کتاب مبانی آماری برای هوش مصنوعی قابل اعتماد: تحلیل داده و اعتبارسنجی مدل

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 آماری برای هوش مصنوعی قابل اعتماد: تحلیل داده و اعتبارسنجی مدل

موضوع کلی: هوش مصنوعی و علم داده

موضوع میانی: مبانی آماری و کاربردهای هوش مصنوعی قابل اعتماد

📋 سرفصل‌های دوره

  • 1. مبانی احتمال و آمار برای هوش مصنوعی
  • 2. تعریف متغیرهای تصادفی و توزیع‌های احتمال
  • 3. توزیع‌های گسسته و کاربردهای آن‌ها
  • 4. توزیع دوجمله‌ای و فوق‌هندسی
  • 5. توزیع پواسون و کاربردهای آن
  • 6. توزیع هندسی و سری هندسی
  • 7. توزیع‌های پیوسته و مفاهیم اساسی
  • 8. توزیع یکنواخت و کاربردها
  • 9. توزیع نرمال و ویژگی‌های آن
  • 10. توزیع نمایی و کاربردهای آن
  • 11. توزیع گاما و بتا
  • 12. آمار توصیفی و خلاصه‌سازی داده‌ها
  • 13. میانگین، میانه و مد
  • 14. واریانس، انحراف معیار و دامنه
  • 15. نمودارهای توصیفی: هیستوگرام و نمودار جعبه‌ای
  • 16. مفهوم نمونه و جامعه آماری
  • 17. روش‌های نمونه‌گیری تصادفی
  • 18. استنباط آماری: تخمین پارامترها
  • 19. تخمین نقطه‌ای و فاصله‌ای
  • 20. فاصله اطمینان برای میانگین
  • 21. فاصله اطمینان برای نسبت
  • 22. آزمون فرض آماری
  • 23. مفاهیم پایه در آزمون فرض
  • 24. آزمون فرض برای میانگین
  • 25. آزمون فرض برای نسبت
  • 26. آزمون فرض برای واریانس
  • 27. رگرسیون خطی ساده
  • 28. مدل رگرسیون خطی
  • 29. تخمین ضرایب رگرسیون
  • 30. آزمون فرض برای ضرایب رگرسیون
  • 31. ضریب تعیین و ارزیابی مدل
  • 32. رگرسیون خطی چندگانه
  • 33. مدل رگرسیون چندگانه
  • 34. انتخاب متغیرها در رگرسیون
  • 35. مشکلات در رگرسیون چندگانه
  • 36. رگرسیون لجستیک برای طبقه‌بندی
  • 37. مبانی طبقه‌بندی
  • 38. مدل رگرسیون لجستیک
  • 39. تفسیر ضرایب در رگرسیون لجستیک
  • 40. ارزیابی مدل‌های طبقه‌بندی
  • 41. مقدمه‌ای بر یادگیری ماشین
  • 42. انواع یادگیری ماشین: نظارت‌شده و بدون نظارت
  • 43. یادگیری با تقویت
  • 44. مبانی ارزیابی مدل‌های یادگیری ماشین
  • 45. دقت، صحت و بازیابی
  • 46. امتیاز F1 و منحنی ROC
  • 47. اعتبارسنجی متقابل
  • 48. مقدمه‌ای بر هوش مصنوعی قابل اعتماد
  • 49. مفاهیم اخلاقی در هوش مصنوعی
  • 50. شفافیت و توضیح‌پذیری مدل‌ها
  • 51. عدالت و عدم تبعیض در هوش مصنوعی
  • 52. استحکام و امنیت مدل‌ها
  • 53. حریم خصوصی در هوش مصنوعی
  • 54. داده‌های نامتوازن و روش‌های مقابله
  • 55. تکنیک‌های نمونه‌گیری برای داده‌های نامتوازن
  • 56. تکنیک‌های تولید داده مصنوعی
  • 57. مقدمه‌ای بر شبکه‌های عصبی
  • 58. ساختار پرسپترون تک‌لایه
  • 59. چندلایه پرسپترون
  • 60. تابع فعال‌سازی و پس‌انتشار خطا
  • 61. آموزش شبکه‌های عصبی
  • 62. شبکه‌های عصبی کانولوشنی (CNN)
  • 63. کاربرد CNN در پردازش تصویر
  • 64. مبانی شبکه‌های عصبی بازگشتی (RNN)
  • 65. کاربرد RNN در پردازش زبان طبیعی
  • 66. مقدمه‌ای بر پردازش زبان طبیعی
  • 67. تحلیل احساسات با استفاده از مدل‌های آماری
  • 68. مدل‌های زبانی آماری
  • 69. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 70. تفسیر مدل‌های پردازش زبان طبیعی
  • 71. مقدمه‌ای بر یادگیری تقویتی
  • 72. مفاهیم عامل، محیط و پاداش
  • 73. الگوریتم‌های یادگیری تقویتی
  • 74. کاربردهای یادگیری تقویتی در هوش مصنوعی
  • 75. مقدمه‌ای بر تحلیل داده‌های کلان
  • 76. چالش‌های تحلیل داده‌های کلان
  • 77. ابزارها و تکنیک‌های تحلیل داده‌های کلان
  • 78. حاکمیت داده در سازمان‌ها
  • 79. مقدمه‌ای بر داده‌کاوی
  • 80. کشف الگوهای تکرارشونده
  • 81. قوانین وابستگی
  • 82. خوشه‌بندی داده‌ها
  • 83. کاربرد داده‌کاوی در کسب‌وکار
  • 84. مقدمه‌ای بر مدل‌سازی پیش‌بینانه
  • 85. ساخت مدل‌های پیش‌بینانه
  • 86. اعتبارسنجی و بهینه‌سازی مدل‌ها
  • 87. کاربردهای مدل‌سازی پیش‌بینانه
  • 88. مقدمه‌ای بر هوش مصنوعی مولد
  • 89. مبانی شبکه‌های مولد تخاصمی (GAN)
  • 90. کاربرد GAN در تولید تصویر
  • 91. مدل‌های زبانی بزرگ (LLM)
  • 92. ملاحظات اخلاقی در هوش مصنوعی مولد
  • 93. مقدمه‌ای بر هوش مصنوعی تفسیرپذیر (XAI)
  • 94. تکنیک‌های توضیح‌پذیری محلی و سراسری
  • 95. ابزارهای XAI
  • 96. کاربرد XAI در صنایع مختلف
  • 97. مقدمه‌ای بر هوش مصنوعی توزیع‌شده
  • 98. یادگیری فدرال
  • 99. حریم خصوصی در یادگیری فدرال
  • 100. کاربرد هوش مصنوعی توزیع‌شده

📚 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.