سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین احتمالی و کاربردهای آن

کتاب مبانی یادگیری ماشین احتمالی و کاربردهای آن

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 ماشین احتمالی و کاربردهای آن

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین آماری

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری ماشین احتمالی
  • 2. مفاهیم پایه ای احتمال و آمار
  • 3. متغیرهای تصادفی و توزیع ها
  • 4. امید ریاضی و واریانس
  • 5. قضیه بیز و استنتاج بیزی
  • 6. مدل های احتمالی و توابع احتمال
  • 7. مدل های شرطی و استقلال
  • 8. توابع توزیع تجمعی
  • 9. توابع چگالی احتمال
  • 10. قانون اعداد بزرگ
  • 11. قضیه حد مرکزی
  • 12. روش های تخمین پارامتر
  • 13. حداکثر درست نمایی
  • 14. حداقل میانگین مربعات
  • 15. استنتاج بیزی و پیشین ها
  • 16. پسین ها و امید ریاضی پسین
  • 17. پیش بینی و خطای پیش بینی
  • 18. مدل های خطی و رگرسیون خطی
  • 19. رگرسیون لجستیک
  • 20. مدل های طبقه بندی
  • 21. ماشین های بردار پشتیبان (SVM)
  • 22. مقدمه ای بر شبکه های عصبی
  • 23. شبکه های عصبی پرسپترون چند لایه
  • 24. توابع فعال سازی در شبکه های عصبی
  • 25. پس انتشار خطا
  • 26. بهینه سازی در شبکه های عصبی
  • 27. یادگیری عمیق و شبکه های کانولوشنی
  • 28. شبکه های عصبی بازگشتی
  • 29. مدل های زبانی و پردازش زبان طبیعی
  • 30. یادگیری تقویتی
  • 31. مقدمه ای بر یادگیری بدون نظارت
  • 32. خوشه بندی و الگوریتم K-Means
  • 33. تحلیل مولفه های اصلی (PCA)
  • 34. کاهش ابعاد
  • 35. مدل های مخلوط گوسی
  • 36. مقدمه ای بر مدل های گرافیکی
  • 37. شبکه های بیزی
  • 38. میدان های تصادفی مارکوف
  • 39. مدل های پنهان مارکوف (HMM)
  • 40. استنتاج در مدل های گرافیکی
  • 41. بهینه سازی و جستجو
  • 42. الگوریتم های ژنتیک
  • 43. روش های شبیه سازی مونت کارلو
  • 44. روش های نمونه برداری میده
  • 45. مقدمه ای بر یادگیری آماری
  • 46. فرضیه آماری و آزمون فرض
  • 47. فاصله اطمینان
  • 48. تحلیل واریانس (ANOVA)
  • 49. مدل های خطی تعمیم یافته (GLM)
  • 50. مدل های رگرسیون پواسون
  • 51. مدل های رگرسیون ناپایایی
  • 52. مدل های رگرسیون کوانتایل
  • 53. مقدمه ای بر پردازش داده های کلان
  • 54. سیستم های توزیع شده برای یادگیری ماشین
  • 55. چارچوب های پردازش داده های توزیع شده
  • 56. یادگیری ماشینی در عمل
  • 57. مهندسی ویژگی
  • 58. انتخاب ویژگی
  • 59. تنظیم ابرپارامترها
  • 60. اعتبارسنجی متقابل
  • 61. ارزیابی مدل
  • 62. شاخص های ارزیابی مدل های طبقه بندی
  • 63. منحنی ROC و AUC
  • 64. شاخص های ارزیابی مدل های رگرسیون
  • 65. خطای میانگین مربعات (MSE)
  • 66. خطای میانگین مطلق (MAE)
  • 67. ضریب تعیین (R-squared)
  • 68. یادگیری انطباقی
  • 69. یادگیری آنلاین
  • 70. یادگیری توزیع شده
  • 71. حفظ حریم خصوصی در یادگیری ماشین
  • 72. حریم خصوصی تفاضلی
  • 73. امنیت مدل های یادگیری ماشین
  • 74. حملات متخاصم به مدل ها
  • 75. تشخیص داده های پرت
  • 76. پیش پردازش داده ها
  • 77. پاکسازی داده ها
  • 78. مقیاس بندی ویژگی ها
  • 79. کدگذاری ویژگی های دسته ای
  • 80. مقدمه ای بر یادگیری عمیق در پردازش زبان طبیعی
  • 81. شبکه های ترنسفورمر
  • 82. مدل های زبانی بزرگ
  • 83. کاربردها در ترجمه ماشینی
  • 84. کاربردها در تولید متن
  • 85. کاربردها در تحلیل احساسات
  • 86. یادگیری عمیق در بینایی ماشین
  • 87. تشخیص اشیاء
  • 88. تقسیم بندی تصاویر
  • 89. تولید تصاویر
  • 90. کاربردها در پزشکی
  • 91. کاربردها در مالی
  • 92. کاربردها در رباتیک
  • 93. مقدمه ای بر یادگیری ماشین قابل توضیح (XAI)
  • 94. تکنیک های تفسیرپذیری مدل
  • 95. اهمیت ویژگی ها
  • 96. تفسیر پیش بینی های فردی
  • 97. کاربردها در حوزه سلامت
  • 98. کاربردها در حوزه حقوق
  • 99. کاربردها در حوزه کسب و کار
  • 100. اخلاق در یادگیری ماشین

📚 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.