سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین: مفاهیم کلیدی و کاربردها

کتاب مبانی یادگیری ماشین: مفاهیم کلیدی 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: مفاهیم کلیدی و کاربردها

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مفاهیم پایه 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. یادگیری بدون نظارت
  • 11. خوشه‌بندی K-Means
  • 12. تحلیل مؤلفه‌های اصلی (PCA)
  • 13. یادگیری تقویتی
  • 14. مبانی شبکه‌های عصبی
  • 15. شبکه‌های عصبی پرسپترون چندلایه
  • 16. توابع فعال‌سازی
  • 17. پس‌انتشار خطا
  • 18. بهینه‌سازی مدل‌ها
  • 19. گرادیان کاهشی
  • 20. بهینه‌سازهای پیشرفته
  • 21. تنظیم ابرپارامترها
  • 22. اعتبارسنجی متقابل
  • 23. جلوگیری از بیش‌برازش
  • 24. کاهش ابعاد
  • 25. مهندسی ویژگی
  • 26. انتخاب ویژگی
  • 27. پیش‌پردازش داده‌ها
  • 28. پاکسازی داده‌ها
  • 29. مقیاس‌بندی ویژگی‌ها
  • 30. کدگذاری متغیرهای دسته‌ای
  • 31. کار با داده‌های نامتوازن
  • 32. ارزیابی مدل‌های رگرسیون
  • 33. میانگین مربعات خطا (MSE)
  • 34. میانگین قدر مطلق خطا (MAE)
  • 35. ضریب تعیین (R-squared)
  • 36. ارزیابی مدل‌های طبقه‌بندی
  • 37. دقت (Accuracy)
  • 38. صحت (Precision)
  • 39. بازیابی (Recall)
  • 40. امتیاز F1
  • 41. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 42. منحنی ROC و AUC
  • 43. کاربردها در پردازش تصویر
  • 44. فیلترهای کانولوشن
  • 45. شبکه‌های عصبی کانولوشن (CNN)
  • 46. معماری‌های معروف CNN
  • 47. کاربردها در پردازش زبان طبیعی
  • 48. مدل‌های زبانی
  • 49. شبکه‌های عصبی بازگشتی (RNN)
  • 50. حافظه طولانی کوتاه مدت (LSTM)
  • 51. شبکه‌های عصبی ترنسفورمر
  • 52. یادگیری عمیق
  • 53. مبانی یادگیری عمیق
  • 54. معماری‌های یادگیری عمیق
  • 55. تکنیک‌های پیشرفته یادگیری عمیق
  • 56. یادگیری انتقالی (Transfer Learning)
  • 57. یادگیری فدرال
  • 58. ملاحظات اخلاقی در هوش مصنوعی
  • 59. سوگیری در داده‌ها و مدل‌ها
  • 60. حریم خصوصی در یادگیری ماشین
  • 61. تفسیرپذیری مدل‌ها (XAI)
  • 62. هوش مصنوعی مولد
  • 63. مدل‌های زبانی بزرگ (LLM)
  • 64. تولید متن
  • 65. تولید تصویر
  • 66. کاربردهای تجاری یادگیری ماشین
  • 67. سیستم‌های توصیه‌گر
  • 68. تشخیص تقلب
  • 69. تحلیل احساسات
  • 70. یادگیری ماشین در سلامت
  • 71. یادگیری ماشین در مالی
  • 72. یادگیری ماشین در صنعت
  • 73. یادگیری ماشین در کشاورزی
  • 74. یادگیری ماشین در حمل و نقل
  • 75. یادگیری ماشین در آموزش
  • 76. یادگیری ماشین در حکمرانی
  • 77. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 78. کاربرد GNN در شبکه‌های اجتماعی
  • 79. کاربرد GNN در کشف دارو
  • 80. مبانی یادگیری بدون نظارت پیشرفته
  • 81. کاهش ابعاد غیرخطی
  • 82. یادگیری خودرمزگذار (Autoencoders)
  • 83. کاربرد خودرمزگذارها
  • 84. مبانی یادگیری نیمه نظارت شده
  • 85. یادگیری فعال (Active Learning)
  • 86. یادگیری با استقامت
  • 87. مبانی پردازش سیگنال در یادگیری ماشین
  • 88. تبدیل فوریه
  • 89. تحلیل سری‌های زمانی
  • 90. مدل‌های مارکوف پنهان (HMM)
  • 91. کاربرد HMM در تشخیص گفتار
  • 92. مبانی یادگیری تقویتی پیشرفته
  • 93. مدل‌های ارزش و سیاست
  • 94. الگوریتم‌های Actor-Critic
  • 95. یادگیری عمیق تقویتی (DRL)
  • 96. کاربرد DRL در رباتیک
  • 97. کاربرد DRL در بازی‌ها
  • 98. تکنیک‌های یادگیری جمعی (Ensemble Learning)
  • 99. تقویت (Boosting)
  • 100. بگینگ (Bagging)

📚 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.