سپنتا کتاب اکسپرس
کتاب یادگیری عمیق با پایتورچ و فست‌آی: کاربردهای هوش مصنوعی برای برنامه نویسان

کتاب یادگیری عمیق با پایتورچ و فست‌آی: کاربردهای هوش مصنوعی برای برنامه نویسان

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 یادگیری عمیق با پایتورچ و فست‌آی: کاربردهای هوش مصنوعی برای برنامه نویسان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق کاربردی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. یادگیری نظارت شده و بدون نظارت
  • 4. انواع مدل‌های یادگیری ماشین
  • 5. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 6. آشنایی با پایتورچ (PyTorch)
  • 7. نصب و راه‌اندازی پایتورچ
  • 8. مبانی تنسورها در پایتورچ
  • 9. عملیات پایه‌ای روی تنسورها
  • 10. گرادیان‌ها و محاسبه خودکار گرادیان
  • 11. تابع زیان (Loss Function)
  • 12. بهینه‌سازها (Optimizers)
  • 13. مقدمه‌ای بر فست‌آی (Fastai)
  • 14. نصب و راه‌اندازی فست‌آی
  • 15. معماری‌های پایه‌ای شبکه‌های عصبی
  • 16. توابع فعال‌سازی (Activation Functions)
  • 17. پس‌انتشار خطا (Backpropagation)
  • 18. آموزش مدل‌های ساده
  • 19. ارزیابی مدل‌ها: معیارهای دقت
  • 20. مقدمه‌ای بر یادگیری عمیق
  • 21. شبکه‌های عصبی کانولوشنال (CNN)
  • 22. کاربرد CNN در بینایی ماشین
  • 23. لایه‌های کانولوشن و پولینگ
  • 24. پردازش تصویر با CNN
  • 25. مجموعه داده‌های تصویری
  • 26. بارگذاری و پیش‌پردازش تصاویر
  • 27. ساخت مدل CNN با فست‌آی
  • 28. آموزش مدل CNN
  • 29. تنظیم ابرپارامترها (Hyperparameters)
  • 30. روش‌های منظم‌سازی (Regularization)
  • 31. کاهش بیش‌برازش (Overfitting)
  • 32. افزایش داده (Data Augmentation)
  • 33. شبکه‌های عصبی بازگشتی (RNN)
  • 34. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 35. لایه‌های RNN و LSTM
  • 36. مدل‌سازی توالی‌ها
  • 37. ساخت مدل NLP با فست‌آی
  • 38. آموزش مدل NLP
  • 39. تولید متن با مدل‌های زبانی
  • 40. مدل‌های ترنسفورمر (Transformer)
  • 41. معماری ترنسفورمر
  • 42. کاربرد ترنسفورمر در NLP
  • 43. مدل‌های از پیش آموزش دیده (Pre-trained Models)
  • 44. تنظیم دقیق مدل‌های از پیش آموزش دیده (Fine-tuning)
  • 45. کاربرد ترنسفورمر در بینایی ماشین
  • 46. پردازش ویدئو با یادگیری عمیق
  • 47. سیستم‌های توصیه‌گر (Recommender Systems)
  • 48. مبانی سیستم‌های توصیه‌گر
  • 49. فیلترینگ مشارکتی (Collaborative Filtering)
  • 50. فیلترینگ مبتنی بر محتوا (Content-based Filtering)
  • 51. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 52. شبکه‌های عصبی برای توصیه‌گرها
  • 53. کاربرد فست‌آی در سیستم‌های توصیه‌گر
  • 54. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 55. مبانی یادگیری تقویتی
  • 56. عوامل و محیط در یادگیری تقویتی
  • 57. پاداش و جریمه
  • 58. الگوریتم‌های یادگیری تقویتی
  • 59. کاربرد یادگیری تقویتی
  • 60. مقدمه‌ای بر یادگیری خودنظارتی (Self-supervised Learning)
  • 61. مبانی یادگیری خودنظارتی
  • 62. تسک‌های پیش‌بینی (Pretext Tasks)
  • 63. کاربرد یادگیری خودنظارتی
  • 64. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 65. مبانی یادگیری انتقالی
  • 66. کاربرد یادگیری انتقالی در بینایی ماشین
  • 67. کاربرد یادگیری انتقالی در NLP
  • 68. اخلاق در هوش مصنوعی
  • 69. سوگیری در داده‌ها و مدل‌ها
  • 70. شفافیت و توضیح‌پذیری مدل‌ها
  • 71. امنیت در هوش مصنوعی
  • 72. کاربردهای پیشرفته یادگیری عمیق
  • 73. تشخیص اشیاء (Object Detection)
  • 74. تقسیم‌بندی تصاویر (Image Segmentation)
  • 75. تولید تصاویر (Image Generation)
  • 76. مدل‌های مولد تخاصمی (GANs)
  • 77. کاربرد GANs
  • 78. پردازش صوت و گفتار
  • 79. شناسایی گفتار
  • 80. تولید گفتار
  • 81. مباحث پیشرفته در فست‌آی
  • 82. ساخت اپلیکیشن‌های هوش مصنوعی
  • 83. استقرار مدل‌های یادگیری عمیق
  • 84. مدل‌های یادگیری عمیق سفارشی
  • 85. بهینه‌سازی عملکرد مدل‌ها
  • 86. مدیریت مجموعه داده‌های بزرگ
  • 87. مصنوعات و تکنیک‌های پیشرفته در CNN
  • 88. کاربرد CNN در تشخیص ناهنجاری
  • 89. مدل‌های پیشرفته در NLP
  • 90. پردازش زبان طبیعی مولد
  • 91. ترجمه ماشینی عصبی
  • 92. خلاصه‌سازی متن
  • 93. تحلیل احساسات (Sentiment Analysis)
  • 94. سیستم‌های پرسش و پاسخ
  • 95. یادگیری عمیق برای داده‌های جدولی
  • 96. شبکه‌های عصبی برای داده‌های سری زمانی
  • 97. کاربرد یادگیری عمیق در پزشکی
  • 98. کاربرد یادگیری عمیق در مالی
  • 99. کاربرد یادگیری عمیق در رباتیک
  • 100. مقدمه‌ای بر محاسبات ابری برای هوش مصنوعی

📚 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.