سپنتا کتاب اکسپرس
کتاب مبانی یادگیری عمیق برای کاربردهای مهندسی و علمی

کتاب مبانی یادگیری عمیق برای کاربردهای مهندسی و علمی

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 برای کاربردهای مهندسی و علمی

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری عمیق
  • 2. شبکه های عصبی مصنوعی
  • 3. توابع فعال سازی
  • 4. پس انتشار خطا
  • 5. بهینه سازی گرادیان نزولی
  • 6. انواع گرادیان نزولی
  • 7. روش های بهینه سازی پیشرفته
  • 8. نرمال سازی دسته ای
  • 9. تنظیم کننده ها
  • 10. تنظیم کننده L1 و L2
  • 11. نرمال سازی dropout
  • 12. شبکه های عصبی کانولوشنال
  • 13. لایه های کانولوشن
  • 14. لایه های Pooling
  • 15. معماری های CNN
  • 16. شبکه های عصبی بازگشتی
  • 17. حافظه کوتاه مدت طولانی (LSTM)
  • 18. واحد بازگشتی دروازه ای (GRU)
  • 19. کاربردهای RNN
  • 20. شبکه های مولد تخاصمی (GAN)
  • 21. مقدمه ای بر پردازش زبان طبیعی
  • 22. مدل های زبانی
  • 23. مدل های امبدینگ کلمه
  • 24. Word2Vec
  • 25. GloVe
  • 26. مدل های ترنسفورمر
  • 27. مکانیزم توجه
  • 28. ترنسفورمرهای اولیه
  • 29. کاربردهای ترنسفورمر در NLP
  • 30. یادگیری تقویتی
  • 31. مفاهیم یادگیری تقویتی
  • 32. یادگیری Q
  • 33. یادگیری عمیق در بینایی ماشین
  • 34. تشخیص اشیا
  • 35. بخش بندی تصاویر
  • 36. تولید تصاویر
  • 37. یادگیری عمیق در پردازش سیگنال
  • 38. تشخیص گفتار
  • 39. تولید گفتار
  • 40. کاربردها در مهندسی برق
  • 41. کاربردها در مهندسی مکانیک
  • 42. کاربردها در مهندسی عمران
  • 43. کاربردها در مهندسی پزشکی
  • 44. کاربردها در علوم زیستی
  • 45. کاربردها در علوم مالی
  • 46. کاربردها در علوم زمین
  • 47. کاربردها در بهینه سازی فرایندها
  • 48. مبانی یادگیری ماشین
  • 49. انواع یادگیری ماشین
  • 50. یادگیری نظارت شده
  • 51. یادگیری بدون نظارت
  • 52. یادگیری نیمه نظارت شده
  • 53. یادگیری عمیق در داده های حجیم
  • 54. مدل های یادگیری عمیق توزیع شده
  • 55. بهینه سازی مدل های یادگیری عمیق
  • 56. استقرار مدل های یادگیری عمیق
  • 57. اخلاق در هوش مصنوعی
  • 58. سوگیری در داده ها و مدل ها
  • 59. شفافیت و توضیح پذیری مدل ها
  • 60. امنیت مدل های یادگیری عمیق
  • 61. حریم خصوصی در یادگیری عمیق
  • 62. مقدمه ای بر یادگیری عمیق با پایتون
  • 63. کتابخانه TensorFlow
  • 64. کتابخانه Keras
  • 65. کتابخانه PyTorch
  • 66. پیاده سازی شبکه های عصبی ساده
  • 67. پیاده سازی CNN ها
  • 68. پیاده سازی RNN ها
  • 69. ساخت مدل های GAN
  • 70. کار با داده های تصویری
  • 71. کار با داده های متنی
  • 72. کار با داده های صوتی
  • 73. آموزش مدل ها بر روی سخت افزار
  • 74. بهینه سازی عملکرد مدل ها
  • 75. ارزیابی مدل ها
  • 76. معرفی مدل های پیشرفته
  • 77. شبکه های گرافی عصبی
  • 78. یادگیری انتقالی
  • 79. یادگیری فدرال
  • 80. مقدمه ای بر یادگیری عمیق مولد
  • 81. مدل های زبانی بزرگ (LLM)
  • 82. کاربردهای LLM در تولید محتوا
  • 83. کاربردهای LLM در خلاصه سازی متن
  • 84. کاربردهای LLM در ترجمه ماشینی
  • 85. کاربردهای LLM در پاسخگویی به سوالات
  • 86. کاربردهای LLM در تحلیل احساسات
  • 87. ملاحظات شرعی و حقوقی در هوش مصنوعی
  • 88. قوانین و مقررات مربوط به داده ها
  • 89. مسئولیت پذیری در سیستم های هوش مصنوعی
  • 90. آینده یادگیری عمیق

📚 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.