سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر یادگیری ماشین: مفاهیم و الگوریتم‌های پایه

کتاب مقدمه‌ای بر یادگیری ماشین: مفاهیم و الگوریتم‌های 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 مقدمه‌ای بر یادگیری ماشین: مفاهیم و الگوریتم‌های پایه

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین: مقدمه
  • 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 3. داده‌ها در یادگیری ماشین: انواع و ویژگی‌ها
  • 4. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 5. مهندسی ویژگی: ایجاد و انتخاب ویژگی‌های مؤثر
  • 6. مدل‌های یادگیری ماشین: رگرسیون خطی
  • 7. ارزیابی مدل‌های رگرسیون: معیارهای خطا
  • 8. مدل‌های یادگیری ماشین: رگرسیون لجستیک
  • 9. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازیابی
  • 10. مدل‌های یادگیری ماشین: درختان تصمیم
  • 11. آموزش و اعتبارسنجی درختان تصمیم
  • 12. بهینه‌سازی پارامترهای درختان تصمیم
  • 13. مدل‌های یادگیری ماشین: ماشین‌های بردار پشتیبان (SVM)
  • 14. هسته‌های SVM و کاربردهای آن‌ها
  • 15. مدل‌های یادگیری ماشین: شبکه‌های عصبی مصنوعی
  • 16. معماری شبکه‌های عصبی: لایه‌ها و نورون‌ها
  • 17. تابع فعال‌سازی در شبکه‌های عصبی
  • 18. آموزش شبکه‌های عصبی: انتشار رو به عقب خطا
  • 19. بهینه‌سازی در آموزش شبکه‌های عصبی: گرادیان کاهشی
  • 20. مدل‌های یادگیری ماشین: ماشین‌های بردار پشتیبان (SVM)
  • 21. یادگیری جمعی (Ensemble Learning): مقدمه
  • 22. روش‌های یادگیری جمعی: Bagging
  • 23. روش‌های یادگیری جمعی: Boosting
  • 24. مدل‌های یادگیری ماشین: جنگل‌های تصادفی
  • 25. کاربرد جنگل‌های تصادفی در طبقه‌بندی و رگرسیون
  • 26. مدل‌های یادگیری ماشین: گرادیان بوستینگ
  • 27. الگوریتم XGBoost
  • 28. مدل‌های یادگیری ماشین: K-نزدیک‌ترین همسایه (KNN)
  • 29. انتخاب مقدار K در KNN
  • 30. مدل‌های یادگیری ماشین: الگوریتم K-Means برای خوشه‌بندی
  • 31. ارزیابی خوشه‌بندی: شاخص سیلوئت
  • 32. مدل‌های یادگیری ماشین: تحلیل مولفه‌های اصلی (PCA)
  • 33. کاربرد PCA در کاهش ابعاد
  • 34. مدل‌های یادگیری ماشین: تحلیل تشخیص (LDA)
  • 35. مدل‌های یادگیری ماشین: شبکه‌های عصبی کانولوشنال (CNN)
  • 36. کاربرد CNN در پردازش تصویر
  • 37. مدل‌های یادگیری ماشین: شبکه‌های عصبی بازگشتی (RNN)
  • 38. کاربرد RNN در پردازش زبان طبیعی
  • 39. مقدمه‌ای بر یادگیری تقویتی
  • 40. عناصر یادگیری تقویتی: عامل، محیط، پاداش
  • 41. یادگیری تقویتی: سیاست‌ها و توابع ارزش
  • 42. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 43. الگوریتم‌های یادگیری تقویتی: SARSA
  • 44. یادگیری عمیق (Deep Learning): مقدمه
  • 45. مبانی یادگیری عمیق
  • 46. شبکه‌های عصبی عمیق
  • 47. کاربردهای یادگیری عمیق
  • 48. پردازش زبان طبیعی (NLP): مقدمه
  • 49. تکنیک‌های پیش‌پردازش متن
  • 50. مدل‌های زبانی
  • 51. یادگیری نمایش کلمات (Word Embeddings)
  • 52. شبکه‌های عصبی برای NLP
  • 53. کاربرد NLP در ترجمه ماشینی
  • 54. کاربرد NLP در تحلیل احساسات
  • 55. کاربرد NLP در خلاصه‌سازی متن
  • 56. بینایی ماشین (Computer Vision): مقدمه
  • 57. پردازش تصویر دیجیتال
  • 58. استخراج ویژگی از تصاویر
  • 59. مدل‌های یادگیری ماشین برای بینایی ماشین
  • 60. کاربرد CNN در تشخیص اشیاء
  • 61. کاربرد CNN در قطعه‌بندی تصاویر
  • 62. سیستم‌های توصیه‌گر (Recommender Systems): مقدمه
  • 63. روش‌های فیلترینگ مبتنی بر محتوا
  • 64. روش‌های فیلترینگ مشارکتی
  • 65. ارزیابی سیستم‌های توصیه‌گر
  • 66. مدل‌های یادگیری ماشین در سیستم‌های توصیه‌گر
  • 67. یادگیری ماشین در حوزه سلامت
  • 68. کاربرد یادگیری ماشین در تشخیص بیماری
  • 69. یادگیری ماشین در حوزه مالی
  • 70. یادگیری ماشین در حوزه تجارت الکترونیک
  • 71. یادگیری ماشین در حوزه آموزش
  • 72. مبانی اخلاق در یادگیری ماشین
  • 73. سوگیری در داده‌ها و مدل‌ها
  • 74. تفسیرپذیری مدل‌های یادگیری ماشین
  • 75. امنیت در یادگیری ماشین
  • 76. آینده یادگیری ماشین
  • 77. مروری بر ابزارها و کتابخانه‌های یادگیری ماشین
  • 78. یادگیری ماشین با استفاده از Python
  • 79. کتابخانه Scikit-learn
  • 80. کتابخانه TensorFlow
  • 81. کتابخانه PyTorch
  • 82. ساخت پروژه یادگیری ماشین: گام به گام
  • 83. انتخاب مسئله و جمع‌آوری داده
  • 84. آماده‌سازی داده‌ها
  • 85. انتخاب و آموزش مدل
  • 86. ارزیابی و بهبود مدل
  • 87. استقرار مدل
  • 88. مطالعات موردی در یادگیری ماشین
  • 89. چالش‌های عملی در پیاده‌سازی یادگیری ماشین
  • 90. نکات پیشرفته در یادگیری ماشین
  • 91. یادگیری انتقالی (Transfer Learning)
  • 92. یادگیری خودنظارتی (Self-Supervised Learning)
  • 93. شبکه‌های مولد تخاصمی (GANs)
  • 94. یادگیری تقویتی عمیق
  • 95. مروری بر وضعیت فعلی و روندهای آینده هوش مصنوعی
  • 96. هوش مصنوعی مسئولانه و ایمن
  • 97. نقش جامعه علمی و مهندسی در توسعه هوش مصنوعی
  • 98. چالش‌های حقوقی و اجتماعی هوش مصنوعی
  • 99. سرمایه‌گذاری و نوآوری در حوزه هوش مصنوعی
  • 100. آموزش و توسعه مهارت‌های مرتبط با هوش مصنوعی

📚 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.