سپنتا کتاب اکسپرس
کتاب ساخت و پیاده‌سازی برنامه‌های هوش مصنوعی نوین

کتاب ساخت و پیاده‌سازی برنامه‌های هوش مصنوعی نوین

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 ساخت و پیاده‌سازی برنامه‌های هوش مصنوعی نوین

موضوع کلی: هوش مصنوعی و کاربردهای آن

موضوع میانی: توسعهٔ برنامه‌های کاربردی هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و مفاهیم بنیادین
  • 2. تاریخچه و سیر تکامل هوش مصنوعی
  • 3. انواع هوش مصنوعی: ضعیف، قوی و فراانسانی
  • 4. یادگیری ماشین: اصول و انواع
  • 5. یادگیری نظارت‌شده: رگرسیون و طبقه‌بندی
  • 6. الگوریتم‌های یادگیری نظارت‌شده: رگرسیون خطی
  • 7. الگوریتم‌های یادگیری نظارت‌شده: رگرسیون لجستیک
  • 8. الگوریتم‌های یادگیری نظارت‌شده: ماشین‌های بردار پشتیبان (SVM)
  • 9. الگوریتم‌های یادگیری نظارت‌شده: درخت‌های تصمیم
  • 10. الگوریتم‌های یادگیری نظارت‌شده: جنگل‌های تصادفی
  • 11. یادگیری نظارت‌نشده: خوشه‌بندی و کاهش ابعاد
  • 12. الگوریتم‌های یادگیری نظارت‌نشده: K-Means Clustering
  • 13. الگوریتم‌های یادگیری نظارت‌نشده: تحلیل مولفه‌های اصلی (PCA)
  • 14. یادگیری تقویتی: مفاهیم و کاربردها
  • 15. شبکه‌های عصبی مصنوعی: اصول و معماری
  • 16. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 17. شبکه‌های عصبی بازگشتی (RNN) برای پردازش توالی
  • 18. شبکه‌های عصبی ترنسفورمر و کاربردهای نوین
  • 19. پردازش زبان طبیعی (NLP): مبانی و تکنیک‌ها
  • 20. مدل‌های زبانی بزرگ (LLMs) و معماری آن‌ها
  • 21. کاربرد NLP در تحلیل احساسات و خلاصه‌سازی متن
  • 22. هوش مصنوعی مولد: تولید متن، تصویر و کد
  • 23. توسعهٔ برنامه‌های کاربردی هوش مصنوعی: چارچوب‌ها و ابزارها
  • 24. پایتون به عنوان زبان برنامه‌نویسی هوش مصنوعی
  • 25. کتابخانه‌های کلیدی در هوش مصنوعی: NumPy و Pandas
  • 26. کتابخانه‌های یادگیری ماشین: Scikit-learn
  • 27. کتابخانه‌های یادگیری عمیق: TensorFlow و Keras
  • 28. کتابخانه‌های یادگیری عمیق: PyTorch
  • 29. مدیریت داده‌ها برای پروژه‌های هوش مصنوعی
  • 30. جمع‌آوری و پیش‌پردازش داده‌ها
  • 31. پاکسازی و نرمال‌سازی داده‌ها
  • 32. مهندسی ویژگی (Feature Engineering)
  • 33. تقسیم داده‌ها: مجموعهٔ آموزش، اعتبارسنجی و آزمون
  • 34. متریک‌های ارزیابی مدل‌های یادگیری ماشین
  • 35. ارزیابی مدل‌های رگرسیون: MSE، MAE، R-squared
  • 36. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازیابی، F1-score
  • 37. مفاهیم تنظیم مدل (Model Tuning) و بهینه‌سازی هایپرپارامترها
  • 38. اعتبارسنجی متقابل (Cross-validation)
  • 39. مقدمه‌ای بر توسعهٔ اپلیکیشن‌های هوش مصنوعی
  • 40. انتخاب معماری مناسب برای مسئلهٔ مورد نظر
  • 41. طراحی پایپ‌لاین پردازش داده و مدل
  • 42. پیاده‌سازی مدل در چارچوب‌های توسعهٔ وب
  • 43. فریم‌ورک‌های وب برای اپلیکیشن‌های هوش مصنوعی: Flask
