سپنتا کتاب اکسپرس
کتاب انتخاب رویکرد مدل‌سازی در مهندسی یادگیری ماشین با AWS

کتاب انتخاب رویکرد مدل‌سازی در مهندسی یادگیری ماشین با AWS

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 انتخاب رویکرد مدل‌سازی در مهندسی یادگیری ماشین با AWS

موضوع کلی: مهندسی نرم‌افزار و توسعهٔ سیستم‌های هوشمند

موضوع میانی: مهندسی یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. مفاهیم کلیدی در مدل‌سازی
  • 8. انتخاب مسئله مناسب برای یادگیری ماشین
  • 9. تعریف اهداف پروژه
  • 10. شناخت داده‌ها و منابع آن‌ها
  • 11. پیش‌پردازش داده‌ها
  • 12. پاکسازی داده‌ها
  • 13. مدل‌سازی داده‌های گمشده
  • 14. مهندسی ویژگی
  • 15. انتخاب ویژگی‌ها
  • 16. ساخت ویژگی‌های جدید
  • 17. نرمال‌سازی و استانداردسازی داده‌ها
  • 18. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 19. روش‌های ارزیابی مدل
  • 20. معیارهای ارزیابی برای مسائل طبقه‌بندی
  • 21. معیارهای ارزیابی برای مسائل رگرسیون
  • 22. مقدمه‌ای بر مدل‌های خطی
  • 23. رگرسیون خطی
  • 24. رگرسیون لجستیک
  • 25. مبانی درخت تصمیم
  • 26. درخت تصمیم برای طبقه‌بندی
  • 27. درخت تصمیم برای رگرسیون
  • 28. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 29. SVM برای طبقه‌بندی
  • 30. SVM برای رگرسیون
  • 31. مقدمه‌ای بر مدل‌های مبتنی بر مجموعه (Ensemble)
  • 32. روش Bagging
  • 33. روش Boosting
  • 34. جنگل تصادفی (Random Forest)
  • 35. گرادیان بوستینگ (Gradient Boosting)
  • 36. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 37. نورون مصنوعی
  • 38. توابع فعال‌سازی
  • 39. معماری شبکه‌های عصبی چندلایه
  • 40. پس‌انتشار خطا (Backpropagation)
  • 41. مقدمه‌ای بر شبکه‌های عصبی کانولوشنال (CNN)
  • 42. کاربرد CNN در پردازش تصویر
  • 43. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 44. کاربرد RNN در پردازش زبان طبیعی
  • 45. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 46. واحد بازگشتی دروازه‌ای (GRU)
  • 47. مقدمه‌ای بر مدل‌های زبان بزرگ (LLM)
  • 48. معماری ترنسفورمر
  • 49. مقدمه‌ای بر یادگیری عمیق
  • 50. کاربردهای یادگیری عمیق
  • 51. انتخاب مدل مناسب بر اساس مسئله
  • 52. انتخاب مدل بر اساس حجم داده
  • 53. انتخاب مدل بر اساس پیچیدگی مسئله
  • 54. انتخاب مدل بر اساس منابع محاسباتی
  • 55. شناخت الگوریتم‌های یادگیری ماشین
  • 56. مقایسه الگوریتم‌های مختلف
  • 57. مزایا و معایب الگوریتم‌ها
  • 58. کاربرد الگوریتم‌ها در مسائل واقعی
  • 59. مقدمه‌ای بر AWS SageMaker
  • 60. قابلیت‌های SageMaker
  • 61. انتخاب نمونه‌های SageMaker
  • 62. آموزش مدل در SageMaker
  • 63. استقرار مدل در SageMaker
  • 64. استفاده از SageMaker برای پیش‌پردازش داده‌ها
  • 65. استفاده از SageMaker برای مهندسی ویژگی
  • 66. استفاده از SageMaker برای ارزیابی مدل
  • 67. استفاده از SageMaker برای مانیتورینگ مدل
  • 68. ملاحظات امنیتی در مهندسی یادگیری ماشین
  • 69. مدیریت دسترسی در AWS
  • 70. رمزنگاری داده‌ها
  • 71. حفاظت از مدل‌ها
  • 72. مدیریت هزینه‌ها در پروژه‌های یادگیری ماشین
  • 73. بهینه‌سازی هزینه‌های محاسباتی
  • 74. بهینه‌سازی هزینه‌های ذخیره‌سازی
  • 75. مدیریت چرخه عمر مدل
  • 76. مقدمه‌ای بر یادگیری ماشین قابل تفسیر (XAI)
  • 77. روش‌های تفسیرپذیری مدل
  • 78. کاربرد XAI در مسائل حساس
  • 79. ملاحظات اخلاقی در هوش مصنوعی
  • 80. سوگیری در داده‌ها و مدل‌ها
  • 81. مدیریت سوگیری
  • 82. مسئولیت‌پذیری در هوش مصنوعی
  • 83. قوانین و مقررات مربوط به هوش مصنوعی در ایران
  • 84. چارچوب‌های نظارتی
  • 85. مطابقت با قوانین جمهوری اسلامی ایران
  • 86. اصول توسعه پایدار در هوش مصنوعی
  • 87. منابع داده‌های معتبر و ایمن
  • 88. استفاده از داده‌های عمومی و آزاد
  • 89. حفظ حریم خصوصی در جمع‌آوری داده‌ها
  • 90. تکنیک‌های افزایش داده (Data Augmentation)
  • 91. کاربرد تکنیک‌های افزایش داده در مسائل تصویر
  • 92. کاربرد تکنیک‌های افزایش داده در مسائل متن
  • 93. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 94. کاربرد یادگیری انتقالی در مسائل تصویر
  • 95. کاربرد یادگیری انتقالی در مسائل متن
  • 96. انتخاب معماری مدل مناسب
  • 97. بهینه‌سازی هایپرپارامترها
  • 98. روش‌های جستجوی هایپرپارامتر
  • 99. تنظیم خودکار هایپرپارامترها
  • 100. ارزیابی مجدد مدل پس از تنظیم هایپرپارامتر

📚 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.