سپنتا کتاب اکسپرس
کتاب مبانی یادگیری ماشین برای مبتدیان: درک هوش مصنوعی از پایه

کتاب مبانی یادگیری ماشین برای مبتدیان: درک هوش مصنوعی از پایه

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 مبانی یادگیری ماشین برای مبتدیان: درک هوش مصنوعی از پایه

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و هوش مصنوعی
  • 2. تعریف یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده
  • 4. انواع یادگیری ماشین: بدون نظارت
  • 5. انواع یادگیری ماشین: تقویتی
  • 6. کاربردها و مثال‌های یادگیری ماشین
  • 7. مفاهیم کلیدی در یادگیری ماشین
  • 8. مجموعه داده‌ها: جمع‌آوری و آماده‌سازی
  • 9. پیش‌پردازش داده‌ها: پاکسازی
  • 10. پیش‌پردازش داده‌ها: نرمال‌سازی
  • 11. پیش‌پردازش داده‌ها: استانداردسازی
  • 12. مهندسی ویژگی
  • 13. انتخاب ویژگی
  • 14. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت شده
  • 15. رگرسیون خطی
  • 16. رگرسیون لجستیک
  • 17. دسته‌بندی‌کننده‌های ناوبری بیز
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. درختان تصمیم
  • 20. جنگل‌های تصادفی
  • 21. گره‌بندی K-نزدیکترین همسایه (KNN)
  • 22. ارزیابی مدل‌های یادگیری نظارت شده
  • 23. معیارهای ارزیابی برای رگرسیون
  • 24. معیارهای ارزیابی برای دسته‌بندی
  • 25. ماتریس درهم‌ریختگی
  • 26. دقت، صحت و فراخوانی
  • 27. امتیاز F1
  • 28. منحنی ROC و سطح زیر منحنی (AUC)
  • 29. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 30. تنظیم مدل‌ها: اعتبارسنجی متقابل
  • 31. تنظیم هایپرپارامترها
  • 32. مقدمه‌ای بر الگوریتم‌های یادگیری بدون نظارت
  • 33. خوشه‌بندی K-Means
  • 34. خوشه‌بندی سلسله مراتبی
  • 35. تحلیل مؤلفه‌های اصلی (PCA)
  • 36. کاربرد PCA در کاهش ابعاد
  • 37. توزیع نرمال و مفاهیم آماری
  • 38. قضیه بیز و کاربرد آن
  • 39. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 40. ساختار یک نورون مصنوعی
  • 41. توابع فعال‌سازی
  • 42. شبکه‌های عصبی پیشخور
  • 43. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 44. پس‌انتشار خطا (Backpropagation)
  • 45. بهینه‌سازها در شبکه‌های عصبی
  • 46. نرخ یادگیری (Learning Rate)
  • 47. مقدمه‌ای بر یادگیری عمیق
  • 48. شبکه‌های عصبی کانولوشنی (CNN)
  • 49. کاربردهای CNN در بینایی ماشین
  • 50. شبکه‌های عصبی بازگشتی (RNN)
  • 51. کاربردهای RNN در پردازش زبان طبیعی
  • 52. حافظه طولانی کوتاه مدت (LSTM)
  • 53. واحدهای بازگشتی گیت‌دار (GRU)
  • 54. معماری‌های پیشرفته در یادگیری عمیق
  • 55. یادگیری تقویتی: مفاهیم پایه
  • 56. عامل، محیط، حالت و پاداش
  • 57. سیاست در یادگیری تقویتی
  • 58. تابع ارزش
  • 59. یادگیری Q (Q-Learning)
  • 60. یادگیری Q عمیق (DQN)
  • 61. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 62. توکن‌سازی و ریشه‌یابی کلمات
  • 63. برچسب‌گذاری اجزای کلام (POS Tagging)
  • 64. تحلیل وابستگی
  • 65. مدل‌سازی موضوعی (Topic Modeling)
  • 66. کاربرد مدل‌سازی موضوعی
  • 67. مقدمه‌ای بر بینایی ماشین (Computer Vision)
  • 68. تشخیص لبه
  • 69. تشخیص ویژگی
  • 70. تشخیص اشیاء
  • 71. بخش‌بندی تصاویر
  • 72. کاربرد بخش‌بندی تصاویر
  • 73. اخلاق در هوش مصنوعی و یادگیری ماشین
  • 74. سوگیری در داده‌ها و الگوریتم‌ها
  • 75. مسئولیت‌پذیری در هوش مصنوعی
  • 76. شفافیت و تفسیرپذیری مدل‌ها
  • 77. حریم خصوصی در داده‌ها
  • 78. امنیت در مدل‌های یادگیری ماشین
  • 79. ملاحظات اخلاقی در توسعه هوش مصنوعی
  • 80. هوش مصنوعی مسئولانه در سازمان‌ها
  • 81. چارچوب‌های اخلاقی برای هوش مصنوعی
  • 82. کاربرد یادگیری ماشین در صنعت
  • 83. یادگیری ماشین در سلامت
  • 84. یادگیری ماشین در امور مالی
  • 85. یادگیری ماشین در بازاریابی
  • 86. یادگیری ماشین در تولید
  • 87. یادگیری ماشین در حمل و نقل
  • 88. یادگیری ماشین در آموزش
  • 89. آینده یادگیری ماشین و هوش مصنوعی
  • 90. ترندهای نوظهور در یادگیری ماشین
  • 91. هوش مصنوعی عمومی (AGI)
  • 92. ملاحظات نهایی در یادگیری ماشین
  • 93. مسیرهای شغلی در حوزه هوش مصنوعی
  • 94. منابع برای مطالعه بیشتر
  • 95. جمع‌بندی مفاهیم کلیدی
  • 96. تمرینات عملی و پروژه‌های کوچک
  • 97. ساخت یک مدل یادگیری نظارت شده ساده
  • 98. ساخت یک مدل یادگیری بدون نظارت ساده
  • 99. مقدمه‌ای بر ابزارها و کتابخانه‌های یادگیری ماشین
  • 100. کتابخانه Scikit-learn

📚 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.