کتاب مبانی هوش مصنوعی و یادگیری ماشین برای برنامه‌نویسان با 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 مبانی هوش مصنوعی و یادگیری ماشین برای برنامه‌نویسان با پایتون

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین برای برنامه‌نویسان

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. کاربرد هوش مصنوعی در دنیای امروز
  • 3. تاریخچه مختصری از هوش مصنوعی
  • 4. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 5. نصب و راه‌اندازی محیط توسعه پایتون
  • 6. آشنایی با کتابخانه‌های کلیدی: NumPy و Pandas
  • 7. کار با داده‌های عددی با NumPy
  • 8. دستکاری و تحلیل داده‌ها با Pandas
  • 9. مقدمه‌ای بر علم داده
  • 10. مفهوم متغیرها و انواع داده در پایتون
  • 11. ساختار داده‌ها در پایتون: لیست‌ها، تاپل‌ها، دیکشنری‌ها
  • 12. کنترل جریان برنامه: شرط‌ها و حلقه‌ها
  • 13. توابع در پایتون
  • 14. مقدمه‌ای بر مفاهیم شی‌گرایی
  • 15. کلاس‌ها و اشیاء در پایتون
  • 16. مدیریت خطاها و استثناها
  • 17. کار با فایل‌ها در پایتون
  • 18. مقدمه‌ای بر یادگیری ماشین نظارت شده
  • 19. رگرسیون خطی ساده
  • 20. ارزیابی مدل‌های رگرسیون: MSE و R-squared
  • 21. رگرسیون خطی چندگانه
  • 22. پیش‌پردازش داده‌ها برای مدل‌های رگرسیون
  • 23. ناهمگنی واریانس و راه‌حل‌ها
  • 24. همبستگی و انتخاب ویژگی
  • 25. رگرسیون چندجمله‌ای
  • 26. منیفولد یادگیری (Manifold Learning)
  • 27. مقدمه‌ای بر طبقه‌بندی
  • 28. رگرسیون لجستیک
  • 29. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازیابی، F1-score
  • 30. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 31. دسته‌بندی‌کننده‌های درخت تصمیم
  • 32. تنظیم پارامترهای درخت تصمیم
  • 33. دسته‌بندی‌کننده‌های جنگل تصادفی
  • 34. مقدمه‌ای بر یادگیری ماشین بدون نظارت
  • 35. خوشه‌بندی K-Means
  • 36. انتخاب تعداد خوشه‌ها
  • 37. خوشه‌بندی سلسله مراتبی
  • 38. تحلیل مولفه‌های اصلی (PCA)
  • 39. کاربرد PCA در کاهش ابعاد
  • 40. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 41. نورون مصنوعی و تابع فعال‌سازی
  • 42. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 43. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 44. گرادیان کاهشی (Gradient Descent)
  • 45. بهینه‌سازها: Adam، RMSprop
  • 46. توابع هزینه (Loss Functions)
  • 47. تنظیم نرخ یادگیری
  • 48. تنظیم پارامترهای شبکه عصبی
  • 49. اعتبارسنجی متقابل (Cross-Validation)
  • 50. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 51. تکنیک‌های تنظیم (Regularization)
  • 52. حذف ویژگی (Feature Selection)
  • 53. انتقال یادگیری (Transfer Learning)
  • 54. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 55. توکن‌سازی و ریشه‌یابی کلمات
  • 56. مدل‌های زبانی
  • 57. استخراج ویژگی از متن: TF-IDF
  • 58. مدل‌های Bag-of-Words
  • 59. شبکه‌های عصبی بازگشتی (RNNs)
  • 60. حافظه طولانی کوتاه‌مدت (LSTM)
  • 61. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 62. کاربرد NLP در تحلیل احساسات
  • 63. سیستم‌های توصیه‌گر (Recommender Systems)
  • 64. فیلترینگ مبتنی بر محتوا
  • 65. فیلترینگ مشارکتی
  • 66. مقدمه‌ای بر یادگیری تقویتی
  • 67. عناصر یادگیری تقویتی: عامل، محیط، پاداش
  • 68. سیاست‌ها و ارزش‌ها در یادگیری تقویتی
  • 69. الگوریتم Q-Learning
  • 70. الگوریتم SARSA
  • 71. شبکه‌های عصبی عمیق برای یادگیری تقویتی (DQN)
  • 72. کاربرد یادگیری تقویتی در بازی‌ها
  • 73. کاربرد یادگیری تقویتی در رباتیک
  • 74. مقدمه‌ای بر بینایی ماشین
  • 75. پردازش تصویر
  • 76. تشخیص لبه
  • 77. تشخیص اشیاء
  • 78. شبکه‌های عصبی کانولوشنال (CNNs)
  • 79. معماری‌های معروف CNN: LeNet، AlexNet، VGG
  • 80. کاربرد CNN در طبقه‌بندی تصاویر
  • 81. مدل‌های تشخیص اشیاء: YOLO، Faster R-CNN
  • 82. مقدمه‌ای بر یادگیری عمیق
  • 83. تفاوت یادگیری عمیق و یادگیری ماشین سنتی
  • 84. معماری‌های پیشرفته شبکه‌های عصبی
  • 85. ترانسفورمرها (Transformers)
  • 86. کاربرد ترانسفورمرها در NLP
  • 87. کاربرد ترانسفورمرها در بینایی ماشین
  • 88. ملاحظات اخلاقی در هوش مصنوعی
  • 89. سوگیری در الگوریتم‌ها
  • 90. حریم خصوصی داده‌ها
  • 91. مسئولیت‌پذیری در هوش مصنوعی
  • 92. آینده هوش مصنوعی
  • 93. هوش مصنوعی عمومی (AGI)
  • 94. کاربرد هوش مصنوعی در پزشکی
  • 95. کاربرد هوش مصنوعی در مالی
  • 96. کاربرد هوش مصنوعی در حمل و نقل
  • 97. هوش مصنوعی و بازار کار
  • 98. آموزش مداوم در حوزه هوش مصنوعی
  • 99. پروژه‌های عملی یادگیری ماشین
  • 100. ساخت یک مدل پیش‌بینی ساده

📚 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.