سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری عمیق با تنسور فلو برای کاربردهای علمی و مهندسی

کتاب مقدمه‌ای بر یادگیری عمیق با تنسور فلو برای کاربردهای علمی و مهندسی

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 عمیق با تنسور فلو برای کاربردهای علمی و مهندسی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق با استفاده از ابزارهای پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. تنسورها در تنسور فلو
  • 4. عملیات پایه تنسور
  • 5. توابع ریاضی تنسورها
  • 6. سفارشی‌سازی تنسورها
  • 7. گرادیان‌ها و محاسبات اتوماتیک
  • 8. پیاده‌سازی مدل‌های ساده
  • 9. شبکه‌های عصبی پرسپترون چند لایه
  • 10. تابع فعال‌سازی Sigmoid
  • 11. تابع فعال‌سازی ReLU
  • 12. تابع فعال‌سازی Tanh
  • 13. تابع فعال‌سازی Softmax
  • 14. تابع هزینه Cross-Entropy
  • 15. تابع هزینه MSE
  • 16. بهینه‌سازهای گرادیان نزولی
  • 17. بهینه‌ساز Adam
  • 18. بهینه‌ساز RMSprop
  • 19. تنظیم نرخ یادگیری
  • 20. اعتبارسنجی مدل
  • 21. مدل‌های رگرسیون خطی
  • 22. مدل‌های طبقه‌بندی با Logistic Regression
  • 23. شبکه‌های عصبی کانولوشنال (CNN)
  • 24. لایه کانولوشن
  • 25. لایه Pooling
  • 26. ساختار CNN برای تصویر
  • 27. آموزش CNN برای دسته‌بندی تصاویر
  • 28. کاربرد CNN در تشخیص اشیاء
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. لایه RNN ساده
  • 31. لایه LSTM
  • 32. لایه GRU
  • 33. ساختار RNN برای داده‌های ترتیبی
  • 34. کاربرد RNN در پردازش زبان طبیعی
  • 35. مدل‌های ترنسفورمر
  • 36. مکانیزم توجه (Attention)
  • 37. ساختار ترنسفورمر
  • 38. کاربرد ترنسفورمر در NLP
  • 39. یادگیری انتقالی (Transfer Learning)
  • 40. مدل‌های از پیش آموزش دیده
  • 41. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 42. کاربرد یادگیری انتقالی در بینایی ماشین
  • 43. کاربرد یادگیری انتقالی در NLP
  • 44. آموزش تقویتی (Reinforcement Learning)
  • 45. مفاهیم پایه آموزش تقویتی
  • 46. الگوریتم Q-Learning
  • 47. الگوریتم Policy Gradients
  • 48. کاربرد آموزش تقویتی در رباتیک
  • 49. کاربرد آموزش تقویتی در بازی‌ها
  • 50. شبکه‌های مولد تخاصمی (GAN)
  • 51. معماری GAN
  • 52. آموزش GAN
  • 53. کاربرد GAN در تولید تصاویر
  • 54. تکنیک‌های پیشرفته در یادگیری عمیق
  • 55. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 56. اعتبارسنجی متقابل (Cross-Validation)
  • 57. تنظیم‌کننده (Regularization)
  • 58. Dropout
  • 59. Batch Normalization
  • 60. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 61. یادگیری خودنظارتی (Self-Supervised Learning)
  • 62. یادگیری فدرال (Federated Learning)
  • 63. ملاحظات اخلاقی در هوش مصنوعی
  • 64. حریم خصوصی داده‌ها
  • 65. سوگیری در مدل‌های هوش مصنوعی
  • 66. تفسیرپذیری مدل‌های یادگیری عمیق
  • 67. توضیح‌پذیری مدل‌های هوش مصنوعی (XAI)
  • 68. کاربردهای یادگیری عمیق در علم داده
  • 69. کاربردها در پردازش تصویر
  • 70. کاربردها در پردازش زبان طبیعی
  • 71. کاربردها در تحلیل سری‌های زمانی
  • 72. کاربردها در سیستم‌های توصیه‌گر
  • 73. کاربردها در پزشکی و سلامت
  • 74. کاربردها در امور مالی و اقتصادی
  • 75. کاربردها در مهندسی و اتوماسیون
  • 76. کاربردها در تحقیقات علمی
  • 77. تنسور فلو در عمل: مثال‌های کاربردی
  • 78. پیاده‌سازی یک مدل طبقه‌بندی ساده
  • 79. ساخت یک مدل رگرسیون
  • 80. پیاده‌سازی یک CNN برای مجموعه داده MNIST
  • 81. آموزش یک RNN برای تولید متن
  • 82. استفاده از مدل‌های از پیش آموزش دیده Keras
  • 83. کار با API های سطح پایین تنسور فلو
  • 84. ساخت لایه‌های سفارشی
  • 85. توسعه توابع سفارشی
  • 86. دیباگ کردن مدل‌های یادگیری عمیق
  • 87. بهینه‌سازی عملکرد مدل‌ها
  • 88. مقدمه‌ای بر تنسور فلو لایت
  • 89. استقرار مدل‌های یادگیری عمیق
  • 90. ملاحظات امنیتی در استقرار مدل‌ها
  • 91. آینده یادگیری عمیق
  • 92. روندهای نوظهور در هوش مصنوعی
  • 93. چالش‌های پیش روی یادگیری عمیق
  • 94. اهمیت یادگیری ماشین در دنیای امروز
  • 95. نقش هوش مصنوعی در پیشرفت فناوری
  • 96. اخلاق حرفه‌ای در علم داده
  • 97. توسعه پایدار با 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.