سپنتا کتاب اکسپرس
کتاب پیاده‌سازی مدل‌های یادگیری ماشین با Vertex AI در Google Cloud

کتاب پیاده‌سازی مدل‌های یادگیری ماشین با Vertex AI در Google Cloud

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 پیاده‌سازی مدل‌های یادگیری ماشین با Vertex AI در Google Cloud

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین بر بستر ابر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. انواع مسائل در یادگیری ماشین
  • 8. رگرسیون
  • 9. طبقه‌بندی
  • 10. خوشه‌بندی
  • 11. کاهش ابعاد
  • 12. مقدمه‌ای بر Google Cloud Platform
  • 13. خدمات Google Cloud برای هوش مصنوعی و یادگیری ماشین
  • 14. معرفی Vertex AI
  • 15. معماری Vertex AI
  • 16. مؤلفه‌های اصلی Vertex AI
  • 17. محیط‌های توسعه در Vertex AI
  • 18. مجموعه داده‌ها در Vertex AI
  • 19. مدیریت داده‌ها
  • 20. پیش‌پردازش داده‌ها
  • 21. مهندسی ویژگی
  • 22. آموزش مدل‌های یادگیری ماشین
  • 23. انواع الگوریتم‌های یادگیری ماشین
  • 24. رگرسیون خطی
  • 25. رگرسیون لجستیک
  • 26. ماشین‌های بردار پشتیبان (SVM)
  • 27. درختان تصمیم
  • 28. جنگل‌های تصادفی
  • 29. شبکه‌های عصبی
  • 30. شبکه‌های عصبی کانولوشنی (CNN)
  • 31. شبکه‌های عصبی بازگشتی (RNN)
  • 32. یادگیری عمیق
  • 33. آموزش مدل‌های سفارشی
  • 34. فریم‌ورک‌های یادگیری ماشین
  • 35. TensorFlow
  • 36. PyTorch
  • 37. Keras
  • 38. آموزش مدل‌ها در مقیاس بزرگ
  • 39. مدیریت آزمایش‌ها
  • 40. ردیابی پارامترها و معیارها
  • 41. مقایسه مدل‌ها
  • 42. تنظیم ابرپارامترها
  • 43. بهینه‌سازی مدل
  • 44. ارزیابی مدل
  • 45. معیارهای ارزیابی برای رگرسیون
  • 46. معیارهای ارزیابی برای طبقه‌بندی
  • 47. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 48. دقت (Accuracy)
  • 49. صحت (Precision)
  • 50. بازیابی (Recall)
  • 51. امتیاز F1
  • 52. منحنی ROC و AUC
  • 53. اعتبارسنجی متقابل (Cross-Validation)
  • 54. استقرار مدل‌ها
  • 55. استقرار مدل به عنوان نقطه پایانی (Endpoint)
  • 56. پیش‌بینی بلادرنگ (Online Prediction)
  • 57. پیش‌بینی دسته‌ای (Batch Prediction)
  • 58. نظارت بر مدل‌های مستقر شده
  • 59. بازآموزی مدل
  • 60. مفاهیم MLOps
  • 61. پایپ‌لاین‌های یادگیری ماشین
  • 62. اتوماسیون فرآیندهای یادگیری ماشین
  • 63. مدیریت چرخه عمر مدل
  • 64. امنیت در Vertex AI
  • 65. حفظ حریم خصوصی داده‌ها
  • 66. مدیریت دسترسی‌ها
  • 67. هزینه‌ها در Google Cloud و Vertex AI
  • 68. بهینه‌سازی هزینه‌ها
  • 69. نکات و ترفندها در استفاده از Vertex AI
  • 70. مطالعات موردی در یادگیری ماشین با Vertex AI
  • 71. تحلیل احساسات
  • 72. تشخیص اشیاء
  • 73. پیش‌بینی سری‌های زمانی
  • 74. سیستم‌های توصیه‌گر
  • 75. پردازش زبان طبیعی (NLP)
  • 76. بینایی ماشین (Computer Vision)
  • 77. یادگیری تقویتی در عمل
  • 78. ملاحظات اخلاقی در هوش مصنوعی
  • 79. سوگیری در مدل‌های هوش مصنوعی
  • 80. شفافیت و توضیح‌پذیری مدل‌ها
  • 81. کاربرد هوش مصنوعی در صنعت
  • 82. کاربرد هوش مصنوعی در کسب‌وکار
  • 83. کاربرد هوش مصنوعی در علم
  • 84. آینده هوش مصنوعی و یادگیری ماشین
  • 85. مقدمه‌ای بر معماری‌های پیشرفته یادگیری ماشین
  • 86. مدل‌های ترنسفورمر (Transformer)
  • 87. یادگیری انتقالی (Transfer Learning)
  • 88. یادگیری فدرال (Federated Learning)
  • 89. کاربرد هوش مصنوعی در ایران
  • 90. چارچوب‌های قانونی هوش مصنوعی در ایران
  • 91. اخلاق حرفه‌ای در توسعه هوش مصنوعی
  • 92. توسعه پایدار با هوش مصنوعی
  • 93. نوآوری در حوزه هوش مصنوعی
  • 94. مقدمه‌ای بر بهینه‌سازی مدل‌ها برای استقرار
  • 95. فشرده‌سازی مدل‌ها
  • 96. کوانتیزاسیون مدل‌ها
  • 97. استفاده از سخت‌افزار شتاب‌دهنده
  • 98. مقدمه‌ای بر یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 99. الگوریتم‌های Q-Learning
  • 100. الگوریتم‌های Policy Gradient

📚 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.