سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین: الگوریتم‌ها و کاربردها

کتاب مبانی یادگیری ماشین: الگوریتم‌ها 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 مبانی یادگیری ماشین: الگوریتم‌ها و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین پیشرفته
  • 2. الگوریتم‌های یادگیری تقویتی
  • 3. مفاهیم بنیادی یادگیری تقویتی
  • 4. یادگیری آفلاین و آنلاین
  • 5. مدل‌های مارکوف تصمیم‌گیری
  • 6. ارزش تابع و سیاست
  • 7. معادلات بلمن
  • 8. روش‌های ارزش‌گذاری تابع
  • 9. روش‌های سیاست‌گذاری
  • 10. یادگیری تقویتی بدون مدل
  • 11. روش‌های مونت کارلو
  • 12. یادگیری تفاضل زمانی
  • 13. یادگیری تقویتی با مدل
  • 14. جستجو در فضای حالت
  • 15. یادگیری عمیق تقویتی
  • 16. شبکه‌های عصبی عمیق
  • 17. شبکه‌های عصبی کانولوشنی
  • 18. شبکه‌های عصبی بازگشتی
  • 19. یادگیری عمیق تقویتی با شبکه‌های عصبی عمیق
  • 20. الگوریتم DQN
  • 21. یادگیری تقویتی با سیاست گرادیان
  • 22. الگوریتم REINFORCE
  • 23. الگوریتم A3C
  • 24. یادگیری تقویتی با بازی‌ها
  • 25. یادگیری تقویتی در رباتیک
  • 26. یادگیری تقویتی در سیستم‌های توصیه‌گر
  • 27. یادگیری تقویتی در امور مالی
  • 28. یادگیری تقویتی در پردازش زبان طبیعی
  • 29. یادگیری تقویتی در بینایی ماشین
  • 30. موضوعات پیشرفته در یادگیری تقویتی
  • 31. یادگیری نیمه‌نظارت شده
  • 32. یادگیری خودنظارت شده
  • 33. یادگیری افزایشی
  • 34. یادگیری با حداقل داده
  • 35. یادگیری ماشینی چندعاملی
  • 36. شبکه‌های مولد تخاصمی (GANs)
  • 37. یادگیری تقویتی با عامل‌های متعدد
  • 38. هماهنگی و رقابت در عامل‌های متعدد
  • 39. بازی‌های مجموع صفر
  • 40. بازی‌های مجموع غیر صفر
  • 41. نظریه بازی‌ها و یادگیری تقویتی
  • 42. کاربرد GANs در تولید داده
  • 43. کاربرد GANs در تصاویر
  • 44. کاربرد GANs در متن
  • 45. کاربرد GANs در صدا
  • 46. شبکه‌های عصبی گراف (GNNs)
  • 47. مبانی شبکه‌های عصبی گراف
  • 48. کاربرد GNNs در شبکه‌های اجتماعی
  • 49. کاربرد GNNs در شیمی
  • 50. کاربرد GNNs در فیزیک
  • 51. پردازش زبان طبیعی پیشرفته
  • 52. مدل‌های زبانی بزرگ
  • 53. ترنسفورمرها
  • 54. توجه مکانیزم
  • 55. کاربرد ترنسفورمرها در ترجمه ماشینی
  • 56. کاربرد ترنسفورمرها در خلاصه‌سازی متن
  • 57. کاربرد ترنسفورمرها در پاسخ به پرسش
  • 58. یادگیری انتقالی
  • 59. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 60. کاربرد یادگیری انتقالی در تصاویر
  • 61. کاربرد یادگیری انتقالی در متن
  • 62. یادگیری فدرال
  • 63. مبانی یادگیری فدرال
  • 64. حریم خصوصی در یادگیری فدرال
  • 65. امنیت در یادگیری فدرال
  • 66. کاربرد یادگیری فدرال در سلامت
  • 67. کاربرد یادگیری فدرال در بانکداری
  • 68. یادگیری ماشینی توضیحی (XAI)
  • 69. مبانی XAI
  • 70. روش‌های XAI برای مدل‌های جعبه سیاه
  • 71. توضیح‌پذیری مدل‌های یادگیری عمیق
  • 72. تفسیرپذیری مدل‌های یادگیری ماشین
  • 73. کاربرد XAI در تشخیص پزشکی
  • 74. کاربرد XAI در امور مالی
  • 75. یادگیری ماشینی مسئولانه
  • 76. اخلاق در هوش مصنوعی
  • 77. سوگیری در داده‌ها و مدل‌ها
  • 78. عدالت در هوش مصنوعی
  • 79. شفافیت در هوش مصنوعی
  • 80. پاسخگویی در هوش مصنوعی
  • 81. مسائل حقوقی هوش مصنوعی
  • 82. مدل‌های یادگیری ماشین برای داده‌های سری زمانی
  • 83. پیش‌بینی سری زمانی
  • 84. مدل‌های ARIMA
  • 85. مدل‌های LSTM برای سری زمانی
  • 86. مدل‌های ترنسفورمر برای سری زمانی
  • 87. یادگیری ماشینی در اینترنت اشیا (IoT)
  • 88. جمع‌آوری داده از دستگاه‌های IoT
  • 89. تجزیه و تحلیل داده‌های IoT
  • 90. کاربرد یادگیری ماشینی در شهرهای هوشمند
  • 91. یادگیری ماشینی در سیستم‌های توزیع شده
  • 92. یادگیری ماشینی در محاسبات ابری
  • 93. یادگیری ماشینی در محاسبات لبه
  • 94. مباحث پیشرفته در بهینه‌سازی مدل‌های یادگیری ماشین
  • 95. روش‌های کوانتیزاسیون مدل
  • 96. تقطیر دانش
  • 97. حذف هرس مدل
  • 98. کاربرد یادگیری ماشینی در دنیای واقعی
  • 99. مطالعات موردی در صنعت
  • 100. مطالعات موردی در پزشکی

📚 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.