کتاب شبکه‌های عصبی بازگشتی (RNN) و حافظه بلندمدت (LSTM) در مدل‌سازی زبان

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 شبکه‌های عصبی بازگشتی (RNN) و حافظه بلندمدت (LSTM) در مدل‌سازی زبان

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مدل‌های زبانی مبتنی بر شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مبانی شبکه‌های عصبی بازگشتی
  • 2. معماری پایه‌ی RNN
  • 3. تابع فعال‌سازی در RNN
  • 4. مدل‌سازی دنباله‌ها با RNN
  • 5. مشکل محوشدگی گرادیان در RNN
  • 6. روش‌های مقابله با گرادیان محوشونده
  • 7. مقدمه‌ای بر شبکه‌های حافظه بلندمدت (LSTM)
  • 8. ساختار سلول حافظه در LSTM
  • 9. گیت ورودی در LSTM
  • 10. گیت فراموشی در LSTM
  • 11. گیت خروجی در LSTM
  • 12. کاربرد LSTM در پردازش زبان طبیعی
  • 13. پردازش متن با LSTM
  • 14. شناسایی موجودیت نام‌دار (NER) با LSTM
  • 15. تحلیل احساسات با LSTM
  • 16. ترجمه ماشینی با LSTM
  • 17. مدل‌سازی زبان با LSTM
  • 18. تولید متن با LSTM
  • 19. پیش‌بینی کلمه بعدی با LSTM
  • 20. بررسی معماری‌های پیشرفته‌تر LSTM
  • 21. شبکه‌های دوطرفه LSTM (Bi-LSTM)
  • 22. شبکه‌های LSTM عمیق
  • 23. کاربرد Bi-LSTM در NER
  • 24. کاربرد Bi-LSTM در تحلیل احساسات
  • 25. ترکیب LSTM با مکانیزم توجه (Attention)
  • 26. مکانیزم توجه در مدل‌های زبانی
  • 27. کاربرد توجه در ترجمه ماشینی
  • 28. کاربرد توجه در خلاصه‌سازی متن
  • 29. مقدمه‌ای بر ترنسفورمرها
  • 30. معماری ترنسفورمر
  • 31. مکانیزم خود-توجه (Self-Attention)
  • 32. لایه انکودر در ترنسفورمر
  • 33. لایه دیکودر در ترنسفورمر
  • 34. کاربرد ترنسفورمر در مدل‌سازی زبان
  • 35. مدل‌های زبانی مبتنی بر ترنسفورمر
  • 36. BERT و مدل‌های پیش‌آموزش‌دیده
  • 37. Fine-tuning مدل‌های ترنسفورمر
  • 38. کاربرد BERT در وظایف NLP
  • 39. GPT و مدل‌های زبانی مولد
  • 40. کاربرد GPT در تولید متن
  • 41. مقایسه RNN، LSTM و ترنسفورمر
  • 42. مبانی یادگیری عمیق برای NLP
  • 43. بردار کلمات (Word Embeddings)
  • 44. Word2Vec و GloVe
  • 45. فراهم‌سازی داده‌های متنی
  • 46. پیش‌پردازش متن
  • 47. توکنیزاسیون (Tokenization)
  • 48. حذف کلمات توقف (Stop Words Removal)
  • 49. ریشه‌یابی (Stemming) و لماتیزاسیون (Lemmatization)
  • 50. ساخت واژگان (Vocabulary Building)
  • 51. کدگذاری متن (Text Encoding)
  • 52. کدگذاری One-Hot
  • 53. کدگذاری مبتنی بر بردار کلمات
  • 54. پیاده‌سازی RNN با کتابخانه‌های یادگیری عمیق
  • 55. پیاده‌سازی LSTM با TensorFlow/PyTorch
  • 56. آموزش مدل‌های RNN/LSTM
  • 57. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 58. ارزیابی مدل‌های زبانی
  • 59. معیارهای ارزیابی مدل‌های زبانی
  • 60. Perplexity
  • 61. Accuracy
  • 62. Precision, Recall, F1-Score
  • 63. کاربرد مدل‌های زبانی در جستجوی اطلاعات
  • 64. سیستم‌های پرسش و پاسخ
  • 65. خلاصه‌سازی خودکار متن
  • 66. مدل‌سازی موضوعی (Topic Modeling)
  • 67. LSA و LDA
  • 68. کاربرد مدل‌سازی موضوعی در تحلیل محتوا
  • 69. پردازش گفتار (Speech Processing)
  • 70. تشخیص گفتار (Speech Recognition)
  • 71. تولید گفتار (Speech Synthesis)
  • 72. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN) در NLP
  • 73. کاربرد CNN در دسته‌بندی متن
  • 74. مزایای CNN برای استخراج ویژگی‌های محلی
  • 75. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN) در NLP
  • 76. کاربرد GNN در مدل‌سازی روابط
  • 77. مدل‌سازی دانش (Knowledge Graph)
  • 78. کاربرد مدل‌های زبانی در شبکه‌های اجتماعی
  • 79. تحلیل شبکه‌های اجتماعی
  • 80. شناسایی اخبار جعلی
  • 81. مدیریت و تحلیل کلان‌داده‌های متنی
  • 82. اصول اخلاق در هوش مصنوعی و NLP
  • 83. حریم خصوصی در پردازش داده‌های متنی
  • 84. سوگیری در مدل‌های زبانی
  • 85. روش‌های کاهش سوگیری در مدل‌ها
  • 86. کاربرد مدل‌های زبانی در آموزش و پرورش
  • 87. تولید محتوای آموزشی هوشمند
  • 88. سیستم‌های یادگیری تطبیقی
  • 89. کاربرد مدل‌های زبانی در حوزه سلامت
  • 90. تحلیل متون پزشکی
  • 91. کمک به تشخیص بیماری‌ها
  • 92. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning) در NLP
  • 93. کاربرد RL در مدل‌سازی مکالمه
  • 94. ربات‌های گفتگو (Chatbots)
  • 95. طراحی معماری ربات‌های گفتگو
  • 96. ارزیابی عملکرد ربات‌های گفتگو
  • 97. ملاحظات امنیتی در مدل‌های زبانی
  • 98. حملات adversarial به مدل‌های زبانی
  • 99. روش‌های دفاع در برابر حملات
  • 100. مقدمه‌ای بر مدل‌های توالی به توالی (Sequence-to-Sequence)

📚 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.