کتاب راهنمای جامع مفاهیم پایه در هوش مصنوعی، شبکه‌های عصبی، یادگیری ماشین و علوم 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 راهنمای جامع مفاهیم پایه در هوش مصنوعی، شبکه‌های عصبی، یادگیری ماشین و علوم داده

موضوع کلی: هوش مصنوعی و علوم داده

موضوع میانی: مبانی هوش مصنوعی، شبکه‌های عصبی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه: هوش مصنوعی و علوم داده در ایران
  • 2. مبانی علوم داده: تعریف و دامنه
  • 3. چرخه حیات داده: از جمع‌آوری تا تحلیل
  • 4. انواع داده‌ها و ساختارهای داده
  • 5. پاکسازی و پیش‌پردازش داده‌ها
  • 6. آمار توصیفی برای علوم داده
  • 7. مفاهیم احتمال و توزیع‌ها
  • 8. استنتاج آماری و آزمون فرض
  • 9. مبانی یادگیری ماشین
  • 10. یادگیری نظارت‌شده: رگرسیون
  • 11. یادگیری نظارت‌شده: طبقه‌بندی
  • 12. ارزیابی مدل‌های یادگیری نظارت‌شده
  • 13. یادگیری نظارت‌نشده: خوشه‌بندی
  • 14. یادگیری نظارت‌نشده: کاهش ابعاد
  • 15. مقدمه‌ای بر شبکه‌های عصبی
  • 16. نورون مصنوعی و تابع فعال‌سازی
  • 17. شبکه‌های عصبی پیش‌خور (Feedforward)
  • 18. پس‌انتشار خطا (Backpropagation)
  • 19. بهینه‌سازی در شبکه‌های عصبی
  • 20. تنظیم هایپرپارامترها
  • 21. شبکه‌های عصبی کانولوشنی (CNN)
  • 22. شبکه‌های عصبی بازگشتی (RNN)
  • 23. حافظه طولانی کوتاه‌مدت (LSTM)
  • 24. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 25. مقدمه بر یادگیری عمیق
  • 26. کاربردهای یادگیری عمیق در پردازش تصویر
  • 27. کاربردهای یادگیری عمیق در پردازش زبان طبیعی
  • 28. مبانی یادگیری تقویتی
  • 29. الگوریتم‌های یادگیری تقویتی
  • 30. کاربردهای یادگیری تقویتی
  • 31. تفسیرپذیری در هوش مصنوعی (XAI)
  • 32. اخلاق در هوش مصنوعی و علوم داده
  • 33. سوگیری در داده‌ها و مدل‌ها
  • 34. حریم خصوصی و امنیت داده‌ها
  • 35. قوانین و مقررات مرتبط با هوش مصنوعی در ایران
  • 36. کاربرد هوش مصنوعی در صنایع ایران
  • 37. هوش مصنوعی در سلامت و پزشکی (مطابق پروتکل وزارت بهداشت)
  • 38. هوش مصنوعی در آموزش و پرورش
  • 39. هوش مصنوعی در کشاورزی
  • 40. هوش مصنوعی در حمل و نقل
  • 41. هوش مصنوعی در اقتصاد و بانکداری (بدون ربا)
  • 42. هوش مصنوعی در مدیریت شهری
  • 43. هوش مصنوعی در صنعت نفت و گاز
  • 44. هوش مصنوعی در فرهنگ و هنر (در چارچوب مجوزها)
  • 45. هوش مصنوعی در پژوهش و توسعه
  • 46. مبانی تحلیل داده‌های بزرگ (Big Data)
  • 47. معماری‌های پردازش داده‌های بزرگ
  • 48. ابزارهای تحلیل داده‌های بزرگ
  • 49. مقدمه‌ای بر یادگیری عمیق برای داده‌های جدولی
  • 50. شبکه‌های مولد تخاصمی (GANs)
  • 51. یادگیری انتقالی (Transfer Learning)
  • 52. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 53. یادگیری فدرال (Federated Learning)
  • 54. یادگیری خودنظارت‌شده (Self-supervised Learning)
  • 55. مقدمه بر مدل‌های زبانی بزرگ (LLMs)
  • 56. آموزش و تنظیم دقیق مدل‌های زبانی
  • 57. کاربردهای مدل‌های زبانی در تولید محتوا (سازگار)
  • 58. کاربردهای مدل‌های زبانی در خلاصه‌سازی متون
  • 59. کاربردهای مدل‌های زبانی در ترجمه ماشینی (سازگار)
  • 60. کاربردهای مدل‌های زبانی در پاسخگویی به سوالات
  • 61. مدل‌سازی پیش‌بینانه در علوم داده
  • 62. تکنیک‌های مهندسی ویژگی
  • 63. انتخاب ویژگی و کاهش ابعاد
  • 64. ارزیابی و اعتبارسنجی مدل‌ها
  • 65. نظارت بر عملکرد مدل در طول زمان
  • 66. مقدمه‌ای بر یادگیری عمیق توزیع‌شده
  • 67. معماری‌های شبکه‌های عصبی گراف (GNNs)
  • 68. کاربردهای شبکه‌های عصبی گراف
  • 69. مقدمه‌ای بر یادگیری عمیق برای داده‌های سری زمانی
  • 70. مدل‌سازی پیش‌بینی سری زمانی
  • 71. کاربردهای یادگیری عمیق در پیش‌بینی مالی (مطابق مقررات)
  • 72. هوش مصنوعی مولد در تولید تصاویر (سازگار)
  • 73. هوش مصنوعی مولد در تولید صدا (سازگار)
  • 74. مقدمه‌ای بر پردازش سیگنال با هوش مصنوعی
  • 75. کاربرد هوش مصنوعی در تشخیص الگو
  • 76. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 77. کاربرد هوش مصنوعی در سیستم‌های توصیه‌گر (سازگار)
  • 78. مبانی داده‌کاوی
  • 79. الگوریتم‌های یافتن قواعد وابستگی
  • 80. الگوریتم‌های طبقه‌بندی در داده‌کاوی
  • 81. الگوریتم‌های خوشه‌بندی در داده‌کاوی
  • 82. ارزیابی کیفیت داده‌ها
  • 83. تکنیک‌های بصری‌سازی داده‌ها
  • 84. بصری‌سازی تعاملی داده‌ها
  • 85. نقش هوش مصنوعی در تصمیم‌گیری سازمانی
  • 86. تجارت هوشمند با استفاده از هوش مصنوعی
  • 87. هوش مصنوعی و تحول دیجیتال در سازمان‌ها
  • 88. مبانی پیاده‌سازی پروژه‌های هوش مصنوعی
  • 89. مدیریت چرخه عمر مدل‌های هوش مصنوعی
  • 90. مستندسازی در پروژه‌های هوش مصنوعی
  • 91. کار تیمی در علوم داده
  • 92. مهارت‌های مورد نیاز متخصصان علوم داده
  • 93. آینده هوش مصنوعی و علوم داده در ایران
  • 94. چالش‌های پیاده‌سازی هوش مصنوعی در ایران
  • 95. فرصت‌های نوآوری در حوزه هوش مصنوعی
  • 96. جمع‌بندی: نگاه به آینده هوش مصنوعی و علوم داده

📚 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.