سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری ماشین با Azure ML: از مفاهیم تا پیاده‌سازی

کتاب مقدمه‌ای بر یادگیری ماشین با Azure ML: از مفاهیم 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 مقدمه‌ای بر یادگیری ماشین با Azure ML: از مفاهیم تا پیاده‌سازی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پلتفرم‌های یادگیری ماشین ابری

📋 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. کاربردها و اخلاق در یادگیری ماشین
  • 5. آشنایی با پلتفرم‌های یادگیری ماشین ابری
  • 6. مزایای استفاده از پلتفرم‌های ابری
  • 7. معرفی Azure Machine Learning
  • 8. مقایسه Azure ML با سایر پلتفرم‌ها
  • 9. نصب و راه‌اندازی محیط Azure ML
  • 10. آشنایی با Azure ML Studio
  • 11. ساخت فضای کاری (Workspace) در Azure ML
  • 12. مدیریت منابع در Azure ML
  • 13. مقدمه‌ای بر ساخت مجموعه داده (Dataset)
  • 14. بارگذاری و آماده‌سازی داده‌ها
  • 15. کار با انواع مختلف داده در Azure ML
  • 16. پاکسازی و پیش‌پردازش داده‌ها
  • 17. مدیریت نسخه‌های مجموعه داده
  • 18. مقدمه‌ای بر مدل‌های یادگیری ماشین
  • 19. انتخاب الگوریتم مناسب برای مسئله
  • 20. آموزش مدل‌های یادگیری ماشین
  • 21. ارزیابی عملکرد مدل‌ها
  • 22. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 23. معیارهای ارزیابی مدل‌های رگرسیون
  • 24. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 25. اعتبارسنجی متقابل (Cross-validation)
  • 26. تکنیک‌های کاهش ابعاد
  • 27. کاهش بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 28. مقدمه‌ای بر یادگیری عمیق
  • 29. شبکه‌های عصبی مصنوعی (ANN)
  • 30. شبکه‌های عصبی کانولوشنی (CNN)
  • 31. شبکه‌های عصبی بازگشتی (RNN)
  • 32. کاربرد شبکه‌های عصبی در پردازش تصویر
  • 33. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 34. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLM)
  • 35. انتقال یادگیری (Transfer Learning)
  • 36. استفاده از مدل‌های از پیش آموزش دیده
  • 37. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 38. استقرار مدل‌های یادگیری ماشین
  • 39. روش‌های استقرار مدل: Endpoints
  • 40. استقرار مدل به عنوان سرویس وبی
  • 41. مدیریت چرخه عمر مدل (MLOps)
  • 42. نظارت بر مدل‌های مستقر شده
  • 43. بازآموزی مدل‌ها
  • 44. اتوماسیون فرآیندهای یادگیری ماشین
  • 45. خطوط لوله (Pipelines) در Azure ML
  • 46. ساخت و اجرای خطوط لوله
  • 47. مدیریت خطوط لوله
  • 48. مقدمه‌ای بر هوش مصنوعی مولد
  • 49. کاربردهای هوش مصنوعی مولد
  • 50. تولید متن با LLM ها
  • 51. تولید تصویر با مدل‌های مولد
  • 52. تولید کد با مدل‌های مولد
  • 53. اخلاق و مسئولیت‌پذیری در هوش مصنوعی مولد
  • 54. آشنایی با مفاهیم Data Drift و Model Drift
  • 55. تشخیص و مدیریت Data Drift
  • 56. تشخیص و مدیریت Model Drift
  • 57. بهینه‌سازی مدل برای تولید
  • 58. مقدمه‌ای بر یادگیری تقویتی
  • 59. عناصر کلیدی یادگیری تقویتی
  • 60. الگوریتم‌های یادگیری تقویتی
  • 61. کاربرد یادگیری تقویتی در رباتیک
  • 62. کاربرد یادگیری تقویتی در بازی‌ها
  • 63. کاربرد یادگیری تقویتی در بهینه‌سازی
  • 64. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 65. اصول یادگیری فدرال
  • 66. مزایای یادگیری فدرال
  • 67. چالش‌های یادگیری فدرال
  • 68. کاربرد یادگیری فدرال در حوزه سلامت
  • 69. کاربرد یادگیری فدرال در حوزه مالی
  • 70. مقدمه‌ای بر یادگیری توضیح‌پذیر (Explainable AI - XAI)
  • 71. اهمیت XAI
  • 72. روش‌های XAI
  • 73. تفسیر نتایج مدل‌ها
  • 74. ارتباط XAI با اعتماد به مدل
  • 75. مقدمه‌ای بر هوش مصنوعی در لبه (Edge AI)
  • 76. مزایای Edge AI
  • 77. چالش‌های Edge AI
  • 78. کاربرد Edge AI در اینترنت اشیاء (IoT)
  • 79. کاربرد Edge AI در خودروهای خودران
  • 80. مقدمه‌ای بر یادگیری بدون نیاز به برچسب (Self-supervised Learning)
  • 81. تکنیک‌های Self-supervised Learning
  • 82. کاربرد Self-supervised Learning
  • 83. مقدمه‌ای بر یادگیری چند-وجهی (Multi-modal Learning)
  • 84. کاربرد Multi-modal Learning
  • 85. مقدمه‌ای بر یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 86. کاربرد Deep RL
  • 87. امنیت در یادگیری ماشین
  • 88. حملات به مدل‌های یادگیری ماشین
  • 89. روش‌های دفاع در برابر حملات
  • 90. حریم خصوصی در یادگیری ماشین
  • 91. تکنیک‌های حفظ حریم خصوصی
  • 92. کاربرد Azure ML در صنعت
  • 93. مطالعات موردی (Case Studies) در Azure ML
  • 94. آینده یادگیری ماشین و هوش مصنوعی
  • 95. مسیر شغلی در حوزه یادگیری ماشین
  • 96. منابع بیشتر برای یادگیری

📚 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.