سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای هوش مصنوعی: از اصول تا پیاده‌سازی

کتاب مبانی و کاربردهای هوش مصنوعی: از اصول تا پیاده‌سازی

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 هوش مصنوعی: از اصول تا پیاده‌سازی

موضوع کلی: علوم و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم و فناوری اطلاعات
  • 2. تعریف هوش مصنوعی و تاریخچه
  • 3. حوزه‌های کاربردی هوش مصنوعی
  • 4. یادگیری ماشین: تعاریف و مفاهیم
  • 5. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 6. مفاهیم پایه‌ای یادگیری نظارت‌شده
  • 7. رگرسیون خطی
  • 8. رگرسیون لجستیک
  • 9. ماشین‌های بردار پشتیبان (SVM)
  • 10. درختان تصمیم
  • 11. جنگل‌های تصادفی
  • 12. تقویت درختان تصمیم (Boosting)
  • 13. یادگیری عمیق: مقدمه
  • 14. شبکه‌های عصبی مصنوعی
  • 15. ساختار شبکه‌های عصبی
  • 16. توابع فعال‌سازی
  • 17. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 18. شبکه‌های عصبی کانولوشنی (CNN)
  • 19. کاربرد CNN در بینایی ماشین
  • 20. شبکه‌های عصبی بازگشتی (RNN)
  • 21. کاربرد RNN در پردازش زبان طبیعی
  • 22. شبکه‌های حافظه بلند کوتاه‌مدت (LSTM)
  • 23. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 24. یادگیری بدون نظارت: خوشه‌بندی
  • 25. الگوریتم K-Means
  • 26. خوشه‌بندی سلسله‌مراتبی
  • 27. تحلیل مؤلفه‌های اصلی (PCA)
  • 28. یادگیری تقویتی: مفاهیم پایه
  • 29. عامل، محیط، حالت، عمل، پاداش
  • 30. یادگیری Q
  • 31. یادگیری SARSA
  • 32. شبکه‌های عصبی عمیق تقویتی (DQN)
  • 33. پردازش زبان طبیعی (NLP)
  • 34. تحلیل احساسات
  • 35. مدل‌سازی موضوعی
  • 36. ترجمه ماشینی
  • 37. سیستم‌های توصیه‌گر
  • 38. مفاهیم پایه‌ای سیستم‌های توصیه‌گر
  • 39. فیلترینگ مشارکتی
  • 40. فیلترینگ مبتنی بر محتوا
  • 41. سیستم‌های توصیه‌گر ترکیبی
  • 42. بینایی ماشین
  • 43. تشخیص اشیاء
  • 44. تقطیر تصویر
  • 45. شناسایی چهره
  • 46. کاربردهای هوش مصنوعی در صنعت
  • 47. هوش مصنوعی در سلامت
  • 48. هوش مصنوعی در حمل و نقل
  • 49. هوش مصنوعی در امور مالی
  • 50. هوش مصنوعی در کشاورزی
  • 51. هوش مصنوعی در آموزش
  • 52. اخلاق در هوش مصنوعی
  • 53. سوگیری در الگوریتم‌های هوش مصنوعی
  • 54. شفافیت و قابلیت توضیح‌پذیری
  • 55. مسئولیت‌پذیری در هوش مصنوعی
  • 56. امنیت و حریم خصوصی در هوش مصنوعی
  • 57. مباحث پیشرفته در یادگیری ماشین
  • 58. یادگیری انتقالی
  • 59. یادگیری چندوظیفه‌ای
  • 60. یادگیری فدرال
  • 61. شبکه‌های مولد تخاصمی (GAN)
  • 62. کاربرد GAN در تولید محتوا
  • 63. شبکه‌های عصبی گراف (GNN)
  • 64. کاربرد GNN در تحلیل شبکه‌های اجتماعی
  • 65. پردازش گفتار
  • 66. تشخیص گفتار
  • 67. تولید گفتار
  • 68. مباحث پیشرفته در پردازش زبان طبیعی
  • 69. مدل‌های زبانی بزرگ (LLMs)
  • 70. کاربرد LLMs در تولید متن
  • 71. استخراج اطلاعات
  • 72. خلاصه‌سازی خودکار متن
  • 73. ربات‌های گفتگو (Chatbots)
  • 74. مبانی پیاده‌سازی مدل‌های هوش مصنوعی
  • 75. جمع‌آوری و پیش‌پردازش داده‌ها
  • 76. انتخاب ویژگی
  • 77. مهندسی ویژگی
  • 78. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 79. انتخاب مدل مناسب
  • 80. تنظیم ابرپارامترها
  • 81. ارزیابی مدل
  • 82. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 83. معیارهای ارزیابی مدل‌های رگرسیون
  • 84. مقدمه‌ای بر چارچوب‌های یادگیری ماشین
  • 85. TensorFlow
  • 86. PyTorch
  • 87. Keras
  • 88. Scikit-learn
  • 89. پیاده‌سازی یک پروژه کاربردی هوش مصنوعی
  • 90. تعریف مسئله و جمع‌آوری داده
  • 91. پیش‌پردازش و آماده‌سازی داده‌ها
  • 92. انتخاب و آموزش مدل
  • 93. ارزیابی و بهبود مدل
  • 94. استقرار مدل
  • 95. ملاحظات عملی در استقرار مدل‌های هوش مصنوعی
  • 96. مقیاس‌پذیری
  • 97. کارایی
  • 98. نگهداری
  • 99. آینده هوش مصنوعی و روندهای نوظهور
  • 100. هوش مصنوعی عمومی (AGI)

📚 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.