سپنتا کتاب اکسپرس
کتاب یادگیری عمیق با انتشار پس‌انتشار (Backpropagation)

کتاب یادگیری عمیق با انتشار پس‌انتشار (Backpropagation)

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 یادگیری عمیق با انتشار پس‌انتشار (Backpropagation)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و الگوریتم‌های یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. معرفی شبکه‌های عصبی مصنوعی
  • 5. ساختار نورون مصنوعی
  • 6. توابع فعال‌سازی در شبکه‌های عصبی
  • 7. مقدمه‌ای بر انتشار پس‌انتشار (Backpropagation)
  • 8. محاسبه گرادیان در انتشار پس‌انتشار
  • 9. آموزش شبکه‌های عصبی تک‌لایه
  • 10. شبکه‌های عصبی چندلایه
  • 11. معماری شبکه‌های عصبی پیشخور
  • 12. تابع هزینه و معیارهای ارزیابی
  • 13. بهینه‌سازی در آموزش شبکه‌های عصبی
  • 14. گرادیان کاهشی تصادفی (SGD)
  • 15. سرعت یادگیری و تنظیم آن
  • 16. مومنتوم در بهینه‌سازی
  • 17. آدام (Adam) و سایر بهینه‌سازهای پیشرفته
  • 18. تنظیم فراپارامترها
  • 19. روش‌های منظم‌سازی (Regularization)
  • 20. منظم‌سازی L1 و L2
  • 21. دراپ‌اوت (Dropout)
  • 22. افزایش داده (Data Augmentation)
  • 23. شبکه‌های عصبی کانولوشنال (CNN)
  • 24. مفاهیم کانولوشن و پولینگ
  • 25. کاربرد CNN در پردازش تصویر
  • 26. معماری‌های معروف CNN (مانند LeNet، AlexNet)
  • 27. شبکه‌های عصبی بازگشتی (RNN)
  • 28. مکانیسم حافظه در RNN
  • 29. کاربرد RNN در پردازش زبان طبیعی
  • 30. شبکه‌های LSTM و GRU
  • 31. معماری‌های پیشرفته RNN
  • 32. شبکه‌های مولد تخاصمی (GAN)
  • 33. مقدمه‌ای بر یادگیری تقویتی
  • 34. مبانی یادگیری تقویتی
  • 35. عوامل و محیط در یادگیری تقویتی
  • 36. یادگیری سیاست و ارزش
  • 37. الگوریتم‌های Q-Learning
  • 38. الگوریتم‌های Policy Gradient
  • 39. کاربرد یادگیری تقویتی در بازی‌ها
  • 40. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 41. مکانیزم توجه (Attention Mechanism)
  • 42. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 43. مدل‌های زبانی بزرگ (LLMs)
  • 44. مقدمه‌ای بر پردازش زبان طبیعی
  • 45. توکن‌سازی و واژگان‌سازی
  • 46. نمایش کلمات (Word Embeddings)
  • 47. مدل‌های زبانی آماری
  • 48. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
  • 49. تحلیل احساسات با یادگیری ماشین
  • 50. طبقه‌بندی متن
  • 51. خلاصه‌سازی متن
  • 52. ترجمه ماشینی
  • 53. سیستم‌های توصیه‌گر
  • 54. مبانی سیستم‌های توصیه‌گر
  • 55. فیلترینگ مشارکتی
  • 56. فیلترینگ مبتنی بر محتوا
  • 57. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 58. کاربرد یادگیری عمیق در تشخیص پزشکی
  • 59. بینایی ماشین و پردازش تصویر
  • 60. تشخیص اشیاء (Object Detection)
  • 61. تقسیم‌بندی تصویر (Image Segmentation)
  • 62. تولید تصویر با یادگیری عمیق
  • 63. شبکه‌های عصبی گراف (GNN)
  • 64. کاربرد GNN در شبکه‌های اجتماعی
  • 65. کاربرد GNN در شیمی و داروسازی
  • 66. هوش مصنوعی قابل توضیح (XAI)
  • 67. تفسیرپذیری مدل‌های یادگیری عمیق
  • 68. روش‌های توضیح‌پذیری مدل‌ها
  • 69. اخلاق در هوش مصنوعی
  • 70. سوگیری در داده‌ها و مدل‌ها
  • 71. حریم خصوصی در هوش مصنوعی
  • 72. امنیت در مدل‌های یادگیری عمیق
  • 73. حملات متخاصم به شبکه‌های عصبی
  • 74. روش‌های دفاع در برابر حملات
  • 75. کاربرد هوش مصنوعی در صنعت
  • 76. کاربرد هوش مصنوعی در مالی
  • 77. کاربرد هوش مصنوعی در کشاورزی
  • 78. کاربرد هوش مصنوعی در حمل و نقل
  • 79. آینده هوش مصنوعی و یادگیری عمیق
  • 80. چالش‌های پیش رو در هوش مصنوعی
  • 81. راهبردهای تحقیق و توسعه در هوش مصنوعی
  • 82. یادگیری عمیق بدون نظارت
  • 83. یادگیری عمیق نیمه‌نظارتی
  • 84. یادگیری انتقالی (Transfer Learning)
  • 85. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 86. معماری‌های عصبی پیشرفته
  • 87. شبکه‌های عصبی گراف کانولوشنال
  • 88. روش‌های تولید متن پیشرفته
  • 89. مدل‌های زبانی مولد
  • 90. یادگیری عمیق توزیع‌شده
  • 91. آموزش مدل‌های بزرگ
  • 92. بهینه‌سازی سخت‌افزاری برای یادگیری عمیق
  • 93. واحد پردازش گرافیکی (GPU)
  • 94. شتاب‌دهنده‌های هوش مصنوعی
  • 95. ملاحظات پیاده‌سازی در مقیاس بزرگ
  • 96. پایپ‌لاین‌های داده برای یادگیری عمیق
  • 97. ارزیابی و اعتبارسنجی مدل‌ها
  • 98. نکات عملی در توسعه مدل‌های یادگیری عمیق
  • 99. مدیریت پروژه در هوش مصنوعی
  • 100. مستندسازی مدل‌ها و کدها

📚 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.