سپنتا کتاب اکسپرس
کتاب الگوهای طراحی راهگشا در یادگیری ماشین: از آماده‌سازی داده تا استقرار مدل

کتاب الگوهای طراحی راهگشا در یادگیری ماشین: از آماده‌سازی داده تا استقرار مدل

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 الگوهای طراحی راهگشا در یادگیری ماشین: از آماده‌سازی داده تا استقرار مدل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: الگوهای طراحی در یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 4. کاربردهای یادگیری ماشین در صنعت
  • 5. مفاهیم کلیدی در یادگیری ماشین
  • 6. پیش‌پردازش داده‌ها: پاک‌سازی و نرمال‌سازی
  • 7. مهندسی ویژگی: انتخاب و ساخت ویژگی‌های مؤثر
  • 8. مدل‌های یادگیری ماشین: رگرسیون خطی
  • 9. مدل‌های یادگیری ماشین: رگرسیون لجستیک
  • 10. مدل‌های یادگیری ماشین: ماشین‌های بردار پشتیبان (SVM)
  • 11. مدل‌های یادگیری ماشین: درختان تصمیم
  • 12. مدل‌های یادگیری ماشین: جنگل‌های تصادفی
  • 13. مدل‌های یادگیری ماشین: گرادیان بوستینگ
  • 14. مدل‌های یادگیری ماشین: شبکه‌های عصبی مصنوعی
  • 15. یادگیری عمیق و شبکه‌های عصبی کانولوشنال (CNN)
  • 16. یادگیری عمیق و شبکه‌های عصبی بازگشتی (RNN)
  • 17. تنظیم و اعتبارسنجی مدل‌ها
  • 18. معیارهای ارزیابی مدل: دقت، صحت، بازیابی
  • 19. معیارهای ارزیابی مدل: امتیاز F1، AUC
  • 20. مدیریت بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 21. تکنیک‌های تنظیم هایپرپارامترها
  • 22. الگوهای طراحی در آماده‌سازی داده
  • 23. الگوی پاک‌سازی داده‌ها
  • 24. الگوی نرمال‌سازی داده‌ها
  • 25. الگوی مدیریت داده‌های گمشده
  • 26. الگوی مهندسی ویژگی
  • 27. الگوی انتخاب ویژگی
  • 28. الگوی ساخت ویژگی‌های جدید
  • 29. الگوی تبدیل ویژگی‌ها
  • 30. الگوی داده‌افزایی (Data Augmentation)
  • 31. الگوی الگوهای طراحی در ساخت مدل
  • 32. الگوی انتخاب مدل مناسب
  • 33. الگوی مدل‌سازی خطی
  • 34. الگوی مدل‌سازی مبتنی بر درخت
  • 35. الگوی مدل‌سازی مبتنی بر بردار پشتیبان
  • 36. الگوی مدل‌سازی مبتنی بر شبکه‌های عصبی
  • 37. الگوی مدل‌سازی برای طبقه‌بندی
  • 38. الگوی مدل‌سازی برای رگرسیون
  • 39. الگوی مدل‌سازی برای خوشه‌بندی
  • 40. الگوی مدل‌سازی برای کاهش ابعاد
  • 41. الگوی مدل‌سازی برای سیستم‌های توصیه‌گر
  • 42. الگوی مدل‌سازی برای پردازش زبان طبیعی
  • 43. الگوی مدل‌سازی برای بینایی ماشین
  • 44. الگوی الگوهای طراحی در MLOps (عملیات یادگیری ماشین)
  • 45. الگوی مدیریت چرخه عمر مدل
  • 46. الگوی استقرار مدل (Deployment)
  • 47. الگوی مانیتورینگ مدل
  • 48. الگوی بازآموزی مدل
  • 49. الگوی مدیریت نسخه مدل
  • 50. الگوی خودکارسازی فرآیندهای ML
  • 51. الگوی پایپ‌لاین‌های یادگیری ماشین
  • 52. الگوی مدیریت داده در MLOps
  • 53. الگوی مدیریت منابع محاسباتی
  • 54. الگوی ارزیابی مستمر عملکرد مدل
  • 55. الگوی شناسایی و رفع انحراف داده (Data Drift)
  • 56. الگوی شناسایی و رفع انحراف مدل (Model Drift)
  • 57. الگوی امنیت در MLOps
  • 58. الگوی حاکمیت داده و مدل
  • 59. الگوی همکاری بین تیم‌ها در MLOps
  • 60. الگوی اصول مهندسی نرم‌افزار در MLOps
  • 61. الگوی ابزارهای MLOps
  • 62. الگوی مبانی مهندسی داده
  • 63. الگوی طراحی پایپ‌لاین‌های ETL
  • 64. الگوی مدیریت داده‌های بزرگ
  • 65. الگوی ذخیره‌سازی داده‌های تحلیلی
  • 66. الگوی مفاهیم دیتالیک (Data Lake) و دیتا‌ور‌هاوس (Data Warehouse)
  • 67. الگوی کیفیت داده در مقیاس بزرگ
  • 68. الگوی معماری‌های پردازش داده توزیع‌شده
  • 69. الگوی مبانی یادگیری تقویتی
  • 70. الگوی عامل و محیط در یادگیری تقویتی
  • 71. الگوی پاداش و جریمه
  • 72. الگوی سیاست در یادگیری تقویتی
  • 73. الگوی ارزش در یادگیری تقویتی
  • 74. الگوی الگوریتم‌های یادگیری تقویتی
  • 75. الگوی یادگیری تقویتی عمیق
  • 76. الگوی کاربردهای یادگیری تقویتی
  • 77. الگوی مبانی پردازش زبان طبیعی (NLP)
  • 78. الگوی نمایش متن (Text Representation)
  • 79. الگوی مدل‌های زبانی
  • 80. الگوی کاربردهای NLP
  • 81. الگوی مبانی بینایی ماشین
  • 82. الگوی استخراج ویژگی در تصاویر
  • 83. الگوی مدل‌های تشخیص اشیاء
  • 84. الگوی کاربردهای بینایی ماشین
  • 85. الگوی اخلاق در هوش مصنوعی
  • 86. الگوی سوگیری (Bias) در مدل‌های هوش مصنوعی
  • 87. الگوی شفافیت و قابلیت توضیح‌پذیری (Explainability)
  • 88. الگوی مسئولیت‌پذیری در هوش مصنوعی
  • 89. الگوی آینده هوش مصنوعی و یادگیری ماشین
  • 90. الگوی یادگیری ماشین قابل اعتماد
  • 91. الگوی هوش مصنوعی سبز (Green AI)
  • 92. الگوی ادغام هوش مصنوعی با سایر فناوری‌ها
  • 93. الگوی یادگیری ماشین فدرال (Federated Learning)
  • 94. الگوی هوش مصنوعی توضیه‌پذیر (Explainable AI - XAI)

📚 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.