کتاب مبانی یادگیری ماشین: دیدگاه‌های آماری و 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 ماشین: دیدگاه‌های آماری و کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 3. مفاهیم کلیدی: داده، ویژگی، برچسب، مدل
  • 4. پیش‌پردازش داده‌ها: پاکسازی، نرمال‌سازی، تبدیل
  • 5. نمونه‌سازی داده‌ها: تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 6. ارزیابی مدل: معیارهای دقت، صحت، بازیابی، امتیاز F1
  • 7. رگرسیون خطی
  • 8. رگرسیون لجستیک
  • 9. درختان تصمیم
  • 10. جنگل‌های تصادفی
  • 11. ماشین‌های بردار پشتیبان (SVM)
  • 12. دسته‌بندی‌کننده‌های بیز ساده
  • 13. K-نزدیکترین همسایگان (KNN)
  • 14. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
  • 15. تجزیه مقادیر منفرد (SVD)
  • 16. خوشه‌بندی: K-Means
  • 17. خوشه‌بندی سلسله مراتبی
  • 18. کشف قوانین انجمنی
  • 19. یادگیری عمیق: مقدمه
  • 20. شبکه‌های عصبی پرسپترون چندلایه
  • 21. توابع فعال‌سازی
  • 22. پس‌انتشار خطا
  • 23. شبکه‌های عصبی کانولوشنی (CNN)
  • 24. شبکه‌های عصبی بازگشتی (RNN)
  • 25. حافظه طولانی کوتاه مدت (LSTM)
  • 26. واحدهای بازگشتی دروازه‌ای (GRU)
  • 27. یادگیری تقویتی: مفاهیم پایه
  • 28. عامل، محیط، حالت، عمل، پاداش
  • 29. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 30. یادگیری تقویتی عمیق (DRL)
  • 31. مفاهیم آماری پیشرفته در یادگیری ماشین
  • 32. فرضیه‌های آماری و آزمون فرض
  • 33. مدل‌های خطی تعمیم یافته (GLM)
  • 34. مدل‌های مخلوط
  • 35. استنتاج بیزی
  • 36. روش‌های مونت کارلو زنجیره مارکوف (MCMC)
  • 37. مدل‌های گرافیکی
  • 38. شبکه‌های بیزی
  • 39. میدان‌های تصادفی مارکوف
  • 40. یادگیری ماشین بر اساس سری‌های زمانی
  • 41. مدل‌های ARIMA
  • 42. مدل‌های حالت-فضا
  • 43. فیلتر کالمن
  • 44. یادگیری ماشین در اقتصاد: مقدمه
  • 45. مدل‌های پیش‌بینی اقتصادی
  • 46. تحلیل سری‌های زمانی اقتصادی
  • 47. کاربرد مدل‌های یادگیری ماشین در بازارهای مالی
  • 48. مدل‌سازی ریسک اعتباری
  • 49. پیش‌بینی ورشکستگی
  • 50. تحلیل احساسات در بازارهای مالی
  • 51. یادگیری ماشین برای بهینه‌سازی پرتفوی
  • 52. مدیریت ریسک در سرمایه‌گذاری
  • 53. اقتصاد سنجی مبتنی بر یادگیری ماشین
  • 54. مدل‌های پیش‌بینی تقاضا
  • 55. بهینه‌سازی زنجیره تأمین
  • 56. مدیریت موجودی
  • 57. تخصیص منابع
  • 58. یادگیری ماشین در داده‌های حجیم
  • 59. معماری‌های پردازش توزیع شده (مانند Spark)
  • 60. استفاده از چارچوب‌های یادگیری ماشین توزیع شده
  • 61. بهینه‌سازی عملکرد مدل در مقیاس بزرگ
  • 62. حفظ حریم خصوصی و امنیت در یادگیری ماشین
  • 63. روش‌های حفظ حریم خصوصی داده‌ها
  • 64. یادگیری فدرال
  • 65. امنیت مدل‌ها در برابر حملات
  • 66. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 67. سوگیری در الگوریتم‌ها
  • 68. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 69. کاربرد یادگیری ماشین در تشخیص پزشکی
  • 70. مدل‌های پیش‌بینی بیماری
  • 71. تحلیل تصاویر پزشکی
  • 72. سیستم‌های توصیه‌گر در پزشکی
  • 73. یادگیری ماشین برای پردازش زبان طبیعی (NLP)
  • 74. تجزیه و تحلیل متن
  • 75. استخراج اطلاعات
  • 76. ترجمه ماشینی
  • 77. خلاصه‌سازی متن
  • 78. مدل‌های زبانی بزرگ
  • 79. یادگیری ماشین برای بینایی ماشین
  • 80. تشخیص اشیاء
  • 81. تقسیم‌بندی تصاویر
  • 82. تشخیص چهره
  • 83. تولید تصویر
  • 84. مفاهیم پیشرفته در یادگیری عمیق
  • 85. شبکه‌های مولد تخاصمی (GANs)
  • 86. شبکه‌های خودرمزگذار متغیر (VAEs)
  • 87. یادگیری انتقال (Transfer Learning)
  • 88. یادگیری چند وظیفه ای (Multi-task Learning)
  • 89. یادگیری خودنظارتی (Self-supervised Learning)
  • 90. تفسیرپذیری مدل‌های یادگیری ماشین
  • 91. روش‌های تفسیرپذیری (مانند LIME، SHAP)
  • 92. تجزیه و تحلیل اهمیت ویژگی
  • 93. نمایش بصری تصمیمات مدل
  • 94. یادگیری ماشین قابل اعتماد و قوی
  • 95. مدل‌سازی عدم قطعیت
  • 96. تشخیص داده‌های پرت
  • 97. مقاومت در برابر حملات تخاصمی
  • 98. کاربرد یادگیری ماشین در رباتیک
  • 99. کنترل ربات
  • 100. ناوبری ربات

📚 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.