سپنتا کتاب اکسپرس
کتاب ریاضیات شگفت‌انگیز پشت پردهٔ هوش مصنوعی مدرن

کتاب ریاضیات شگفت‌انگیز پشت پردهٔ هوش مصنوعی مدرن

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 ریاضیات شگفت‌انگیز پشت پردهٔ هوش مصنوعی مدرن

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی ریاضی و الگوریتمی یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین: پیش‌بینی و طبقه‌بندی
  • 3. تاریخچهٔ مختصر هوش مصنوعی
  • 4. مفاهیم اساسی یادگیری نظارت‌شده
  • 5. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 6. مبانی احتمالات در یادگیری ماشین
  • 7. قضیه بیز و کاربردهای آن
  • 8. توزیع‌های احتمالاتی رایج: گوسی، برنولی
  • 9. مفاهیم آماری: میانگین، واریانس، انحراف معیار
  • 10. مبانی جبر خطی: بردارها و ماتریس‌ها
  • 11. عملیات ماتریسی: ضرب، جمع، ترانهاده
  • 12. مقادیر ویژه و بردارهای ویژه
  • 13. مفهوم تابع هدف (Loss Function)
  • 14. بهینه‌سازی توابع: گرادیان کاهشی
  • 15. مشتقات جزئی و کاربرد آن‌ها
  • 16. مفهوم تابع هزینه (Cost Function)
  • 17. یادگیری سرازیری (Gradient Descent)
  • 18. انواع گرادیان کاهشی: دسته‌ای، تصادفی، مینی‌بچ
  • 19. تنظیم نرخ یادگیری (Learning Rate)
  • 20. مفهوم بیش‌برازش (Overfitting)
  • 21. مفهوم کم‌برازش (Underfitting)
  • 22. روش‌های مقابله با بیش‌برازش: تنظیم‌گری (Regularization)
  • 23. تنظیم‌گری L1 و L2
  • 24. اعتبارسنجی متقابل (Cross-validation)
  • 25. مبانی طبقه‌بندی
  • 26. رگرسیون خطی
  • 27. مدل‌های رگرسیون خطی چندگانه
  • 28. ارزیابی مدل‌های رگرسیون
  • 29. خطای میانگین مربعات (MSE)
  • 30. خطای مطلق میانگین (MAE)
  • 31. ضریب تعیین (R-squared)
  • 32. مبانی طبقه‌بندی
  • 33. رگرسیون لجستیک
  • 34. تابع سیگموئید (Sigmoid)
  • 35. آستانه تصمیم‌گیری (Threshold)
  • 36. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 37. دقت (Accuracy)
  • 38. صحت (Precision)
  • 39. بازیابی (Recall)
  • 40. امتیاز F1
  • 41. طبقه‌بند بیز ساده (Naive Bayes)
  • 42. قضیه بیز در طبقه‌بندی
  • 43. فرض استقلال ویژگی‌ها
  • 44. کاربردها: تشخیص اسپم، تحلیل احساسات
  • 45. ماشین‌های بردار پشتیبان (SVM)
  • 46. مرز تصمیم‌گیری (Decision Boundary)
  • 47. هسته‌ها (Kernels) در SVM
  • 48. کاربردها: تشخیص تصویر، طبقه‌بندی متن
  • 49. درخت‌های تصمیم (Decision Trees)
  • 50. قوانین تصمیم‌گیری
  • 51. شاخص ناخالصی (Gini Impurity)
  • 52. آنتروپی (Entropy)
  • 53. کسب اطلاعات (Information Gain)
  • 54. جنگل‌های تصادفی (Random Forests)
  • 55. تکنیک Bagging
  • 56. مجموعه‌سازی (Ensemble Methods)
  • 57. تقویت (Boosting)
  • 58. الگوریتم AdaBoost
  • 59. الگوریتم Gradient Boosting
  • 60. مدل‌های ترکیبی (Ensemble Models)
  • 61. مبانی یادگیری بدون نظارت
  • 62. خوشه‌بندی (Clustering)
  • 63. الگوریتم K-Means
  • 64. انتخاب تعداد خوشه‌ها (k)
  • 65. متریک فاصله: اقلیدسی
  • 66. کاربردها: بخش‌بندی مشتریان، تحلیل داده‌های ژنتیکی
  • 67. خوشه‌بندی سلسله‌مراتبی (Hierarchical Clustering)
  • 68. دندروگرام (Dendrogram)
  • 69. الگوریتم DBSCAN
  • 70. مدل مخلوط گوسی (Gaussian Mixture Models)
  • 71. کاهش ابعاد (Dimensionality Reduction)
  • 72. تحلیل مؤلفه‌های اصلی (PCA)
  • 73. مؤلفه‌های اصلی
  • 74. توضیح واریانس
  • 75. کاربردها: فشرده‌سازی داده، پیش‌پردازش
  • 76. تحلیل مؤلفه‌های مستقل (ICA)
  • 77. تکنیک t-SNE
  • 78. مبانی یادگیری تقویتی
  • 79. عامل (Agent)، محیط (Environment)، حالت (State)
  • 80. پاداش (Reward)، عمل (Action)
  • 81. سیاست (Policy)
  • 82. تابع ارزش (Value Function)
  • 83. معادله بلمن (Bellman Equation)
  • 84. یادگیری Q (Q-Learning)
  • 85. جدول Q (Q-Table)
  • 86. یادگیری عمیق (Deep Learning)
  • 87. شبکه‌های عصبی مصنوعی (ANN)
  • 88. نورون مصنوعی
  • 89. لایه ورودی، لایه پنهان، لایه خروجی
  • 90. توابع فعال‌سازی: ReLU, Sigmoid, Tanh
  • 91. پس‌انتشار خطا (Backpropagation)
  • 92. شبکه‌های عصبی کانولوشنی (CNN)
  • 93. لایه‌های کانولوشن، Pooling، Fully Connected
  • 94. کاربردها: پردازش تصویر، بینایی ماشین
  • 95. شبکه‌های عصبی بازگشتی (RNN)
  • 96. حافظه کوتاه‌مدت و بلندمدت (LSTM, GRU)
  • 97. کاربردها: پردازش زبان طبیعی، تشخیص گفتار
  • 98. ترنسفورمرها (Transformers)
  • 99. مکانیزم توجه (Attention Mechanism)
  • 100. مدل‌های زبانی بزرگ (LLMs)

📚 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.