سپنتا کتاب اکسپرس
کتاب اصول یادگیری ماشین کاربردی در سامانه های هوشمند

کتاب اصول یادگیری ماشین کاربردی در سامانه های هوشمند

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 اصول یادگیری ماشین کاربردی در سامانه های هوشمند

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. رگرسیون خطی
  • 6. رگرسیون لجستیک
  • 7. ماشین‌های بردار پشتیبان (SVM)
  • 8. درختان تصمیم
  • 9. جنگل‌های تصادفی
  • 10. تقویت‌کننده‌های گرادیان
  • 11. یادگیری بدون نظارت
  • 12. خوشه‌بندی K-Means
  • 13. خوشه‌بندی سلسله مراتبی
  • 14. تحلیل مؤلفه‌های اصلی (PCA)
  • 15. کاهش ابعاد
  • 16. یادگیری عمیق
  • 17. شبکه‌های عصبی مصنوعی
  • 18. شبکه‌های عصبی کانولوشنال (CNN)
  • 19. شبکه‌های عصبی بازگشتی (RNN)
  • 20. یادگیری تقویتی
  • 21. مبانی آمار و احتمال در یادگیری ماشین
  • 22. توزیع‌های احتمال
  • 23. قضیه بیز
  • 24. آزمون فرض آماری
  • 25. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 26. مدل‌سازی زبان
  • 27. تحلیل احساسات
  • 28. شناسایی موجودیت نام‌گذاری شده (NER)
  • 29. ترجمه ماشینی
  • 30. مقدمه‌ای بر بینایی ماشین
  • 31. تشخیص اشیاء
  • 32. تقطیر تصویر
  • 33. تشخیص چهره
  • 34. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 35. فیلترینگ مبتنی بر محتوا
  • 36. فیلترینگ مشارکتی
  • 37. سیستم‌های توصیه‌گر ترکیبی
  • 38. ارزیابی مدل‌های یادگیری ماشین
  • 39. معیارهای ارزیابی رگرسیون
  • 40. معیارهای ارزیابی طبقه‌بندی
  • 41. اعتبارسنجی متقابل
  • 42. تنظیم هایپرپارامترها
  • 43. مهندسی ویژگی
  • 44. انتخاب ویژگی
  • 45. استخراج ویژگی
  • 46. پیش‌پردازش داده‌ها
  • 47. پاکسازی داده‌ها
  • 48. مقیاس‌بندی داده‌ها
  • 49. تبدیل داده‌ها
  • 50. مدیریت داده‌های نامتوازن
  • 51. اخلاق در هوش مصنوعی
  • 52. سوگیری در الگوریتم‌ها
  • 53. شفافیت و قابلیت تفسیر
  • 54. حریم خصوصی داده‌ها
  • 55. کاربرد یادگیری ماشین در صنعت
  • 56. یادگیری ماشین در سلامت
  • 57. یادگیری ماشین در مالی
  • 58. یادگیری ماشین در بازاریابی
  • 59. یادگیری ماشین در تولید
  • 60. یادگیری ماشین در کشاورزی
  • 61. یادگیری ماشین در حمل و نقل
  • 62. مبانی یادگیری عمیق پیشرفته
  • 63. شبکه‌های عصبی ترانسفورمر
  • 64. یادگیری انتقالی
  • 65. یادگیری چندوظیفه‌ای
  • 66. مباحث پیشرفته در پردازش زبان طبیعی
  • 67. مدل‌های زبانی بزرگ (LLMs)
  • 68. تولید متن
  • 69. خلاصه‌سازی متن
  • 70. پرسش و پاسخ
  • 71. مباحث پیشرفته در بینایی ماشین
  • 72. شبکه‌های مولد تخاصمی (GANs)
  • 73. تولید تصویر
  • 74. تولید ویدئو
  • 75. واقعیت افزوده و مجازی
  • 76. مباحث پیشرفته در یادگیری تقویتی
  • 77. یادگیری عمیق تقویتی
  • 78. رباتیک
  • 79. بازی‌های هوشمند
  • 80. مباحث پیشرفته در سیستم‌های توصیه‌گر
  • 81. توصیه‌گرهای پویا
  • 82. توصیه‌گرهای مبتنی بر دانش
  • 83. توصیه‌گرهای اجتماعی
  • 84. معماری‌های یادگیری ماشین
  • 85. یادگیری توزیع‌شده
  • 86. یادگیری لبه (Edge Learning)
  • 87. یادگیری فدرال
  • 88. مقدمه‌ای بر یادگیری ماشین قابل اعتماد
  • 89. امنیت مدل‌های یادگیری ماشین
  • 90. مقاومت در برابر حملات
  • 91. تفسیرپذیری مدل‌های یادگیری ماشین
  • 92. یادگیری ماشین و حکمرانی داده
  • 93. چارچوب‌های قانونی و مقرراتی
  • 94. استانداردهای توسعه و استقرار
  • 95. هوش مصنوعی مولد و کاربردهای آن
  • 96. تولید محتوای خلاقانه
  • 97. طراحی و مهندسی با هوش مصنوعی
  • 98. کاربرد هوش مصنوعی در آموزش و پرورش
  • 99. شخصی‌سازی یادگیری
  • 100. سیستم‌های خودکار ارزیابی

📚 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.