سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری ماشین در هوش مصنوعی

کتاب مبانی و کاربردهای یادگیری ماشین در هوش مصنوعی

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 و کاربردهای یادگیری ماشین در هوش مصنوعی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تاریخچه و سیر تکامل یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مفاهیم پایه در یادگیری ماشین
  • 5. داده‌ها و پیش‌پردازش داده‌ها
  • 6. پاکسازی و استانداردسازی داده‌ها
  • 7. مهندسی ویژگی و انتخاب ویژگی
  • 8. انواع ویژگی‌ها و نحوه نمایش آن‌ها
  • 9. رگرسیون خطی ساده
  • 10. ارزیابی مدل‌های رگرسیون
  • 11. رگرسیون چندگانه
  • 12. مقدمه‌ای بر طبقه‌بندی
  • 13. رگرسیون لجستیک
  • 14. طبقه‌بندی‌کننده‌های بردار پشتیبان (SVM)
  • 15. درختان تصمیم
  • 16. قانون‌گذاری در درختان تصمیم
  • 17. جنگل‌های تصادفی
  • 18. تقویت گرادیان
  • 19. مقدمه‌ای بر خوشه‌بندی
  • 20. الگوریتم K-Means
  • 21. ارزیابی مدل‌های خوشه‌بندی
  • 22. خوشه‌بندی سلسله مراتبی
  • 23. مقدمه‌ای بر کاهش ابعاد
  • 24. تحلیل مولفه‌های اصلی (PCA)
  • 25. تجزیه مقادیر منفرد (SVD)
  • 26. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 27. نورون مصنوعی و تابع فعال‌سازی
  • 28. ساختار شبکه‌های عصبی پیشخور
  • 29. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 30. بهینه‌سازی در شبکه‌های عصبی
  • 31. نرخ یادگیری و زمان‌بندی آن
  • 32. تنظیم‌کننده‌ها (Regularization)
  • 33. شبکه‌های عصبی کانولوشنال (CNN)
  • 34. معماری CNN برای پردازش تصویر
  • 35. کاربرد CNN در تشخیص تصویر
  • 36. شبکه‌های عصبی بازگشتی (RNN)
  • 37. کاربرد RNN در پردازش زبان طبیعی
  • 38. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 39. شبکه‌های واحد بازگشتی (GRU)
  • 40. یادگیری عمیق و معماری‌های پیشرفته
  • 41. مقدمه‌ای بر یادگیری تقویتی
  • 42. عناصر یادگیری تقویتی: عامل، محیط، پاداش
  • 43. فرایند یادگیری در یادگیری تقویتی
  • 44. یادگیری مبتنی بر ارزش
  • 45. یادگیری مبتنی بر سیاست
  • 46. الگوریتم Q-Learning
  • 47. الگوریتم SARSA
  • 48. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 49. کاربردهای یادگیری تقویتی
  • 50. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 51. پیش‌پردازش متن برای NLP
  • 52. مدل‌سازی زبانی
  • 53. تحلیل احساسات
  • 54. ترجمه ماشینی
  • 55. خلاصه‌سازی متن
  • 56. تشخیص موجودیت نام‌گذاری شده (NER)
  • 57. طبقه‌بندی متن
  • 58. مقدمه‌ای بر بینایی ماشین
  • 59. پردازش تصویر برای ماشین
  • 60. تشخیص اشیاء
  • 61. تشخیص چهره
  • 62. دنبال کردن اشیاء در ویدئو
  • 63. تولید تصویر
  • 64. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 65. انواع سیستم‌های توصیه‌گر: مبتنی بر محتوا، مبتنی بر همگروهی
  • 66. فیلترینگ مشارکتی
  • 67. فیلترینگ مبتنی بر محتوا
  • 68. ترکیب روش‌ها در سیستم‌های توصیه‌گر
  • 69. ارزیابی سیستم‌های توصیه‌گر
  • 70. کاربردهای سیستم‌های توصیه‌گر
  • 71. مقدمه‌ای بر یادگیری ناظر (Unsupervised Learning)
  • 72. کاربرد یادگیری ناظر در کشف الگو
  • 73. تشخیص ناهنجاری (Anomaly Detection)
  • 74. مقدمه‌ای بر یادگیری نیمه‌ناظر (Semi-Supervised Learning)
  • 75. کاربرد یادگیری نیمه‌ناظر
  • 76. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 77. کاربرد یادگیری انتقالی در حوزه‌های مختلف
  • 78. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 79. کاربرد یادگیری فعال
  • 80. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 81. کاربرد یادگیری چندوظیفه‌ای
  • 82. مقدمه‌ای بر یادگیری جمعی (Ensemble Learning)
  • 83. تکنیک‌های Bagging و Boosting
  • 84. یادگیری ماشین در کاربردهای صنعتی
  • 85. کاربرد در سلامت و پزشکی
  • 86. کاربرد در امور مالی و بانکی
  • 87. کاربرد در بازاریابی و تجارت الکترونیک
  • 88. کاربرد در حمل و نقل و رباتیک
  • 89. ملاحظات اخلاقی و اجتماعی در یادگیری ماشین
  • 90. سوگیری در داده‌ها و مدل‌ها
  • 91. حریم خصوصی و امنیت داده‌ها
  • 92. مسئولیت‌پذیری در هوش مصنوعی
  • 93. آینده یادگیری ماشین و هوش مصنوعی
  • 94. نوآوری‌ها و روندهای جدید
  • 95. چالش‌های پیش رو در توسعه هوش مصنوعی
  • 96. نقش هوش مصنوعی در جامعه ایران
  • 97. آموزش و توسعه مهارت‌های هوش مصنوعی

📚 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.