سپنتا کتاب اکسپرس
کتاب ساخت شبکه عصبی از پایه: رویکرد عملی با پایتون

کتاب ساخت شبکه عصبی از پایه: رویکرد عملی با پایتون

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 ساخت شبکه عصبی از پایه: رویکرد عملی با پایتون

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مبانی علوم کامپیوتر و ریاضیات برای یادگیری ماشین
  • 2. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. پیاده‌سازی اولیه شبکه عصبی با پایتون
  • 5. ساختار یک نورون مصنوعی
  • 6. توابع فعال‌سازی: سیگموئید، ReLU و دیگران
  • 7. آشنایی با بردارهای عددی و ماتریس‌ها در پایتون
  • 8. عملگرهای ماتریسی و محاسبات پایه
  • 9. توابع هزینه: خطای میانگین مربعات، آنتروپی متقاطع
  • 10. بهینه‌سازی توابع هزینه: گرادیان کاهشی
  • 11. محاسبه گرادیان‌ها با روش پس‌انتشار خطا
  • 12. پیاده‌سازی گام به گام پس‌انتشار خطا
  • 13. تنظیم نرخ یادگیری در گرادیان کاهشی
  • 14. مفهوم وزن‌ها و بایاس‌ها در شبکه عصبی
  • 15. آموزش شبکه عصبی برای طبقه‌بندی دودویی
  • 16. کاربرد شبکه عصبی در تشخیص ارقام دست‌نویس
  • 17. داده‌های آموزشی و داده‌های آزمایشی
  • 18. تقسیم داده‌ها و جلوگیری از بیش‌برازش
  • 19. اعتبارسنجی متقابل (Cross-validation)
  • 20. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 21. شبکه‌های عصبی چندلایه (MLP)
  • 22. لایه ورودی، لایه‌های پنهان و لایه خروجی
  • 23. طراحی معماری شبکه‌های عصبی عمیق
  • 24. انتشار رو به جلو (Forward Propagation)
  • 25. انتشار رو به عقب (Backward Propagation)
  • 26. بهینه‌سازهای پیشرفته: Adam، RMSprop
  • 27. تنظیمات بهینه‌سازها و تأثیر آن‌ها
  • 28. نرمال‌سازی دسته‌ای (Batch Normalization)
  • 29. نقش نرمال‌سازی دسته‌ای در بهبود آموزش
  • 30. توابع فعال‌سازی پیشرفته‌تر
  • 31. کاربرد شبکه‌های عصبی در مسائل رگرسیون
  • 32. ارزیابی مدل‌های رگرسیون: MSE، MAE
  • 33. آموزش شبکه عصبی برای رگرسیون خطی
  • 34. آموزش شبکه عصبی برای رگرسیون چندجمله‌ای
  • 35. مدیریت داده‌های از دست رفته در مجموعه داده
  • 36. تکنیک‌های افزایش داده (Data Augmentation)
  • 37. استفاده از کتابخانه‌های تخصصی یادگیری ماشین
  • 38. مقدمه‌ای بر کتابخانه NumPy برای محاسبات عددی
  • 39. مقدمه‌ای بر کتابخانه SciPy برای محاسبات علمی
  • 40. مقدمه‌ای بر کتابخانه Pandas برای تحلیل داده
  • 41. مقدمه‌ای بر کتابخانه Scikit-learn
  • 42. پیاده‌سازی شبکه‌های عصبی با Scikit-learn
  • 43. شبکه‌های عصبی کانولوشنال (CNN)
  • 44. لایه کانولوشن و فیلترها
  • 45. لایه پولینگ (Pooling)
  • 46. ساختار CNN برای تشخیص تصویر
  • 47. کاربرد CNN در تشخیص اشیاء
  • 48. آموزش CNN برای مجموعه داده CIFAR-10
  • 49. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 50. سلول‌های RNN و حافظه کوتاه‌مدت
  • 51. کاربرد RNN در پردازش زبان طبیعی
  • 52. مدل‌های زبانی آماری
  • 53. پیش‌بینی توالی کلمات
  • 54. آموزش RNN برای تولید متن
  • 55. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 56. ساختار سلول LSTM
  • 57. مزایای LSTM نسبت به RNN
  • 58. کاربرد LSTM در ترجمه ماشینی
  • 59. آموزش LSTM برای ترجمه ماشینی
  • 60. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 61. شبکه مولد و شبکه متمایزکننده
  • 62. آموزش GAN برای تولید تصاویر
  • 63. کاربرد GAN در افزایش داده
  • 64. کاربرد GAN در تولید محتوای خلاقانه
  • 65. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 66. مکانیزم توجه (Attention Mechanism)
  • 67. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 68. مدل‌های از پیش آموزش دیده: BERT، GPT
  • 69. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 70. کاربرد یادگیری تقویتی در مسائل کنترلی
  • 71. عامل، محیط، پاداش
  • 72. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 73. پیاده‌سازی Q-Learning برای یک مسئله ساده
  • 74. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 75. کاربرد DRL در بازی‌ها
  • 76. پیاده‌سازی DRL برای بازی Atari
  • 77. اخلاق در هوش مصنوعی
  • 78. سوگیری در داده‌ها و مدل‌ها
  • 79. شفافیت و تفسیرپذیری مدل‌های هوش مصنوعی
  • 80. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 81. امنیت و حریم خصوصی در هوش مصنوعی
  • 82. آینده هوش مصنوعی و تأثیر آن بر جامعه
  • 83. ملاحظات اقتصادی هوش مصنوعی
  • 84. نقش هوش مصنوعی در پیشرفت علم
  • 85. کاربردهای هوش مصنوعی در صنعت
  • 86. هوش مصنوعی در پزشکی و سلامت
  • 87. هوش مصنوعی در آموزش و یادگیری
  • 88. هوش مصنوعی در حمل و نقل
  • 89. هوش مصنوعی در کشاورزی
  • 90. هوش مصنوعی در محیط زیست
  • 91. کارآفرینی و نوآوری در حوزه هوش مصنوعی
  • 92. مسیر شغلی در هوش مصنوعی
  • 93. مهارت‌های لازم برای متخصصان هوش مصنوعی
  • 94. مطالعه موردی: پیاده‌سازی یک پروژه یادگیری ماشین کامل
  • 95. انتخاب مسئله و جمع‌آوری داده
  • 96. پیش‌پردازش داده و مهندسی ویژگی
  • 97. انتخاب و آموزش مدل
  • 98. ارزیابی و بهبود مدل
  • 99. استقرار مدل

📚 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.