سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری ماشین: مبانی و کاربردها

کتاب مقدمه‌ای بر یادگیری ماشین: مبانی و کاربردها

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 مقدمه‌ای بر یادگیری ماشین: مبانی و کاربردها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. تعریف یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مفاهیم پایه در یادگیری ماشین
  • 8. داده‌ها و ویژگی‌ها
  • 9. مجموعه داده‌های آموزشی و آزمایشی
  • 10. مهندسی ویژگی
  • 11. پیش‌پردازش داده‌ها
  • 12. پاکسازی داده‌ها
  • 13. مقیاس‌بندی داده‌ها
  • 14. رمزگذاری داده‌های دسته‌ای
  • 15. مدل‌های خطی
  • 16. رگرسیون خطی
  • 17. رگرسیون لجستیک
  • 18. مقدمه‌ای بر طبقه‌بندی
  • 19. الگوریتم‌های طبقه‌بندی
  • 20. K-نزدیک‌ترین همسایه (KNN)
  • 21. ماشین‌های بردار پشتیبان (SVM)
  • 22. درختان تصمیم
  • 23. جنگل‌های تصادفی
  • 24. نایوبه‌یز
  • 25. مدل‌های آماری
  • 26. مدل‌های بیزی
  • 27. استنتاج بیزی
  • 28. شبکه‌های بیزی
  • 29. مدل‌های گرافیکی
  • 30. یادگیری عمیق
  • 31. شبکه‌های عصبی مصنوعی
  • 32. مبانی شبکه‌های عصبی
  • 33. پرتسپترون
  • 34. شبکه‌های عصبی پیش‌خور
  • 35. توابع فعال‌سازی
  • 36. پس‌انتشار خطا
  • 37. بهینه‌سازی در شبکه‌های عصبی
  • 38. نزول گرادیان
  • 39. گرادیان کاهشی تصادفی
  • 40. بهینه‌سازهای پیشرفته
  • 41. متریک‌های ارزیابی مدل
  • 42. دقت (Accuracy)
  • 43. صحت (Precision)
  • 44. بازیابی (Recall)
  • 45. امتیاز F1
  • 46. منحنی ROC و AUC
  • 47. اعتبارسنجی متقابل (Cross-validation)
  • 48. تنظیم فراپارامترها (Hyperparameter tuning)
  • 49. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 50. روش‌های مقابله با بیش‌برازش
  • 51. تنظیم‌گری (Regularization)
  • 52. کاهش ابعاد (Dimensionality reduction)
  • 53. تجزیه مولفه‌های اصلی (PCA)
  • 54. توزیع یکنواخت همسایگی (t-SNE)
  • 55. کاربردهای یادگیری ماشین
  • 56. پردازش زبان طبیعی (NLP)
  • 57. مقدمه‌ای بر NLP
  • 58. تحلیل احساسات
  • 59. طبقه‌بندی متن
  • 60. شناسایی موجودیت نام‌گذاری شده (NER)
  • 61. بینایی ماشین (Computer Vision)
  • 62. تشخیص اشیاء
  • 63. طبقه‌بندی تصویر
  • 64. تولید تصویر
  • 65. سیستم‌های توصیه‌گر
  • 66. فیلترینگ مشارکتی
  • 67. فیلترینگ مبتنی بر محتوا
  • 68. سیستم‌های ترکیبی
  • 69. یادگیری تقویتی پیشرفته
  • 70. عوامل یادگیری تقویتی
  • 71. یادگیری از طریق پاداش
  • 72. الگوریتم‌های Q-learning
  • 73. یادگیری عمیق تقویتی
  • 74. کاربردهای یادگیری تقویتی
  • 75. رباتیک
  • 76. بازی‌ها
  • 77. سیستم‌های خودران
  • 78. مباحث پیشرفته در یادگیری ماشین
  • 79. یادگیری چندوظیفه‌ای (Multi-task learning)
  • 80. یادگیری انتقالی (Transfer learning)
  • 81. یادگیری افزایشی (Incremental learning)
  • 82. یادگیری فعال (Active learning)
  • 83. یادگیری توضیحی (Explainable AI - XAI)
  • 84. اخلاق در یادگیری ماشین
  • 85. حریم خصوصی داده‌ها
  • 86. سوگیری در الگوریتم‌ها
  • 87. مسئولیت‌پذیری
  • 88. کاربردها در صنعت و اقتصاد
  • 89. تحلیل داده‌های مالی
  • 90. پیش‌بینی بازار
  • 91. مدیریت ریسک
  • 92. کاربردها در سلامت
  • 93. تشخیص بیماری
  • 94. کشف دارو
  • 95. شخصی‌سازی درمان
  • 96. مقدمه‌ای بر مهندسی نرم‌افزار در یادگیری ماشین
  • 97. چرخه حیات پروژه‌های ML
  • 98. استقرار مدل‌های ML
  • 99. نظارت بر عملکرد مدل‌ها
  • 100. امنیت در سیستم‌های ML

📚 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.