سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین با استفاده از پلتفرم ابری Azure

کتاب مبانی یادگیری ماشین با استفاده از پلتفرم ابری Azure

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 یادگیری ماشین با استفاده از پلتفرم ابری Azure

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و مهندسی نرم‌افزار
  • 2. مفاهیم پایهٔ مهندسی نرم‌افزار
  • 3. چرخهٔ حیات توسعهٔ نرم‌افزار
  • 4. الزامات نرم‌افزاری و تحلیل آن
  • 5. طراحی سیستم‌های نرم‌افزاری
  • 6. معماری نرم‌افزار و الگوهای طراحی
  • 7. تست نرم‌افزار و تضمین کیفیت
  • 8. مدیریت پروژهٔ نرم‌افزاری
  • 9. مبانی هوش مصنوعی
  • 10. تاریخچهٔ هوش مصنوعی
  • 11. انواع یادگیری ماشین
  • 12. یادگیری با نظارت
  • 13. یادگیری بدون نظارت
  • 14. یادگیری تقویتی
  • 15. شبکه‌های عصبی مصنوعی
  • 16. معماری‌های عمیق یادگیری
  • 17. شبکه‌های کانولوشنال (CNN)
  • 18. شبکه‌های بازگشتی (RNN)
  • 19. مدل‌های ترنسفورمر
  • 20. پردازش زبان طبیعی (NLP)
  • 21. مبانی Azure برای یادگیری ماشین
  • 22. معرفی پلتفرم Azure Machine Learning
  • 23. محیط‌های توسعه در Azure ML
  • 24. مدیریت داده در Azure ML
  • 25. آماده‌سازی و مهندسی ویژگی
  • 26. انتخاب و آموزش مدل‌های یادگیری ماشین
  • 27. ارزیابی و سنجش عملکرد مدل
  • 28. تنظیم ابرپارامترها
  • 29. استقرار مدل‌ها در Azure
  • 30. نظارت بر مدل‌های مستقر شده
  • 31. یادگیری ماشین تفسیری (XAI)
  • 32. پردازش تصویر با یادگیری ماشین
  • 33. تشخیص اشیاء
  • 34. تقسیم‌بندی تصویر
  • 35. پردازش صدا با یادگیری ماشین
  • 36. تشخیص گفتار
  • 37. تولید صدا
  • 38. یادگیری عمیق در پردازش زبان طبیعی
  • 39. مدل‌سازی موضوعی
  • 40. تحلیل احساسات
  • 41. ترجمه ماشینی
  • 42. سیستم‌های توصیه‌گر
  • 43. مبانی سیستم‌های توصیه‌گر
  • 44. فیلتر مشارکتی
  • 45. فیلتر مبتنی بر محتوا
  • 46. یادگیری عمیق برای توصیه‌گرها
  • 47. یادگیری ماشین برای امنیت سایبری
  • 48. شناسایی نفوذ
  • 49. تشخیص بدافزار
  • 50. امنیت در Azure ML
  • 51. هوش مصنوعی اخلاقی و مسئولانه
  • 52. سوگیری در مدل‌های یادگیری ماشین
  • 53. شفافیت و قابلیت توضیح‌پذیری
  • 54. حریم خصوصی داده‌ها در هوش مصنوعی
  • 55. کاربردهای یادگیری ماشین در صنعت
  • 56. یادگیری ماشین در بهداشت و درمان
  • 57. یادگیری ماشین در مالی
  • 58. یادگیری ماشین در تولید
  • 59. یادگیری ماشین در خرده‌فروشی
  • 60. یادگیری ماشین در حمل و نقل
  • 61. مقدمه‌ای بر Azure Databricks
  • 62. تحلیل داده‌های حجیم با Azure Databricks
  • 63. مهندسی ویژگی با Apache Spark
  • 64. مدل‌سازی پیشرفته با Azure Databricks
  • 65. کاربرد هوش مصنوعی در اتوماسیون فرآیندها
  • 66. ربات‌های نرم‌افزاری (RPA)
  • 67. هوش مصنوعی در پشتیبانی مشتری
  • 68. هوش مصنوعی در مدیریت زنجیره تأمین
  • 69. مبانی یادگیری تقویتی پیشرفته
  • 70. الگوریتم‌های Actor-Critic
  • 71. یادگیری عمیق تقویتی
  • 72. کاربرد یادگیری تقویتی در رباتیک
  • 73. کاربرد یادگیری تقویتی در بازی‌ها
  • 74. یادگیری ماشین خودکار (AutoML)
  • 75. AutoML در Azure ML
  • 76. مؤلفه‌های AutoML
  • 77. بهینه‌سازی فرآیند توسعه با AutoML
  • 78. مقدمه‌ای بر MLOps
  • 79. اصول MLOps
  • 80. پیاده‌سازی MLOps در Azure
  • 81. مدیریت چرخه عمر مدل
  • 82. کنترل نسخه و بازتولیدپذیری
  • 83. خودکارسازی خطوط لوله یادگیری ماشین
  • 84. نظارت و نگهداری مدل‌ها در تولید
  • 85. مدیریت دانش در پروژه‌های یادگیری ماشین
  • 86. مستندسازی پروژه‌ها
  • 87. به اشتراک‌گذاری دانش
  • 88. یادگیری مداوم و به‌روزرسانی مدل‌ها
  • 89. کاربرد یادگیری ماشین در تحلیل داده‌های مکانی
  • 90. پردازش داده‌های ماهواره‌ای
  • 91. تحلیل داده‌های GIS
  • 92. مدل‌سازی پیش‌بینی‌کننده در داده‌های مکانی
  • 93. مباحث پیشرفته در شبکه‌های عصبی
  • 94. شبکه‌های مولد تخاصمی (GANs)
  • 95. شبکه‌های خودرمزگذار (Autoencoders)
  • 96. مدل‌های گراف عصبی (GNNs)
  • 97. یادگیری ماشین در داده‌های سری زمانی
  • 98. تحلیل و پیش‌بینی داده‌های سری زمانی
  • 99. مدل‌های ARIMA و LSTM
  • 100. کاربرد در بازارهای مالی و آب و هوا

📚 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.