سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری ماشین: مفاهیم، الگوریتم‌ها و کاربردها

کتاب مقدمه‌ای بر یادگیری ماشین: مفاهیم، الگوریتم‌ها و کاربردها

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 مقدمه‌ای بر یادگیری ماشین: مفاهیم، الگوریتم‌ها و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. تعریف یادگیری ماشین و انواع آن
  • 3. یادگیری با نظارت (Supervised Learning)
  • 4. یادگیری بدون نظارت (Unsupervised Learning)
  • 5. یادگیری تقویتی (Reinforcement Learning)
  • 6. یادگیری عمیق (Deep Learning)
  • 7. نقش داده‌ها در یادگیری ماشین
  • 8. پیش‌پردازش داده‌ها (Data Preprocessing)
  • 9. پاکسازی داده‌ها (Data Cleaning)
  • 10. مقیاس‌بندی داده‌ها (Data Scaling)
  • 11. مهندسی ویژگی (Feature Engineering)
  • 12. انتخاب ویژگی (Feature Selection)
  • 13. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
  • 14. معیارهای ارزیابی مدل‌ها
  • 15. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 16. دقت (Accuracy)
  • 17. صحت (Precision)
  • 18. بازیابی (Recall)
  • 19. امتیاز F1
  • 20. منحنی ROC و سطح زیر منحنی (AUC)
  • 21. رگرسیون خطی (Linear Regression)
  • 22. مدل‌های رگرسیون چندگانه
  • 23. انتخاب مدل رگرسیون مناسب
  • 24. تنظیم پارامترهای مدل رگرسیون
  • 25. رگرسیون لجستیک (Logistic Regression)
  • 26. طبقه‌بندی باینری
  • 27. طبقه‌بندی چندکلاسه
  • 28. مدل‌های مبتنی بر درخت تصمیم (Decision Trees)
  • 29. قوانین استنتاج (Decision Rules)
  • 30. آشفتگی (Gini Impurity) و آنتروپی (Entropy)
  • 31. جنگل تصادفی (Random Forest)
  • 32. تقویت گرادیان (Gradient Boosting)
  • 33. مدل‌های بردار پشتیبان (Support Vector Machines - SVM)
  • 34. هسته (Kernel) در SVM
  • 35. کاربرد SVM در طبقه‌بندی و رگرسیون
  • 36. دسته‌بندی‌کننده‌های بیز (Bayesian Classifiers)
  • 37. قضیه بیز (Bayes' Theorem)
  • 38. طبقه‌بندی‌کننده نایو بیز (Naive Bayes Classifier)
  • 39. مدل‌های K-نزدیک‌ترین همسایه (K-Nearest Neighbors - KNN)
  • 40. انتخاب مقدار K در KNN
  • 41. شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN)
  • 42. نورون و لایه‌ها در شبکه‌های عصبی
  • 43. تابع فعال‌سازی (Activation Function)
  • 44. پس‌انتشار خطا (Backpropagation)
  • 45. شبکه‌های عصبی کانولوشنال (Convolutional Neural Networks - CNN)
  • 46. کاربرد CNN در پردازش تصویر
  • 47. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN)
  • 48. کاربرد RNN در پردازش زبان طبیعی
  • 49. حافظه کوتاه‌مدت طولانی (Long Short-Term Memory - LSTM)
  • 50. واحد بازگشتی دروازه‌ای (Gated Recurrent Unit - GRU)
  • 51. یادگیری بدون نظارت: خوشه‌بندی (Clustering)
  • 52. الگوریتم K-Means
  • 53. انتخاب تعداد خوشه‌ها (K)
  • 54. خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
  • 55. نشانه‌گذاری (Dendrogram)
  • 56. تحلیل مولفه‌های اصلی (Principal Component Analysis - PCA)
  • 57. کاهش ابعاد با PCA
  • 58. تحلیل مولفه‌های مستقل (Independent Component Analysis - ICA)
  • 59. کاهش ابعاد با ICA
  • 60. دستگاه‌های مولد (Generative Models)
  • 61. مدل‌های گرافیکی احتمالی (Probabilistic Graphical Models)
  • 62. شبکه‌های بیزی (Bayesian Networks)
  • 63. قوانین انجمنی (Association Rules)
  • 64. الگوریتم Apriori
  • 65. کاربرد قوانین انجمنی در تحلیل سبد خرید
  • 66. یادگیری تقویتی: مفاهیم پایه
  • 67. عامل (Agent)، محیط (Environment)، حالت (State)، عمل (Action)
  • 68. پاداش (Reward) و تابع پاداش
  • 69. سیاست (Policy)
  • 70. ارزش (Value Function)
  • 71. کارهایی که باید انجام شود (Q-Learning)
  • 72. یادگیری عمیق: مقدمات
  • 73. شبکه‌های عمیق
  • 74. مفاهیم اساسی یادگیری عمیق
  • 75. انتقال یادگیری (Transfer Learning)
  • 76. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 77. کاربرد یادگیری ماشین در پردازش زبان طبیعی (NLP)
  • 78. تحلیل احساسات (Sentiment Analysis)
  • 79. مدل‌سازی موضوعی (Topic Modeling)
  • 80. ترجمه ماشینی (Machine Translation)
  • 81. کاربرد یادگیری ماشین در بینایی ماشین (Computer Vision)
  • 82. تشخیص اشیاء (Object Detection)
  • 83. تکه‌بندی تصویر (Image Segmentation)
  • 84. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر (Recommender Systems)
  • 85. فیلترینگ مشارکتی (Collaborative Filtering)
  • 86. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
  • 87. مدل‌های ترکیبی (Hybrid Models)
  • 88. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 89. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 90. شفافیت و توضیح‌پذیری مدل‌ها (Explainable AI - XAI)
  • 91. حریم خصوصی داده‌ها در یادگیری ماشین
  • 92. کاربردهای صنعتی یادگیری ماشین
  • 93. هوش مصنوعی در سلامت (با رعایت پروتکل‌های وزارت بهداشت)
  • 94. هوش مصنوعی در صنعت و تولید (با رعایت مقررات)
  • 95. هوش مصنوعی در امور مالی (با رعایت مقررات بانک مرکزی)
  • 96. هوش مصنوعی در کشاورزی
  • 97. هوش مصنوعی در حمل و نقل
  • 98. آینده یادگیری ماشین و 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.