سپنتا کتاب اکسپرس
کتاب درک الگوریتم‌های هوش مصنوعی: رویکردی گام به گام

کتاب درک الگوریتم‌های هوش مصنوعی: رویکردی گام به گام

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 درک الگوریتم‌های هوش مصنوعی: رویکردی گام به گام

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: الگوریتم‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. یادگیری با نظارت
  • 4. رگرسیون خطی
  • 5. رگرسیون لجستیک
  • 6. درختان تصمیم
  • 7. جنگل‌های تصادفی
  • 8. ماشین‌های بردار پشتیبان (SVM)
  • 9. دسته‌بندی‌کننده‌های بیز ساده
  • 10. K-نزدیک‌ترین همسایه (KNN)
  • 11. یادگیری بدون نظارت
  • 12. خوشه‌بندی K-Means
  • 13. خوشه‌بندی سلسله مراتبی
  • 14. کاهش ابعاد
  • 15. تحلیل مؤلفه‌های اصلی (PCA)
  • 16. یادگیری عمیق
  • 17. شبکه‌های عصبی مصنوعی
  • 18. شبکه‌های عصبی کانولوشنال (CNN)
  • 19. شبکه‌های عصبی بازگشتی (RNN)
  • 20. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 21. شبکه‌های مولد تخاصمی (GAN)
  • 22. پردازش زبان طبیعی (NLP)
  • 23. مدل‌های زبانی
  • 24. تحلیل احساسات
  • 25. شناسایی موجودیت نام‌دار (NER)
  • 26. ترجمه ماشینی
  • 27. سیستم‌های توصیه‌گر
  • 28. یادگیری تقویتی
  • 29. مبانی یادگیری تقویتی
  • 30. عامل و محیط
  • 31. پاداش و جریمه
  • 32. سیاست و تابع ارزش
  • 33. الگوریتم‌های یادگیری تقویتی
  • 34. Q-Learning
  • 35. Deep Q-Networks (DQN)
  • 36. Policy Gradients
  • 37. Actor-Critic Methods
  • 38. کاربردها در دنیای واقعی
  • 39. هوش مصنوعی در پزشکی
  • 40. هوش مصنوعی در امور مالی
  • 41. هوش مصنوعی در حمل و نقل
  • 42. هوش مصنوعی در بازی‌ها
  • 43. هوش مصنوعی در رباتیک
  • 44. ملاحظات اخلاقی در هوش مصنوعی
  • 45. سوگیری در الگوریتم‌ها
  • 46. شفافیت و توضیح‌پذیری
  • 47. حریم خصوصی داده‌ها
  • 48. امنیت هوش مصنوعی
  • 49. پایان‌نامه و پروژه‌های عملی
  • 50. مقدمه‌ای بر پیاده‌سازی الگوریتم‌ها
  • 51. کتابخانه‌های پایتون برای هوش مصنوعی
  • 52. TensorFlow و Keras
  • 53. PyTorch
  • 54. Scikit-learn
  • 55. کار با داده‌های واقعی
  • 56. پیش‌پردازش داده‌ها
  • 57. مهندسی ویژگی
  • 58. ارزیابی مدل
  • 59. اعتبارسنجی متقابل
  • 60. معیارهای ارزیابی (دقت، صحت، بازیابی، F1)
  • 61. تنظیم ابرپارامترها
  • 62. بهینه‌سازی مدل
  • 63. مقدمه‌ای بر یادگیری عمیق پیشرفته
  • 64. شبکه‌های عصبی ترانسفورمر
  • 65. پردازش زبان طبیعی با ترانسفورمرها
  • 66. کاربردهای پیشرفته CNN
  • 67. کاربردهای پیشرفته RNN
  • 68. یادگیری انتقالی
  • 69. یادگیری چندوظیفه‌ای
  • 70. یادگیری فدرال
  • 71. هوش مصنوعی قابل اعتماد
  • 72. توضیح‌پذیری مدل‌های یادگیری عمیق
  • 73. تشخیص تقلب در داده‌ها
  • 74. مدل‌سازی سری‌های زمانی
  • 75. پیش‌بینی تقاضا
  • 76. تحلیل بازارهای مالی
  • 77. کاربردها در کشاورزی هوشمند
  • 78. سیستم‌های تشخیص تصویر پیشرفته
  • 79. پردازش تصویر پزشکی
  • 80. واقعیت افزوده و هوش مصنوعی
  • 81. هوش مصنوعی در آموزش
  • 82. توسعه پایدار با هوش مصنوعی
  • 83. اخلاق در توسعه هوش مصنوعی
  • 84. حاکمیت داده در عصر هوش مصنوعی
  • 85. مبانی پیاده‌سازی شبکه‌های عصبی از ابتدا
  • 86. مبانی بهینه‌سازی توابع هزینه
  • 87. انتشار رو به عقب (Backpropagation)
  • 88. بهینه‌سازهای پیشرفته (Adam, RMSprop)
  • 89. تنظیم نرخ یادگیری
  • 90. نرمال‌سازی دسته‌ای (Batch Normalization)
  • 91. تنظیم‌گری (Regularization)
  • 92. Dropout
  • 93. Early Stopping
  • 94. معماری‌های پیشرفته شبکه‌های عصبی
  • 95. شبکه‌های عصبی کانولوشنال عمیق (ResNet, Inception)
  • 96. شبکه‌های عصبی بازگشتی پیشرفته (GRU)
  • 97. شبکه‌های مولد تخاصمی پیشرفته (StyleGAN)
  • 98. یادگیری خودنظارتی
  • 99. یادگیری نیمه‌نظارتی
  • 100. یادگیری فعال

📚 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.