33. مقایسه TensorFlow و PyTorch
  • 34. پیاده‌سازی CNN با TensorFlow/Keras
  • 35. پیاده‌سازی CNN با PyTorch
  • 36. پیاده‌سازی RNN/LSTM با TensorFlow/Keras
  • 37. پیاده‌سازی RNN/LSTM با PyTorch
  • 38. پیاده‌سازی ترنسفورمر با TensorFlow/Keras
  • 39. پیاده‌سازی ترنسفورمر با PyTorch
  • 40. بهینه‌سازی مدل‌های یادگیری عمیق
  • 41. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 42. جستجوی شبکه‌ای (Grid Search) و جستجوی تصادفی (Random Search)
  • 43. تکنیک‌های پیشرفته تنظیم ابرپارامترها
  • 44. ارزیابی مدل‌ها: معیارهای دقت، فراخوانی، F1-Score
  • 45. منحنی ROC و AUC
  • 46. تفسیرپذیری مدل‌های یادگیری عمیق
  • 47. روش‌های توضیح پیش‌بینی‌ها (Explainable AI)
  • 48. تجسم‌سازی لایه‌های CNN
  • 49. تجسم‌سازی فعال‌سازی‌ها
  • 50. کاربرد یادگیری عمیق در بینایی ماشین
  • 51. تشخیص اشیاء (Object Detection)
  • 52. تقسیم‌بندی معنایی (Semantic Segmentation)
  • 53. تشخیص چهره و کاربردهای آن
  • 54. کاربرد یادگیری عمیق در پردازش زبان طبیعی
  • 55. تحلیل احساسات (Sentiment Analysis)
  • 56. ترجمه ماشینی (Machine Translation)
  • 57. تولید متن (Text Generation)
  • 58. خلاصه‌سازی متن (Text Summarization)
  • 59. سیستم‌های توصیه‌گر (Recommender Systems)
  • 60. توصیه‌گرهای مبتنی بر فیلترینگ مشارکتی
  • 61. توصیه‌گرهای مبتنی بر محتوا
  • 62. توصیه‌گرهای ترکیبی
  • 63. کاربرد یادگیری عمیق در داده‌های سری زمانی
  • 64. پیش‌بینی سری‌های زمانی
  • 65. شناسایی ناهنجاری در سری‌های زمانی
  • 66. کاربرد یادگیری عمیق در یادگیری تقویتی
  • 67. مقدمات یادگیری تقویتی
  • 68. الگوریتم‌های یادگیری تقویتی پایه
  • 69. پیاده‌سازی یادگیری تقویتی با فریم‌ورک‌ها
  • 70. یادگیری عمیق و اخلاق
  • 71. سوگیری در داده‌ها و مدل‌ها
  • 72. روش‌های کاهش سوگیری
  • 73. حریم خصوصی در مدل‌های یادگیری عمیق
  • 74. امنیت مدل‌های یادگیری عمیق
  • 75. حملات متخاصم (Adversarial Attacks)
  • 76. روش‌های دفاع در برابر حملات متخاصم
  • 77. استقرار مدل‌های یادگیری عمیق
  • 78. استقرار در محیط‌های ابری
  • 79. استقرار بر روی دستگاه‌های لبه (Edge Devices)
  • 80. پایپ‌لاین‌های MLOps
  • 81. مدیریت چرخه عمر مدل
  • 82. مانیتورینگ مدل‌های مستقر شده
  • 83. به‌روزرسانی مدل‌ها
  • 84. یادگیری انتقالی (Transfer Learning)
  • 85. استفاده از مدل‌های از پیش آموزش‌دیده
  • 86. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 87. کاربرد یادگیری انتقالی در حوزه‌های مختلف
  • 88. یادگیری خود نظارت (Self-Supervised Learning)
  • 89. روش‌های یادگیری خود نظارت
  • 90. کاربرد یادگیری خود نظارت
  • 91. یادگیری فدرال (Federated Learning)
  • 92. مفاهیم و معماری یادگیری فدرال
  • 93. کاربرد یادگیری فدرال
  • 94. موضوعات پیشرفته در یادگیری عمیق
  • 95. شبکه‌های مولد تخاصمی (GANs)
  • 96. کاربرد GANs در تولید تصویر
  • 97. شبکه‌های خودرمزگذار (Autoencoders)
  • 98. کاربرد Autoencoders برای کاهش ابعاد و تولید داده
  • 99. مدل‌های گراف عصبی (Graph Neural Networks)
  • 100. کاربرد GNNs در داده‌های ساختاریافته گراف

📚 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.