سپنتا کتاب اکسپرس
کتاب آشنایی با PyTorch برای توسعه مدل‌های یادگیری عمیق

کتاب آشنایی با PyTorch برای توسعه مدل‌های یادگیری عمیق

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 آشنایی با PyTorch برای توسعه مدل‌های یادگیری عمیق

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: یادگیری عمیق و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 2. نصب و راه‌اندازی PyTorch
  • 3. مبانی تنسورها در PyTorch
  • 4. عملیات پایه بر روی تنسورها
  • 5. نحوه اندیس‌گذاری و برش تنسورها
  • 6. تغییر شکل تنسورها
  • 7. تنسورهای تصادفی و مقادیر اولیه
  • 8. عملیات ریاضی بر روی تنسورها
  • 9. توابع فعال‌سازی در شبکه‌های عصبی
  • 10. مقدمه‌ای بر گرادیان و پس‌انتشار
  • 11. محاسبه گرادیان با Autograd
  • 12. ایجاد مدل‌های ساده با PyTorch
  • 13. لایه خطی (Fully Connected)
  • 14. توابع زیان (Loss Functions)
  • 15. بهینه‌سازها (Optimizers)
  • 16. آموزش یک مدل ساده رگرسیون
  • 17. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 18. لایه کانولوشن (Conv2d)
  • 19. لایه Pooling (MaxPool2d)
  • 20. ساخت یک CNN ساده برای طبقه‌بندی تصاویر
  • 21. مجموعه داده‌های تصویری و بارگذاری آن‌ها
  • 22. پیش‌پردازش داده‌های تصویری
  • 23. آموزش CNN با مجموعه داده‌های واقعی
  • 24. ارزیابی عملکرد مدل CNN
  • 25. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 26. لایه RNN ساده
  • 27. لایه LSTM
  • 28. لایه GRU
  • 29. ساخت یک RNN ساده برای تحلیل سری‌های زمانی
  • 30. پیش‌پردازش داده‌های سری زمانی
  • 31. آموزش RNN با داده‌های سری زمانی
  • 32. ارزیابی عملکرد مدل RNN
  • 33. مقدمه‌ای بر مدل‌های ترنسفورمر (Transformer)
  • 34. مکانیزم توجه (Attention Mechanism)
  • 35. ساخت یک مدل ترنسفورمر پایه
  • 36. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 37. آموزش مدل ترنسفورمر برای ترجمه ماشینی
  • 38. ارزیابی عملکرد مدل ترنسفورمر
  • 39. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 40. مفاهیم پایه یادگیری تقویتی
  • 41. معماری‌های یادگیری تقویتی با PyTorch
  • 42. آموزش یک عامل یادگیری تقویتی ساده
  • 43. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 44. معماری GAN
  • 45. آموزش یک GAN ساده
  • 46. کاربرد GAN در تولید تصاویر
  • 47. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 48. مبانی گراف‌ها و عملیات آن‌ها
  • 49. پیاده‌سازی GNN با PyTorch
  • 50. کاربرد GNN در پیش‌بینی خواص مولکولی
  • 51. یادگیری انتقالی (Transfer Learning)
  • 52. استفاده از مدل‌های از پیش آموزش‌دیده
  • 53. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 54. کاربرد یادگیری انتقالی در طبقه‌بندی تصاویر
  • 55. مباحث پیشرفته در شبکه‌های عصبی کانولوشنی
  • 56. شبکه‌های عصبی پیشرفته برای تشخیص اشیاء
  • 57. شبکه‌های عصبی برای بخش‌بندی تصاویر
  • 58. مدل‌های تشخیص چهره
  • 59. مباحث پیشرفته در شبکه‌های عصبی بازگشتی
  • 60. مدل‌های زبانی پیشرفته
  • 61. تولید متن با RNN و ترنسفورمر
  • 62. مدل‌های تشخیص احساسات
  • 63. مباحث پیشرفته در یادگیری تقویتی
  • 64. یادگیری عمیق تقویتی (Deep RL)
  • 65. الگوریتم‌های Actor-Critic
  • 66. یادگیری تقویتی چند عاملی
  • 67. مباحث پیشرفته در شبکه‌های مولد تخاصمی
  • 68. GANهای پیشرفته برای تولید تصاویر واقع‌گرایانه
  • 69. GANها برای انتقال سبک تصویر
  • 70. GANها برای افزایش وضوح تصاویر
  • 71. مباحث پیشرفته در شبکه‌های عصبی گراف
  • 72. GNNهای پیشرفته برای تحلیل شبکه‌های اجتماعی
  • 73. GNNها برای کشف دارو
  • 74. GNNها برای تحلیل شبکه‌های زیستی
  • 75. بهینه‌سازی مدل‌های یادگیری عمیق
  • 76. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 77. تکنیک‌های منظم‌سازی (Regularization)
  • 78. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 79. یادگیری بدون نظارت (Unsupervised Learning)
  • 80. خوشه‌بندی با شبکه‌های عصبی
  • 81. کاهش ابعاد با شبکه‌های عصبی
  • 82. استخراج ویژگی با شبکه‌های عصبی
  • 83. مقدمه‌ای بر هوش مصنوعی اخلاقی و مسئولانه
  • 84. ملاحظات حریم خصوصی در هوش مصنوعی
  • 85. تفسیرپذیری مدل‌های هوش مصنوعی
  • 86. عدالت و سوگیری در هوش مصنوعی
  • 87. مقدمه‌ای بر کاربردهای هوش مصنوعی در صنعت
  • 88. هوش مصنوعی در سلامت
  • 89. هوش مصنوعی در مالی
  • 90. هوش مصنوعی در حمل و نقل
  • 91. هوش مصنوعی در تولید
  • 92. هوش مصنوعی در کشاورزی
  • 93. هوش مصنوعی در خدمات مشتری
  • 94. هوش مصنوعی در آموزش
  • 95. مقدمه‌ای بر پیاده‌سازی مدل‌های یادگیری عمیق در محیط عملیاتی
  • 96. ذخیره‌سازی و بارگذاری مدل‌ها
  • 97. استقرار مدل‌ها بر روی سرور
  • 98. استقرار مدل‌ها بر روی دستگاه‌های موبایل
  • 99. استقرار مدل‌ها بر روی دستگاه‌های لبه (Edge Devices)
  • 100. مقدمه‌ای بر چارچوب‌های دیگر یادگیری عمیق

📚 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.