سپنتا کتاب اکسپرس
کتاب کاوش عمیق در الگوریتم‌های یادگیری ماشین

کتاب کاوش عمیق در الگوریتم‌های یادگیری ماشین

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 کاوش عمیق در الگوریتم‌های یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: الگوریتم‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. آشنایی با مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 5. مهندسی ویژگی: انتخاب و ساخت ویژگی‌های جدید
  • 6. ارزیابی مدل‌ها: معیارهای دقت و خطا
  • 7. مدل‌های رگرسیون خطی
  • 8. رگرسیون چندگانه و ارزیابی آن
  • 9. رگرسیون لجستیک برای طبقه‌بندی
  • 10. متریک‌های ارزیابی طبقه‌بندی: دقت، صحت، بازیابی، امتیاز F1
  • 11. درخت تصمیم برای طبقه‌بندی و رگرسیون
  • 12. قوانین انجمنی و تحلیل سبد خرید
  • 13. الگوریتم K-نزدیک‌ترین همسایه (KNN)
  • 14. دسته‌بندی‌کننده‌های بیز ساده
  • 15. ماشین بردار پشتیبان (SVM) برای طبقه‌بندی خطی
  • 16. ماشین بردار پشتیبان (SVM) برای طبقه‌بندی غیرخطی
  • 17. کشف خوشه‌ها با K-Means
  • 18. خوشه‌بندی سلسله مراتبی
  • 19. تحلیل مولفه‌های اصلی (PCA) برای کاهش ابعاد
  • 20. تحلیل مولفه‌های مستقل (ICA)
  • 21. یادگیری عمیق: شبکه‌های عصبی مصنوعی
  • 22. معماری شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 23. تابع فعال‌سازی در شبکه‌های عصبی
  • 24. پس‌انتشار خطا (Backpropagation)
  • 25. بهینه‌سازی شبکه‌های عصبی: گرادیان کاهشی
  • 26. بهینه‌سازهای پیشرفته: Adam, RMSprop
  • 27. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 28. لایه‌های کانولوشن و پولینگ در CNN
  • 29. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 30. حافظه طولانی کوتاه مدت (LSTM)
  • 31. واحد بازگشتی دروازه‌ای (GRU)
  • 32. یادگیری تقویتی: مفاهیم اولیه
  • 33. عامل، محیط، پاداش و سیاست در یادگیری تقویتی
  • 34. یادگیری Q
  • 35. یادگیری Q عمیق (DQN)
  • 36. یادگیری سیاست گرادیان
  • 37. الگوریتم Actor-Critic
  • 38. متریک‌های ارزیابی مدل‌های یادگیری تقویتی
  • 39. مدل‌های آنسامبل: Bagging و Boosting
  • 40. جنگل تصادفی (Random Forest)
  • 41. تقویت گرادیان (Gradient Boosting)
  • 42. XGBoost و LightGBM
  • 43. یادگیری نیمه‌نظارت شده
  • 44. یادگیری انتقالی (Transfer Learning)
  • 45. مدل‌های مولد: شبکه‌های مولد تخاصمی (GAN)
  • 46. معماری GAN و فرآیند آموزش
  • 47. شبکه‌های خودرمزگذار (Autoencoders)
  • 48. کاربردهای خودرمزگذارها: کاهش ابعاد و تولید داده
  • 49. پردازش زبان طبیعی (NLP)
  • 50. مدل‌های زبانی مبتنی بر آماره
  • 51. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 52. تعبیه‌های کلمه (Word Embeddings): Word2Vec, GloVe
  • 53. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 54. مکانیزم توجه (Attention Mechanism)
  • 55. کاربردهای ترنسفورمر در NLP: ترجمه ماشینی
  • 56. تشخیص موجودیت نام‌گذاری شده (NER)
  • 57. تحلیل احساسات
  • 58. مدل‌های گراف عصبی (GNN)
  • 59. کاربردهای GNN در شبکه‌های اجتماعی و کشف دارو
  • 60. یادگیری ناظر (Semi-Supervised Learning)
  • 61. یادگیری تقویتی از بازخورد انسانی (RLHF)
  • 62. ریاضیات پشت یادگیری ماشین: جبر خطی
  • 63. ریاضیات پشت یادگیری ماشین: حساب دیفرانسیل و انتگرال
  • 64. ریاضیات پشت یادگیری ماشین: نظریه احتمال و آمار
  • 65. مقدمه‌ای بر آمار بیزی
  • 66. شبکه‌های بیزی
  • 67. مدل‌های مارکوف مخفی (HMM)
  • 68. یادگیری ماشین در عمل: جمع‌آوری و آماده‌سازی داده
  • 69. انتخاب معماری مدل مناسب
  • 70. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 71. اعتبارسنجی متقابل (Cross-validation)
  • 72. ملاحظات اخلاقی در هوش مصنوعی
  • 73. سوگیری در داده‌ها و الگوریتم‌ها
  • 74. حریم خصوصی و امنیت در یادگیری ماشین
  • 75. تفسیرپذیری مدل‌های یادگیری ماشین
  • 76. هوش مصنوعی قابل توضیح (XAI)
  • 77. کاربرد یادگیری ماشین در پزشکی
  • 78. کاربرد یادگیری ماشین در امور مالی
  • 79. کاربرد یادگیری ماشین در تجارت الکترونیک
  • 80. کاربرد یادگیری ماشین در حمل و نقل هوشمند
  • 81. کاربرد یادگیری ماشین در کشاورزی دقیق
  • 82. کاربرد یادگیری ماشین در پیش‌بینی آب و هوا
  • 83. کاربرد یادگیری ماشین در رباتیک
  • 84. کاربرد یادگیری ماشین در بازی‌ها
  • 85. یادگیری ماشین کم‌مصرف (Few-Shot Learning)
  • 86. یادگیری ماشین در زمان واقعی (Real-time Machine Learning)
  • 87. کاربرد یادگیری ماشین در امنیت سایبری
  • 88. کاربرد یادگیری ماشین در تشخیص تقلب
  • 89. کاربرد یادگیری ماشین در بهینه‌سازی فرآیندها
  • 90. یادگیری ماشین برای سیستم‌های توصیه‌گر
  • 91. آخرین روندها در یادگیری ماشین
  • 92. آینده هوش مصنوعی و یادگیری ماشین
  • 93. مقدمه‌ای بر یادگیری ماشین کوانتومی (اختیاری)
  • 94. مقایسه الگوریتم‌های مختلف برای وظایف خاص
  • 95. پیاده‌سازی الگوریتم‌ها با کتابخانه‌های رایج (مانند Scikit-learn)
  • 96. پیاده‌سازی شبکه‌های عصبی با TensorFlow و PyTorch
  • 97. کار با داده‌های حجیم (Big Data) و یادگیری ماشین
  • 98. اصول اخلاقی در توسعه و به‌کارگیری هوش مصنوعی
  • 99. مدیریت چرخه عمر مدل‌های یادگیری ماشین
  • 100. چالش‌های پیاده‌سازی یادگیری ماشین در صنعت

📚 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.