سپنتا کتاب اکسپرس
کتاب طراحی و پیاده‌سازی مدل‌های یادگیری ماشین در Azure ML

کتاب طراحی و پیاده‌سازی مدل‌های یادگیری ماشین در Azure ML

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 طراحی و پیاده‌سازی مدل‌های یادگیری ماشین در Azure ML

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مهندسی و آماده‌سازی راهکارهای یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. آشنایی با مفاهیم یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. یادگیری عمیق و شبکه‌های عصبی
  • 5. مقدمه‌ای بر پلتفرم Azure Machine Learning
  • 6. معماری Azure ML و اجزای کلیدی
  • 7. ایجاد فضای کاری (Workspace) در Azure ML
  • 8. مدیریت داده‌ها در Azure ML
  • 9. بارگذاری و آماده‌سازی داده‌ها
  • 10. پاکسازی و پیش‌پردازش داده‌ها
  • 11. مهندسی ویژگی (Feature Engineering)
  • 12. انتخاب و استخراج ویژگی
  • 13. تبدیل ویژگی‌ها و نرمال‌سازی
  • 14. مدیریت داده‌های نامتعادل
  • 15. آشنایی با انواع مدل‌های یادگیری ماشین
  • 16. مدل‌های رگرسیون خطی و لجستیک
  • 17. درختان تصمیم و جنگل‌های تصادفی
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. مدل‌های خوشه‌بندی (Clustering)
  • 20. شبکه‌های عصبی کانولوشنال (CNN)
  • 21. شبکه‌های عصبی بازگشتی (RNN)
  • 22. آشنایی با ابزارهای طراحی مدل در Azure ML
  • 23. استودیو Azure ML (Azure ML Studio)
  • 24. دفترچه‌های نوت‌بوک (Notebooks) در Azure ML
  • 25. پردازشگرهای خودکار (Automated ML)
  • 26. طراحی خط لوله (Pipeline) در Azure ML
  • 27. مراحل ساخت یک مدل یادگیری ماشین
  • 28. تعریف مسئله و جمع‌آوری داده
  • 29. انتخاب ویژگی و مهندسی داده
  • 30. انتخاب الگوریتم و آموزش مدل
  • 31. ارزیابی و اعتبارسنجی مدل
  • 32. تنظیم هایپرپارامترها
  • 33. استقرار مدل (Deployment)
  • 34. نظارت بر عملکرد مدل
  • 35. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 36. تکنیک‌های پیش‌پردازش متن
  • 37. مدل‌سازی موضوعی (Topic Modeling)
  • 38. تحلیل احساسات (Sentiment Analysis)
  • 39. سیستم‌های توصیه‌گر (Recommender Systems)
  • 40. مقدمه‌ای بر بینایی ماشین (Computer Vision)
  • 41. شناسایی اشیاء (Object Detection)
  • 42. دسته‌بندی تصاویر (Image Classification)
  • 43. تقسیم‌بندی تصاویر (Image Segmentation)
  • 44. کار با داده‌های سری زمانی (Time Series Data)
  • 45. پیش‌بینی سری زمانی
  • 46. مدل‌سازی و تحلیل داده‌های پرت
  • 47. اعتبارسنجی متقابل (Cross-validation)
  • 48. متریک‌های ارزیابی مدل‌های رگرسیون
  • 49. متریک‌های ارزیابی مدل‌های طبقه‌بندی
  • 50. متریک‌های ارزیابی مدل‌های خوشه‌بندی
  • 51. تنظیم هایپرپارامترها با جستجوی شبکه‌ای (Grid Search)
  • 52. تنظیم هایپرپارامترها با جستجوی تصادفی (Random Search)
  • 53. تکنیک‌های کاهش ابعاد
  • 54. تحلیل مولفه‌های اصلی (PCA)
  • 55. تجزیه مقادیر منفرد (SVD)
  • 56. مدیریت انحراف (Bias) و واریانس (Variance)
  • 57. تکنیک‌های جلوگیری از بیش‌برازش (Overfitting)
  • 58. تکنیک‌های جلوگیری از کم‌برازش (Underfitting)
  • 59. مقایسه و انتخاب مدل‌های مختلف
  • 60. آشنایی با چارچوب‌های یادگیری عمیق
  • 61. TensorFlow و Keras در Azure ML
  • 62. PyTorch در Azure ML
  • 63. استفاده از مخازن کد (Code Repositories)
  • 64. مدیریت نسخه‌ها (Versioning) در Azure ML
  • 65. استقرار مدل به عنوان سرویس وب (Web Service)
  • 66. استقرار مدل برای استنتاج دسته‌ای (Batch Inference)
  • 67. نظارت بر عملکرد مدل مستقر شده
  • 68. تشخیص انحراف داده (Data Drift Detection)
  • 69. تشخیص انحراف مدل (Model Drift Detection)
  • 70. مدیریت چرخه حیات مدل (MLOps)
  • 71. مفاهیم MLOps در Azure ML
  • 72. اتوماسیون فرآیندهای MLOps
  • 73. امنیت و حریم خصوصی در Azure ML
  • 74. مدیریت دسترسی و مجوزها
  • 75. رمزنگاری داده‌ها
  • 76. ملاحظات اخلاقی در هوش مصنوعی
  • 77. مسئولیت‌پذیری در مدل‌های هوش مصنوعی
  • 78. شفافیت در مدل‌های هوش مصنوعی
  • 79. کاربرد هوش مصنوعی در صنایع مختلف
  • 80. هوش مصنوعی در سلامت
  • 81. هوش مصنوعی در مالی
  • 82. هوش مصنوعی در تولید
  • 83. هوش مصنوعی در خرده‌فروشی
  • 84. هوش مصنوعی در حمل و نقل
  • 85. آینده هوش مصنوعی و یادگیری ماشین
  • 86. روندهای نوظهور در یادگیری ماشین
  • 87. یادگیری تقویتی پیشرفته
  • 88. یادگیری فدرال (Federated Learning)
  • 89. هوش مصنوعی قابل توضیح (Explainable AI - XAI)
  • 90. بهینه‌سازی مدل‌ها برای عملکرد
  • 91. فشرده‌سازی مدل‌ها
  • 92. کوانتیزاسیون مدل‌ها
  • 93. استفاده از سخت‌افزار شتاب‌دهنده
  • 94. مقدمه‌ای بر معماری‌های نوین شبکه‌های عصبی
  • 95. ترنسفورمرها (Transformers)
  • 96. شبکه‌های زایشی مولد (GANs)
  • 97. یادگیری خودنظارتی (Self-Supervised Learning)
  • 98. مفاهیم پیشرفته در پردازش زبان طبیعی
  • 99. مدل‌های زبانی بزرگ (LLMs)
  • 100. تنظیم دقیق مدل‌های زبانی

📚 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.