کتاب مبانی شبکه‌های عصبی و کاربردهای نوین در پردازش داده

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 شبکه‌های عصبی و کاربردهای نوین در پردازش داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین: نظارت شده و بدون نظارت
  • 3. معرفی شبکه‌های عصبی مصنوعی
  • 4. ساختار نورون مصنوعی و تابع فعال‌سازی
  • 5. مدل‌های خطی و رگرسیون لجستیک
  • 6. توابع هزینه و بهینه‌سازی در شبکه‌های عصبی
  • 7. گرادیان کاهشی و انواع آن
  • 8. پس‌انتشار خطا (Backpropagation)
  • 9. معرفی شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 10. کاربرد MLP در مسائل دسته‌بندی
  • 11. شبکه‌های عصبی کانولوشنی (CNN)
  • 12. ساختار لایه‌های کانولوشن و پولینگ
  • 13. کاربرد CNN در پردازش تصویر
  • 14. شبکه‌های عصبی بازگشتی (RNN)
  • 15. حافظه کوتاه‌مدت و بلندمدت (LSTM)
  • 16. شبکه‌های عصبی بازگشتی گیت‌دار (GRU)
  • 17. کاربرد RNN در پردازش زبان طبیعی
  • 18. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 19. شبکه‌های مولد تخاصمی (GAN)
  • 20. ساختار مولد و متمایز کننده در GAN
  • 21. کاربرد GAN در تولید تصویر
  • 22. موضوعات پیشرفته در شبکه‌های عصبی
  • 23. یادگیری تقویتی (Reinforcement Learning)
  • 24. مبانی یادگیری تقویتی: عامل، محیط، پاداش
  • 25. الگوریتم‌های یادگیری تقویتی Q-Learning
  • 26. کاربرد یادگیری تقویتی در رباتیک
  • 27. معرفی خودرمزگذارها (Autoencoders)
  • 28. ساختار خودرمزگذار: رمزگذار و رمزگشا
  • 29. خودرمزگذارهای تنک (Sparse Autoencoders)
  • 30. خودرمزگذارهای واریانس‌دار (Variational Autoencoders - VAE)
  • 31. کاربرد VAE در تولید داده
  • 32. شبکه‌های عصبی عمیق برای پردازش داده‌های حجیم
  • 33. یادگیری انتقالی (Transfer Learning)
  • 34. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 35. کاربرد یادگیری انتقالی در بینایی ماشین
  • 36. شبکه‌های عصبی ترانسفورمر (Transformer Networks)
  • 37. مکانیسم توجه (Attention Mechanism)
  • 38. کاربرد ترانسفورمر در پردازش زبان طبیعی
  • 39. مدل‌های زبانی بزرگ (LLMs)
  • 40. مبانی و معماری LLMs
  • 41. کاربرد LLMs در تولید متن و پاسخ به سوالات
  • 42. روش‌های آموزش مدل‌های عمیق
  • 43. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 44. روش‌های منظم‌سازی (Regularization)
  • 45. کاهش بیش‌برازش (Overfitting)
  • 46. معرفی و کاربرد مدل‌های LV-EBM
  • 47. مبانی مدل‌های انرژی مبتنی بر متغیرهای پنهان (LV-EBM)
  • 48. ارتباط LV-EBM با شبکه‌های عصبی
  • 49. کاربرد LV-EBM در مدل‌سازی توزیع داده
  • 50. مقدمه‌ای بر Target Propagation
  • 51. تفاوت Target Propagation با Backpropagation
  • 52. کاربرد Target Propagation در آموزش شبکه‌های عصبی
  • 53. معرفی و کاربرد Autoencoder
  • 54. مفاهیم پایه Autoencoder
  • 55. انواع Autoencoder و کاربردهای آن‌ها
  • 56. کاربرد Autoencoder در کاهش ابعاد
  • 57. کاربرد Autoencoder در تشخیص ناهنجاری
  • 58. کاربرد Autoencoder در تولید ویژگی
  • 59. معرفی و کاربرد شبکه‌های عصبی عمیق در تحلیل داده
  • 60. یادگیری عمیق برای داده‌های سری زمانی
  • 61. کاربرد شبکه‌های عصبی در پیش‌بینی سری زمانی
  • 62. شبکه‌های عصبی برای داده‌های گراف
  • 63. مدل‌های گراف عصبی (GNN)
  • 64. کاربرد GNN در تحلیل شبکه‌های اجتماعی
  • 65. کاربرد GNN در شیمی و کشف دارو
  • 66. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 67. سوگیری در الگوریتم‌های هوش مصنوعی
  • 68. شفافیت و قابلیت تفسیرپذیری مدل‌های هوش مصنوعی
  • 69. امنیت و حریم خصوصی در هوش مصنوعی
  • 70. کاربردهای نوین هوش مصنوعی در صنایع مختلف
  • 71. هوش مصنوعی در سلامت
  • 72. هوش مصنوعی در مالی
  • 73. هوش مصنوعی در حمل و نقل
  • 74. هوش مصنوعی در آموزش
  • 75. مقدمه‌ای بر محاسبات کوانتومی و یادگیری ماشین
  • 76. یادگیری ماشین کوانتومی (Quantum Machine Learning)
  • 77. چالش‌ها و فرصت‌های یادگیری ماشین کوانتومی
  • 78. معرفی ابزارها و چارچوب‌های یادگیری عمیق
  • 79. TensorFlow و Keras
  • 80. PyTorch
  • 81. کاربرد چارچوب‌ها در پیاده‌سازی مدل‌ها
  • 82. پروژه‌های عملی در یادگیری عمیق
  • 83. تحلیل داده‌های تصویری با CNN
  • 84. پردازش متن با RNN و Transformer
  • 85. ساخت مدل‌های مولد با GAN و VAE
  • 86. کاربرد یادگیری عمیق در تحلیل داده‌های پزشکی
  • 87. توسعه مدل‌های پیش‌بینی در بازارهای مالی
  • 88. بهینه‌سازی فرآیندها با یادگیری تقویتی
  • 89. آینده هوش مصنوعی و 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.