سپنتا کتاب اکسپرس
کتاب طراحی و پیاده‌سازی سیستم‌های توصیه‌گر با رویکردهای یادگیری ماشین و هوش مصنوعی

کتاب طراحی و پیاده‌سازی سیستم‌های توصیه‌گر با رویکردهای یادگیری ماشین و هوش مصنوعی

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 سیستم‌های توصیه‌گر با رویکردهای یادگیری ماشین و هوش مصنوعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: سیستم‌های توصیه‌گر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت‌شده
  • 5. یادگیری نظارت‌نشده
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 8. کاربرد سیستم‌های توصیه‌گر
  • 9. انواع سیستم‌های توصیه‌گر
  • 10. فیلترینگ مبتنی بر محتوا
  • 11. فیلترینگ مشارکتی
  • 12. مدل‌های مختلط
  • 13. مقدمه‌ای بر داده‌کاوی
  • 14. پیش‌پردازش داده‌ها
  • 15. مهندسی ویژگی
  • 16. مدل‌سازی داده‌ها
  • 17. ارزیابی مدل‌ها
  • 18. متریک‌های ارزیابی سیستم‌های توصیه‌گر
  • 19. دقت و فراخوانی
  • 20. میانگین دقت در رتبه اول
  • 21. MSE و RMSE
  • 22. معیارهای پوشش و تنوع
  • 23. مبانی ریاضی در سیستم‌های توصیه‌گر
  • 24. جبر خطی
  • 25. حساب دیفرانسیل و انتگرال
  • 26. آمار و احتمالات
  • 27. الگوریتم‌های پایه در یادگیری ماشین
  • 28. رگرسیون خطی
  • 29. رگرسیون لجستیک
  • 30. ماشین‌های بردار پشتیبان (SVM)
  • 31. درختان تصمیم
  • 32. جنگل‌های تصادفی
  • 33. تکنیک‌های خوشه‌بندی
  • 34. K-Means
  • 35. خوشه‌بندی سلسله‌مراتبی
  • 36. DBSCAN
  • 37. مقدمه‌ای بر شبکه‌های عصبی
  • 38. نورون‌های مصنوعی
  • 39. شبکه‌های عصبی پیش‌خور
  • 40. پس‌انتشار خطا
  • 41. شبکه‌های عصبی کانولوشنی (CNN)
  • 42. شبکه‌های عصبی بازگشتی (RNN)
  • 43. شبکه‌های عصبی ترنسفورمر
  • 44. کاربرد شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 45. یادگیری عمیق برای فیلترینگ مشارکتی
  • 46. مدل‌های مبتنی بر فاکتوربندی ماتریس با یادگیری عمیق
  • 47. مدل‌های مبتنی بر محتوا با یادگیری عمیق
  • 48. معماری‌های ترنسفورمر برای توصیه‌گرها
  • 49. پردازش زبان طبیعی (NLP) در سیستم‌های توصیه‌گر
  • 50. استخراج ویژگی از متن
  • 51. تحلیل احساسات
  • 52. مدل‌سازی موضوعی
  • 53. کاربرد NLP در توصیف آیتم‌ها
  • 54. تکنیک‌های تولید توضیحات آیتم
  • 55. مدیریت داده‌های پراکنده
  • 56. تکنیک‌های مقابله با داده‌های نامتعادل
  • 57. کاهش ابعاد
  • 58. SVD و PCA
  • 59. تکنیک‌های تعبیه (Embeddings)
  • 60. Word2Vec
  • 61. GloVe
  • 62. FastText
  • 63. تعبیه‌های آیتم و کاربر
  • 64. طراحی سیستم‌های توصیه‌گر مقیاس‌پذیر
  • 65. معماری سیستم‌های توصیه‌گر توزیع‌شده
  • 66. پردازش دسته‌ای در مقابل پردازش جریانی
  • 67. بهینه‌سازی عملکرد سیستم‌های توصیه‌گر
  • 68. تست A/B و ارزیابی میدانی
  • 69. قابلیت تفسیر در سیستم‌های توصیه‌گر
  • 70. تکنیک‌های توضیح‌دهی توصیه‌ها
  • 71. مسائل اخلاقی در سیستم‌های توصیه‌گر
  • 72. حریم خصوصی کاربران
  • 73. سوگیری در توصیه‌ها
  • 74. عدالت در توصیه‌ها
  • 75. ملاحظات امنیتی در سیستم‌های توصیه‌گر
  • 76. پیاده‌سازی سیستم‌های توصیه‌گر در عمل
  • 77. ابزارها و کتابخانه‌های رایج
  • 78. TensorFlow و PyTorch
  • 79. Scikit-learn
  • 80. Spark MLlib
  • 81. نمونه‌های کاربردی سیستم‌های توصیه‌گر
  • 82. توصیه‌گرهای فیلم و موسیقی
  • 83. توصیه‌گرهای محصولات فروشگاهی
  • 84. توصیه‌گرهای محتوای خبری
  • 85. توصیه‌گرهای شبکه‌های اجتماعی
  • 86. مباحث پیشرفته در سیستم‌های توصیه‌گر
  • 87. توصیه‌گرهای مبتنی بر دانش
  • 88. توصیه‌گرهای مبتنی بر گراف
  • 89. توصیه‌گرهای چندبعدی
  • 90. توصیه‌گرهای تعاملی
  • 91. سیستم‌های توصیه‌گر برای پلتفرم‌های خاص
  • 92. تجارت الکترونیک
  • 93. رسانه‌های دیجیتال
  • 94. مراقبت‌های بهداشتی
  • 95. آموزش
  • 96. آینده سیستم‌های توصیه‌گر
  • 97. هوش مصنوعی مولد و سیستم‌های توصیه‌گر
  • 98. سیستم‌های توصیه‌گر شخصی‌سازی‌شده عمیق
  • 99. توصیه‌های اخلاقی و مسئولانه
  • 100. پروژه‌های عملی و مطالعات موردی

📚 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.