سپنتا کتاب اکسپرس
کتاب ریاضیات لازم برای درک الگوریتم انتشار پس‌انتشار

کتاب ریاضیات لازم برای درک الگوریتم انتشار پس‌انتشار

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 ریاضیات لازم برای درک الگوریتم انتشار پس‌انتشار

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی ریاضی یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر یادگیری عمیق
  • 3. اهمیت ریاضیات در یادگیری عمیق
  • 4. مروری بر جبر خطی: بردارها و ماتریس‌ها
  • 5. عملیات پایه ماتریسی: جمع، تفریق و ضرب
  • 6. ضرب ماتریس‌ها و خواص آن
  • 7. ترانهاده ماتریس و معکوس آن
  • 8. دترمینان و کاربردهای آن
  • 9. فضاهای برداری و زیرفضاها
  • 10. پایه و بعد فضا
  • 11. تبدیلات خطی
  • 12. مقدمه‌ای بر حساب دیفرانسیل و انتگرال
  • 13. مشتق یک متغیر و کاربردهای آن
  • 14. قاعده زنجیره‌ای برای مشتق‌گیری
  • 15. مشتق توابع چند متغیره
  • 16. گرادیان و کاربرد آن در بهینه‌سازی
  • 17. ماتریس هسین و مفهوم آن
  • 18. انتگرال و قضیه اساسی حساب دیفرانسیل و انتگرال
  • 19. انتگرال‌گیری از توابع چند متغیره
  • 20. قضیه دیورژانس و قضیه استوکس
  • 21. مقدمه‌ای بر احتمالات و آمار
  • 22. متغیرهای تصادفی گسسته و پیوسته
  • 23. توزیع‌های احتمال مهم: گسسته
  • 24. توزیع‌های احتمال مهم: پیوسته
  • 25. امید ریاضی و واریانس
  • 26. قضایای حدی مرکزی
  • 27. قضیه بیز و کاربردهای آن
  • 28. مقدمه‌ای بر بهینه‌سازی
  • 29. بهینه‌سازی بدون قید
  • 30. روش نزول گرادیان
  • 31. نرخ یادگیری و اهمیت آن
  • 32. بهینه‌سازهای تصادفی (SGD)
  • 33. مقدمه‌ای بر انتشار پس‌انتشار
  • 34. شبکه‌های عصبی پیشخور
  • 35. تابع فعال‌سازی
  • 36. انتشار رو به جلو
  • 37. محاسبه خطا
  • 38. انتشار پس‌انتشار: مفهوم اصلی
  • 39. محاسبه گرادیان خطا نسبت به وزن‌ها
  • 40. قاعده زنجیره‌ای در انتشار پس‌انتشار
  • 41. پیاده‌سازی انتشار پس‌انتشار
  • 42. آموزش شبکه‌های عصبی
  • 43. بهینه‌سازی پارامترها
  • 44. تنظیم نرخ یادگیری
  • 45. روش‌های بهینه‌سازی پیشرفته
  • 46. مومنتوم
  • 47. RMSprop
  • 48. Adam
  • 49. تنظیمات هایپرپارامترها
  • 50. اعتبارسنجی مدل
  • 51. تنظیم‌گری (Regularization)
  • 52. L1 و L2 Regularization
  • 53. Dropout
  • 54. Early Stopping
  • 55. شبکه‌های عصبی کانولوشنی (CNN)
  • 56. مفاهیم پایه CNN
  • 57. لایه‌های کانولوشن
  • 58. لایه‌های Pooling
  • 59. لایه‌های Fully Connected
  • 60. معماری‌های معروف CNN
  • 61. کاربردهای CNN
  • 62. شبکه‌های عصبی بازگشتی (RNN)
  • 63. مفاهیم پایه RNN
  • 64. حافظه در RNN
  • 65. لایه‌های LSTM و GRU
  • 66. معماری‌های معروف RNN
  • 67. کاربردهای RNN
  • 68. پردازش زبان طبیعی (NLP)
  • 69. مقدمه‌ای بر NLP
  • 70. نمایش کلمات (Word Embeddings)
  • 71. مدل‌های زبانی
  • 72. شبکه‌های عصبی ترنسفورمر
  • 73. کاربردهای NLP
  • 74. توضیحات ریاضی عمیق‌تر
  • 75. مشتقات مراتب بالاتر
  • 76. انتگرال‌گیری عددی
  • 77. بهینه‌سازی با قید
  • 78. روش‌های کوشی-نیوتن
  • 79. روش‌های شبه-نیوتن
  • 80. تحلیل حساسیت مدل
  • 81. مقدمه‌ای بر یادگیری تقویتی
  • 82. مفاهیم پایه یادگیری تقویتی
  • 83. عامل، محیط، پاداش
  • 84. مارکوف تصمیم‌گیری فرآیند (MDP)
  • 85. الگوریتم‌های یادگیری تقویتی
  • 86. Q-Learning
  • 87. Deep Q-Networks (DQN)
  • 88. Actor-Critic Methods
  • 89. کاربردهای یادگیری تقویتی
  • 90. مقدمه‌ای بر شبکه‌های مولد
  • 91. مفهوم شبکه‌های مولد
  • 92. شبکه‌های مولد تخاصمی (GANs)
  • 93. معماری GANs
  • 94. کاربرد GANs در تولید تصویر
  • 95. یادگیری عمیق در یادگیری ماشین
  • 96. ارتباط یادگیری عمیق با یادگیری ماشین
  • 97. چالش‌ها و آینده یادگیری عمیق
  • 98. اخلاق در هوش مصنوعی
  • 99. ملاحظات امنیتی در هوش مصنوعی
  • 100. پیاده‌سازی عملی با کتابخانه‌ها

📚 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.