کتاب مبانی جامع شبکه‌های عصبی: از مدل‌های پایه تا کاربردهای پیشرفته

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 جامع شبکه‌های عصبی: از مدل‌های پایه تا کاربردهای پیشرفته

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی شبکه‌های عصبی مصنوعی
  • 3. تاریخچه شبکه‌های عصبی
  • 4. انواع شبکه‌های عصبی
  • 5. مدل پرسپترون تک لایه
  • 6. آموزش پرسپترون
  • 7. محدودیت‌های پرسپترون
  • 8. شبکه‌های عصبی چند لایه
  • 9. توابع فعال‌سازی
  • 10. پس‌انتشار خطا (Backpropagation)
  • 11. بهینه‌سازی پارامترها
  • 12. گرادیان کاهشی
  • 13. نرخ یادگیری
  • 14. مومنتوم در گرادیان کاهشی
  • 15. بهینه‌سازهای تطبیقی (Adam, RMSprop)
  • 16. تنظیمات هایپرپارامترها
  • 17. تنظیم‌گری (Regularization)
  • 18. روش‌های کاهش بیش‌برازش (Overfitting)
  • 19. شبکه‌های عصبی کانولوشنی (CNN)
  • 20. ساختار لایه‌های کانولوشن
  • 21. لایه‌های پولینگ (Pooling)
  • 22. کاربردهای CNN در بینایی ماشین
  • 23. شبکه‌های عصبی بازگشتی (RNN)
  • 24. حافظه در RNN
  • 25. کاربرد RNN در پردازش زبان طبیعی
  • 26. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 27. واحد گیت در LSTM
  • 28. شبکه‌های حافظه واحد (GRU)
  • 29. شبکه‌های مولد تخاصمی (GAN)
  • 30. معماری GAN
  • 31. کاربرد GAN در تولید داده
  • 32. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 33. مکانیزم توجه (Attention Mechanism)
  • 34. کاربرد ترنسفورمر در NLP
  • 35. شبکه‌های عصبی گراف (GNN)
  • 36. کاربرد GNN در داده‌های ساختاریافته
  • 37. یادگیری تقویتی (Reinforcement Learning)
  • 38. عناصر یادگیری تقویتی
  • 39. یادگیری Q (Q-Learning)
  • 40. یادگیری عمیق تقویتی (Deep RL)
  • 41. کاربرد یادگیری تقویتی
  • 42. شبکه‌های عصبی در پردازش سیگنال
  • 43. شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 44. شبکه‌های عصبی در تشخیص ناهنجاری
  • 45. شبکه‌های عصبی در تحلیل سری‌های زمانی
  • 46. شبکه‌های عصبی در رباتیک
  • 47. شبکه‌های عصبی در پزشکی و سلامت
  • 48. شبکه‌های عصبی در حوزه مالی
  • 49. شبکه‌های عصبی در سیستم‌های تشخیص گفتار
  • 50. شبکه‌های عصبی در ترجمه ماشینی
  • 51. شبکه‌های عصبی در تولید متن
  • 52. شبکه‌های عصبی در تحلیل احساسات
  • 53. شبکه‌های عصبی در بازی‌ها
  • 54. اصول اخلاقی در هوش مصنوعی
  • 55. حریم خصوصی و داده‌ها در هوش مصنوعی
  • 56. تفسیرپذیری مدل‌های هوش مصنوعی
  • 57. سوگیری در مدل‌های هوش مصنوعی
  • 58. مدل‌های هوش مصنوعی شفاف
  • 59. کاربرد هوش مصنوعی در صنعت
  • 60. کاربرد هوش مصنوعی در کشاورزی
  • 61. کاربرد هوش مصنوعی در آموزش
  • 62. کاربرد هوش مصنوعی در حمل و نقل
  • 63. کاربرد هوش مصنوعی در خدمات شهری
  • 64. کاربرد هوش مصنوعی در پژوهش علمی
  • 65. مبانی یادگیری عمیق
  • 66. تفاوت یادگیری عمیق و یادگیری ماشین
  • 67. معماری‌های یادگیری عمیق
  • 68. چالش‌های یادگیری عمیق
  • 69. آینده یادگیری عمیق
  • 70. مباحث پیشرفته در شبکه‌های عصبی
  • 71. شبکه‌های عصبی عمیق عمیق‌تر
  • 72. شبکه‌های عصبی توزیع‌شده
  • 73. یادگیری انتقالی (Transfer Learning)
  • 74. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 75. یادگیری خودنظارتی (Self-supervised Learning)
  • 76. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
  • 77. یادگیری فدرال (Federated Learning)
  • 78. شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
  • 79. معماری‌های الهام گرفته از مغز
  • 80. مدل‌های عصبی مولد پیشرفته
  • 81. شبکه‌های عصبی با حافظه خارجی
  • 82. شبکه‌های عصبی با استدلال نمادین
  • 83. شبکه‌های عصبی برای ربات‌های خودمختار
  • 84. شبکه‌های عصبی برای سلامت روان
  • 85. شبکه‌های عصبی برای کشف دارو
  • 86. شبکه‌های عصبی برای پیش‌بینی آب و هوا
  • 87. شبکه‌های عصبی برای مدیریت انرژی
  • 88. شبکه‌های عصبی برای بهینه‌سازی منابع
  • 89. شبکه‌های عصبی برای امنیت سایبری
  • 90. شبکه‌های عصبی برای کشف علمی
  • 91. شبکه‌های عصبی برای تعامل انسان و کامپیوتر
  • 92. شبکه‌های عصبی برای واقعیت افزوده
  • 93. شبکه‌های عصبی برای واقعیت مجازی
  • 94. شبکه‌های عصبی برای شهرهای هوشمند
  • 95. شبکه‌های عصبی برای کشاورزی هوشمند
  • 96. شبکه‌های عصبی برای آموزش شخصی‌سازی شده
  • 97. شبکه‌های عصبی برای خدمات بانکی هوشمند
  • 98. شبکه‌های عصبی برای نظام سلامت دیجیتال
  • 99. شبکه‌های عصبی برای پایش محیط زیست
  • 100. شبکه‌های عصبی برای بهینه‌سازی زنجیره تامین

📚 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.