سپنتا کتاب اکسپرس
کتاب مبانی نظری یادگیری ماشینی و ارزیابی مدل‌ها

کتاب مبانی نظری یادگیری ماشینی و ارزیابی مدل‌ها

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 نظری یادگیری ماشینی و ارزیابی مدل‌ها

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشینی
  • 2. مفهوم یادگیری نظارت شده
  • 3. یادگیری بدون نظارت
  • 4. یادگیری تقویتی
  • 5. انواع مسئله یادگیری
  • 6. مفهوم کلاس‌بندی
  • 7. مفهوم رگرسیون
  • 8. مفهوم خوشه‌بندی
  • 9. مفهوم انتخاب ویژگی
  • 10. یادگیری آماری
  • 11. مدل‌های آماری
  • 12. احتمال شرطی
  • 13. قضیه بیز
  • 14. استنتاج بیزی
  • 15. استنتاج حداکثر درستنمایی
  • 16. پیمانه‌های یادگیری
  • 17. مدل‌های خطی
  • 18. رگرسیون خطی
  • 19. رگرسیون لجستیک
  • 20. ماشین‌های بردار پشتیبان (SVM)
  • 21. هسته‌های SVM
  • 22. درخت‌های تصمیم
  • 23. قوانین استنتاج
  • 24. جنگل‌های تصادفی
  • 25. تقویت گرادیان
  • 26. مدل‌های پیش‌بینی کننده
  • 27. مدل‌های مولد
  • 28. مدل‌های تفکیکی
  • 29. مدل‌های آماری پنهان
  • 30. مدل‌های مارکوف پنهان
  • 31. یادگیری از روی داده‌های نامتوازن
  • 32. تکنیک‌های نمونه‌برداری
  • 33. تکنیک‌های تولید داده مصنوعی
  • 34. مفهوم بیش‌برازش (Overfitting)
  • 35. مفهوم کم‌برازش (Underfitting)
  • 36. اعتبارسنجی متقابل (Cross-validation)
  • 37. اعتبارسنجی K-fold
  • 38. اعتبارسنجی ترتیبی
  • 39. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 40. بهینه‌سازی فراپارامترها
  • 41. جستجوی تصادفی
  • 42. جستجوی شبکه‌ای
  • 43. مفهوم توابع هزینه (Loss Functions)
  • 44. خطای میانگین مربعات (MSE)
  • 45. خطای مطلق میانگین (MAE)
  • 46. آنتروپی متقاطع (Cross-entropy)
  • 47. تنظیم (Regularization)
  • 48. تنظیم L1 (Lasso)
  • 49. تنظیم L2 (Ridge)
  • 50. تکنیک‌های کاهش ابعاد
  • 51. تحلیل مولفه‌های اصلی (PCA)
  • 52. تجزیه مقادیر منفرد (SVD)
  • 53. نقشه‌برداری محلی خطی (LLE)
  • 54. یادگیری تبهنجاری (Anomaly Detection)
  • 55. روش‌های مبتنی بر فاصله
  • 56. روش‌های مبتنی بر چگالی
  • 57. روش‌های مبتنی بر مدل
  • 58. یادگیری تقویتی پیشرفته
  • 59. فرایند تصمیم‌گیری مارکوف (MDP)
  • 60. مقدار حالت (State Value)
  • 61. مقدار عمل (Action Value)
  • 62. سیاست (Policy)
  • 63. الگوریتم‌های یادگیری تقویتی
  • 64. یادگیری Q (Q-Learning)
  • 65. یادگیری SARSA
  • 66. یادگیری عمیق (Deep Learning)
  • 67. شبکه‌های عصبی مصنوعی
  • 68. شبکه‌های عصبی کانولوشنی (CNN)
  • 69. شبکه‌های عصبی بازگشتی (RNN)
  • 70. حافظه کوتاه‌مدت طولانی (LSTM)
  • 71. شبکه‌های مولد تخاصمی (GAN)
  • 72. پردازش زبان طبیعی (NLP)
  • 73. مدل‌های زبانی
  • 74. رمزگذاری کلمات (Word Embeddings)
  • 75. تحلیل احساسات
  • 76. ترجمه ماشینی
  • 77. خلاصه‌سازی متن
  • 78. سیستم‌های توصیه‌گر
  • 79. فیلترینگ مشارکتی
  • 80. فیلترینگ مبتنی بر محتوا
  • 81. یادگیری ترکیبی
  • 82. مبانی نظری یادگیری ماشینی
  • 83. نظریه اطلاعات
  • 84. آنتروپی
  • 85. اطلاعات متقابل
  • 86. پیچیدگی ولپرینک
  • 87. نظریه VC (Vapnik-Chervonenkis)
  • 88. ابعاد VC
  • 89. کلاس‌های قابل یادگیری
  • 90. حدود یادگیری
  • 91. یادگیری آماری با محدودیت
  • 92. یادگیری خوشه‌ای
  • 93. مدل‌های ترکیبی گوسی (GMM)
  • 94. الگوریتم K-Means
  • 95. مفهوم تعمیم‌پذیری (Generalization)
  • 96. خطای تعمیم
  • 97. ارزیابی عملکرد مدل
  • 98. معیارهای ارزیابی
  • 99. دقت (Accuracy)
  • 100. صحت (Precision)

📚 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.