سپنتا کتاب اکسپرس
کتاب اصول یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردها

کتاب اصول یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردها

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 اصول یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و کاربردهای یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و جایگاه آن
  • 2. تاریخچه هوش مصنوعی
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مفاهیم پایه یادگیری ماشین
  • 8. داده‌ها و پیش‌پردازش داده‌ها
  • 9. پاکسازی داده‌ها
  • 10. مقیاس‌بندی ویژگی‌ها
  • 11. انتخاب ویژگی
  • 12. مدل‌های خطی
  • 13. رگرسیون خطی
  • 14. رگرسیون لجستیک
  • 15. طبقه‌بندی‌کننده‌های بیز ساده
  • 16. ماشین‌های بردار پشتیبان (SVM)
  • 17. درختان تصمیم
  • 18. قوانین انجمنی
  • 19. خوشه‌بندی
  • 20. K-Means
  • 21. خوشه‌بندی سلسله مراتبی
  • 22. تحلیل مولفه‌های اصلی (PCA)
  • 23. کاهش ابعاد
  • 24. شبکه‌های عصبی مصنوعی
  • 25. مبانی نورون و لایه‌ها
  • 26. توابع فعال‌سازی
  • 27. انتشار رو به جلو
  • 28. پس‌انتشار خطا (Backpropagation)
  • 29. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 30. شبکه‌های عصبی کانولوشنال (CNN)
  • 31. معماری CNN
  • 32. کاربرد CNN در بینایی ماشین
  • 33. شبکه‌های عصبی بازگشتی (RNN)
  • 34. معماری RNN
  • 35. کاربرد RNN در پردازش زبان طبیعی
  • 36. حافظه طولانی کوتاه مدت (LSTM)
  • 37. واحد بازگشتی دروازه‌ای (GRU)
  • 38. مهندسی ویژگی در یادگیری ماشین
  • 39. انتخاب مدل مناسب
  • 40. اعتبارسنجی متقابل (Cross-validation)
  • 41. تنظیم ابرپارامترها
  • 42. بایاس و واریانس
  • 43. بیش‌برازش و کم‌برازش
  • 44. روش‌های منظم‌سازی (Regularization)
  • 45. L1 و L2 Regularization
  • 46. درختان تقویتی (Ensemble Methods)
  • 47. کیسه سازی (Bagging)
  • 48. تقویت (Boosting)
  • 49. ماشین‌های بردار گرادیان (Gradient Boosting Machines)
  • 50. XGBoost
  • 51. LightGBM
  • 52. مدل‌های ترکیبی (Hybrid Models)
  • 53. کاربرد یادگیری ماشین در پردازش زبان طبیعی
  • 54. تحلیل احساسات
  • 55. ترجمه ماشینی
  • 56. تولید متن
  • 57. مدل‌های زبانی بزرگ (LLMs)
  • 58. کاربرد یادگیری ماشین در بینایی ماشین
  • 59. تشخیص اشیاء
  • 60. تقسیم‌بندی تصاویر
  • 61. تولید تصویر
  • 62. تشخیص چهره
  • 63. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
  • 64. فیلترینگ مشارکتی
  • 65. فیلترینگ مبتنی بر محتوا
  • 66. سیستم‌های توصیه‌گر ترکیبی
  • 67. کاربرد یادگیری ماشین در تحلیل داده‌های سری زمانی
  • 68. پیش‌بینی سری زمانی
  • 69. شناسایی ناهنجاری در سری زمانی
  • 70. کاربرد یادگیری ماشین در حوزه سلامت
  • 71. تشخیص بیماری
  • 72. کشف دارو
  • 73. شخصی‌سازی درمان
  • 74. کاربرد یادگیری ماشین در حوزه مالی
  • 75. تشخیص تقلب
  • 76. پیش‌بینی بازار
  • 77. مدیریت ریسک
  • 78. کاربرد یادگیری ماشین در اتوماسیون صنعتی
  • 79. کنترل کیفیت
  • 80. نگهداری پیش‌بینانه
  • 81. رباتیک هوشمند
  • 82. کاربرد یادگیری ماشین در کشاورزی
  • 83. پیش‌بینی محصولات
  • 84. مدیریت منابع آب
  • 85. تشخیص آفات
  • 86. اخلاقیات در هوش مصنوعی
  • 87. سوگیری در داده‌ها و مدل‌ها
  • 88. شفافیت و تفسیرپذیری مدل‌ها
  • 89. حریم خصوصی و امنیت داده‌ها
  • 90. مسئولیت‌پذیری در هوش مصنوعی
  • 91. آینده هوش مصنوعی و یادگیری ماشین
  • 92. هوش مصنوعی عمومی (AGI)
  • 93. یادگیری عمیق در عمل
  • 94. مقدمه‌ای بر چارچوب‌های یادگیری عمیق
  • 95. TensorFlow و Keras
  • 96. PyTorch
  • 97. ساخت اولین مدل یادگیری ماشین
  • 98. آموزش و ارزیابی مدل
  • 99. بهینه‌سازی مدل
  • 100. مقدمه‌ای بر مفاهیم پیشرفته‌تر

📚 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.