سپنتا کتاب اکسپرس
کتاب مبانی یادگیری عمیق با رویکرد کاربردی

کتاب مبانی یادگیری عمیق با رویکرد کاربردی

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 مبانی یادگیری عمیق با رویکرد کاربردی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری عمیق
  • 2. مفاهیم پایه ای یادگیری ماشین
  • 3. شبکه های عصبی مصنوعی
  • 4. تابع فعال سازی در شبکه های عصبی
  • 5. یادگیری نظارت شده و بدون نظارت
  • 6. رگرسیون خطی با گرادیان کاهشی
  • 7. یادگیری رگرسیون لجستیک
  • 8. طبقه‌بندی با شبکه های عصبی
  • 9. مفهوم گرادیان و مشتق
  • 10. بهینه سازی مدل های یادگیری عمیق
  • 11. روش گرادیان کاهشی تصادفی (SGD)
  • 12. توابع هزینه و تابع زیان
  • 13. متریک های ارزیابی مدل
  • 14. بیش برازش (Overfitting) و کم برازش (Underfitting)
  • 15. تنظیم کننده ها (Regularization)
  • 16. L1 و L2 Regularization
  • 17. Dropout در شبکه های عصبی
  • 18. شبکه های عصبی کانولوشنال (CNN)
  • 19. لایه های کانولوشن و Pooling
  • 20. کاربرد CNN در تشخیص تصویر
  • 21. شبکه های عصبی بازگشتی (RNN)
  • 22. حافظه کوتاه مدت در RNN
  • 23. کاربرد RNN در پردازش زبان طبیعی
  • 24. شبکه های حافظه طولانی کوتاه مدت (LSTM)
  • 25. مشکل محو شدن گرادیان در RNN
  • 26. شبکه های حافظه طولانی کوتاه مدت (GRU)
  • 27. شبکه های عصبی مولد (GAN)
  • 28. آموزش GAN ها
  • 29. کاربرد GAN در تولید تصویر
  • 30. یادگیری تقویتی (Reinforcement Learning)
  • 31. عناصر یادگیری تقویتی
  • 32. الگوریتم های یادگیری تقویتی
  • 33. یادگیری عمیق در سیستم های توصیه گر
  • 34. کاربرد یادگیری عمیق در تحلیل داده های بزرگ
  • 35. مبانی برنامه نویسی پایتون برای یادگیری عمیق
  • 36. کتابخانه NumPy برای محاسبات عددی
  • 37. کتابخانه Pandas برای تحلیل داده
  • 38. کتابخانه Matplotlib برای مصورسازی داده
  • 39. فریم ورک TensorFlow
  • 40. فریم ورک Keras
  • 41. ساخت اولین مدل یادگیری عمیق با Keras
  • 42. آموزش مدل و ارزیابی آن
  • 43. تنظیم پارامترهای مدل
  • 44. پیش پردازش داده ها
  • 45. مهندسی ویژگی (Feature Engineering)
  • 46. مدیریت داده های نامتعادل
  • 47. ارزیابی مدل با معیارهای مختلف
  • 48. تکنیک های جلوگیری از بیش برازش
  • 49. تنظیم دقیق (Fine-tuning) مدل های از پیش آموزش دیده
  • 50. شبکه های عصبی عمیق برای پردازش زبان طبیعی
  • 51. مدل های زبانی
  • 52. کاربرد مدل های زبانی در ترجمه ماشینی
  • 53. استخراج اطلاعات از متن
  • 54. تحلیل احساسات با یادگیری عمیق
  • 55. مدل های ترنسفورمر (Transformer)
  • 56. مکانیزم توجه (Attention Mechanism)
  • 57. ترجمه ماشینی با ترنسفورمر
  • 58. مدل های BERT و GPT
  • 59. کاربرد یادگیری عمیق در بینایی ماشین
  • 60. تشخیص اشیاء
  • 61. تقسیم بندی تصاویر (Image Segmentation)
  • 62. تشخیص چهره
  • 63. تولید متن از تصاویر
  • 64. مدل های یادگیری عمیق برای داده های سری زمانی
  • 65. پیش بینی سری های زمانی
  • 66. کاربرد در بازارهای مالی
  • 67. یادگیری عمیق در سیستم های تشخیص نفوذ
  • 68. امنیت سایبری و یادگیری عمیق
  • 69. تشخیص بدافزار
  • 70. مباحث اخلاقی در هوش مصنوعی
  • 71. مسئولیت پذیری در هوش مصنوعی
  • 72. حریم خصوصی در یادگیری ماشین
  • 73. سوگیری در الگوریتم های هوش مصنوعی
  • 74. تفسیرپذیری مدل های یادگیری عمیق
  • 75. کاهش ابعاد (Dimensionality Reduction)
  • 76. تحلیل مؤلفه های اصلی (PCA)
  • 77. روش های دیگر کاهش ابعاد
  • 78. یادگیری نیمه نظارت شده (Semi-Supervised Learning)
  • 79. یادگیری انتقالی (Transfer Learning)
  • 80. کاربرد یادگیری انتقالی در مسائل مختلف
  • 81. شبکه های عصبی گراف (GNN)
  • 82. کاربرد GNN در تحلیل شبکه های اجتماعی
  • 83. یادگیری عمیق برای داده های پزشکی
  • 84. تشخیص بیماری با یادگیری عمیق
  • 85. کشف دارو با هوش مصنوعی
  • 86. مدل های یادگیری عمیق در رباتیک
  • 87. کنترل ربات با یادگیری تقویتی
  • 88. برنامه ریزی مسیر برای ربات ها
  • 89. ملاحظات سخت افزاری برای یادگیری عمیق
  • 90. پردازنده های گرافیکی (GPU)
  • 91. شتاب دهنده های هوش مصنوعی
  • 92. بهینه سازی مدل ها برای استقرار
  • 93. استقرار مدل های یادگیری عمیق
  • 94. مانیتورینگ و نگهداری مدل ها
  • 95. آینده یادگیری عمیق
  • 96. چالش های پیش رو در هوش مصنوعی
  • 97. یادگیری عمیق و هوش مصنوعی عمومی
  • 98. استانداردهای حاکمیتی در هوش مصنوعی
  • 99. مسائل حقوقی مرتبط با هوش مصنوعی
  • 100. آموزش مداوم در حوزه 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.