  • 44. فریم‌ورک‌های وب برای اپلیکیشن‌های هوش مصنوعی: Django
  • 45. استقرار مدل‌های هوش مصنوعی در محیط عملیاتی (Deployment)
  • 46. مفاهیم Docker و کانتینرسازی اپلیکیشن‌ها
  • 47. استفاده از خدمات ابری برای استقرار مدل‌ها
  • 48. خدمات ابری: AWS SageMaker
  • 49. خدمات ابری: Google AI Platform
  • 50. خدمات ابری: Azure Machine Learning
  • 51. مقدمه‌ای بر توسعهٔ اپلیکیشن‌های موبایل مبتنی بر هوش مصنوعی
  • 52. کتابخانه‌های هوش مصنوعی برای توسعهٔ موبایل: TensorFlow Lite
  • 53. کتابخانه‌های هوش مصنوعی برای توسعهٔ موبایل: PyTorch Mobile
  • 54. ملاحظات اخلاقی در توسعهٔ هوش مصنوعی
  • 55. سوگیری در داده‌ها و مدل‌های هوش مصنوعی
  • 56. عدالت و شفافیت در سیستم‌های هوش مصنوعی
  • 57. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
  • 58. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 59. کاربردهای هوش مصنوعی در صنایع مختلف
  • 60. هوش مصنوعی در سلامت و پزشکی
  • 61. هوش مصنوعی در مالی و بانکداری (بدون ربا)
  • 62. هوش مصنوعی در خرده‌فروشی و تجارت الکترونیک
  • 63. هوش مصنوعی در تولید و صنعت
  • 64. هوش مصنوعی در حمل و نقل و لجستیک
  • 65. هوش مصنوعی در آموزش و یادگیری
  • 66. هوش مصنوعی در کشاورزی
  • 67. هوش مصنوعی در حوزهٔ عمومی و دولتی
  • 68. امنیت سایبری و هوش مصنوعی
  • 69. سیستم‌های توصیه‌گر (Recommender Systems)
  • 70. پردازش تصویر و بینایی ماشین
  • 71. تشخیص اشیاء و ردیابی
  • 72. تشخیص چهره و احراز هویت
  • 73. تولید تصویر و گرافیک با هوش مصنوعی
  • 74. پردازش گفتار و تشخیص صدا
  • 75. سیستم‌های تشخیص گفتار
  • 76. سیستم‌های تولید گفتار
  • 77. کاربردهای پیشرفتهٔ پردازش زبان طبیعی
  • 78. ترجمهٔ ماشینی پیشرفته
  • 79. تولید محتوای خلاقانه با هوش مصنوعی
  • 80. هوش مصنوعی در رباتیک
  • 81. خودروهای خودران و سیستم‌های ناوبری
  • 82. برنامه‌ریزی مسیر برای ربات‌ها
  • 83. یادگیری عمیق برای کنترل رباتیک
  • 84. سیستم‌های تعاملی هوش مصنوعی
  • 85. چت‌بات‌ها و دستیاران مجازی
  • 86. طراحی رابط‌های کاربری هوشمند
  • 87. مقدمه‌ای بر یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 88. کاربرد DRL در بازی‌ها و رباتیک
  • 89. کاربرد DRL در بهینه‌سازی سیستم‌ها
  • 90. مفاهیم یادگیری انتقالی (Transfer Learning)
  • 91. تکنیک‌های افزایش داده (Data Augmentation)
  • 92. مدیریت چرخهٔ عمر مدل‌های هوش مصنوعی (MLOps)
  • 93. پایش و نگهداری مدل‌ها در محیط عملیاتی
  • 94. بازآموزی و به‌روزرسانی مدل‌ها
  • 95. آیندهٔ هوش مصنوعی و روندهای نوظهور
  • 96. هوش مصنوعی تبیینی (Explainable AI - XAI)
  • 97. هوش مصنوعی فدرال (Federated Learning)
  • 98. هوش مصنوعی کوانتومی
  • 99. طراحی سیستم‌های هوش مصنوعی پایدار و کارآمد
  • 100. ملاحظات حقوقی و مقرراتی در توسعهٔ هوش مصنوعی (در ایران)

📚 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.