سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی و علم داده

کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی و علم داده

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 و کاربردهای یادگیری عمیق در مهندسی و علم داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مدل‌های خطی رگرسیون و طبقه‌بندی
  • 5. بهینه‌سازی مدل‌ها: گرادیان کاهشی
  • 6. معرفی شبکه‌های عصبی مصنوعی
  • 7. ساختار و عملکرد نورون مصنوعی
  • 8. توابع فعال‌سازی در شبکه‌های عصبی
  • 9. پس‌انتشار خطا (Backpropagation)
  • 10. معماری‌های پایه شبکه عصبی: پرسپترون چندلایه
  • 11. آموزش شبکه‌های عصبی: پارامترها و ابرپارامترها
  • 12. تنظیم‌کننده‌ها (Regularization) و جلوگیری از بیش‌برازش (Overfitting)
  • 13. روش‌های بهینه‌سازی پیشرفته: Adam، RMSprop
  • 14. معرفی یادگیری عمیق
  • 15. شبکه‌های عصبی کانولوشنی (CNN)
  • 16. لایه‌های کانولوشن و پولینگ در CNN
  • 17. کاربردهای CNN در پردازش تصویر
  • 18. شبکه‌های عصبی بازگشتی (RNN)
  • 19. حافظه بلند کوتاه مدت (LSTM) و واحد بازگشتی دروازه‌ای (GRU)
  • 20. کاربردهای RNN در پردازش زبان طبیعی
  • 21. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 22. مکانیزم توجه (Attention Mechanism)
  • 23. کاربردهای ترنسفورمر در پردازش زبان طبیعی
  • 24. یادگیری انتقالی (Transfer Learning)
  • 25. مدل‌های از پیش آموزش دیده (Pre-trained Models)
  • 26. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 27. یادگیری بدون نظارت در یادگیری عمیق
  • 28. شبکه‌های مولد تخاصمی (GAN)
  • 29. کاربردهای GAN در تولید تصویر و داده
  • 30. خودرمزگذارها (Autoencoders)
  • 31. کاربردهای خودرمزگذارها در کاهش ابعاد و بازسازی داده
  • 32. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 33. عوامل یادگیری تقویتی عمیق
  • 34. کاربردهای یادگیری تقویتی عمیق
  • 35. یادگیری عمیق در بینایی ماشین
  • 36. تشخیص اشیاء و بخش‌بندی تصویر
  • 37. تولید زیرنویس برای تصاویر
  • 38. یادگیری عمیق در پردازش زبان طبیعی
  • 39. ترجمه ماشینی
  • 40. تحلیل احساسات
  • 41. تولید متن
  • 42. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 43. فیلترینگ مشارکتی با یادگیری عمیق
  • 44. مدل‌های مبتنی بر محتوا با یادگیری عمیق
  • 45. یادگیری عمیق در علم داده و مهندسی
  • 46. پیش‌بینی سری‌های زمانی
  • 47. تشخیص ناهنجاری
  • 48. مدل‌سازی داده‌های پیچیده
  • 49. یادگیری عمیق در بهداشت و درمان
  • 50. تشخیص بیماری از تصاویر پزشکی
  • 51. کشف دارو
  • 52. تحلیل داده‌های ژنتیکی
  • 53. یادگیری عمیق در امور مالی
  • 54. پیش‌بینی بازار سهام
  • 55. تشخیص تقلب
  • 56. مدیریت ریسک
  • 57. یادگیری عمیق در رباتیک
  • 58. کنترل حرکتی ربات‌ها
  • 59. بینایی رباتیک
  • 60. ناوبری هوشمند
  • 61. مباحث پیشرفته در شبکه‌های عصبی
  • 62. شبکه‌های عصبی گراف (GNN)
  • 63. کاربردهای GNN در تحلیل شبکه‌های اجتماعی و مولکولی
  • 64. یادگیری عمیق قابل تفسیر (Explainable AI - XAI)
  • 65. روش‌های تفسیرپذیری مدل‌های یادگیری عمیق
  • 66. اخلاق در یادگیری عمیق
  • 67. سوگیری در داده‌ها و مدل‌ها
  • 68. حریم خصوصی در یادگیری عمیق
  • 69. ملاحظات امنیتی در یادگیری عمیق
  • 70. حملات خصمانه به شبکه‌های عصبی
  • 71. حفاظت از مدل‌های یادگیری عمیق
  • 72. پیاده‌سازی یادگیری عمیق با فریم‌ورک‌ها
  • 73. TensorFlow و Keras
  • 74. PyTorch
  • 75. مبانی آموزش مدل‌های عمیق در مقیاس بزرگ
  • 76. موازی‌سازی و توزیع آموزش
  • 77. بهینه‌سازی سخت‌افزار برای یادگیری عمیق
  • 78. واحد پردازش گرافیکی (GPU) و واحد پردازش تنسور (TPU)
  • 79. معماری‌های نوین در یادگیری عمیق
  • 80. شبکه‌های عصبی اسپایکی (SNN)
  • 81. یادگیری عمیق کم‌مصرف
  • 82. کاربرد یادگیری عمیق در تحلیل داده‌های بزرگ
  • 83. مدیریت و پردازش داده‌های حجیم
  • 84. استخراج ویژگی از داده‌های بدون ساختار
  • 85. یادگیری عمیق و هوش مصنوعی مولد
  • 86. تولید محتوای خلاقانه
  • 87. کاربرد در طراحی و مهندسی
  • 88. یادگیری عمیق در علوم زیستی
  • 89. مدل‌سازی پروتئین‌ها
  • 90. پیش‌بینی ساختار مولکولی
  • 91. تحلیل داده‌های ژنومیک
  • 92. یادگیری عمیق در علوم زمین
  • 93. پیش‌بینی زلزله
  • 94. مدل‌سازی آب و هوا
  • 95. تحلیل داده‌های ماهواره‌ای
  • 96. یادگیری عمیق در تحلیل شبکه‌های ارتباطی
  • 97. تشخیص الگوهای ترافیک
  • 98. بهینه‌سازی شبکه‌ها
  • 99. یادگیری عمیق در سیستم‌های خودران
  • 100. تشخیص محیط و تصمیم‌گیری

📚 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.