سپنتا کتاب اکسپرس
کتاب مجموعه ابزارهای یادگیری ماشین: مبانی و کاربردها

کتاب مجموعه ابزارهای یادگیری ماشین: مبانی و 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 مجموعه ابزارهای یادگیری ماشین: مبانی و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: ابزارها و تکنیک‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. انواع یادگیری ماشین
  • 3. یادگیری نظارت شده
  • 4. یادگیری نظارت نشده
  • 5. یادگیری تقویتی
  • 6. بررسی داده‌ها و پیش‌پردازش
  • 7. پاکسازی داده‌ها
  • 8. مقیاس‌بندی ویژگی‌ها
  • 9. انتخاب ویژگی
  • 10. مهندسی ویژگی
  • 11. مدل‌های رگرسیون خطی
  • 12. رگرسیون لجستیک
  • 13. ماشین‌های بردار پشتیبان (SVM)
  • 14. درختان تصمیم
  • 15. جنگل‌های تصادفی
  • 16. تقویت گرادیان
  • 17. مدل‌های طبقه‌بندی
  • 18. K-نزدیکترین همسایه (KNN)
  • 19. تحلیل تشخیص خطی (LDA)
  • 20. تحلیل تشخیص مربعی (QDA)
  • 21. بایز ساده
  • 22. شبکه‌های عصبی مصنوعی
  • 23. مقدمه‌ای بر شبکه‌های عصبی
  • 24. شبکه‌های عصبی کانولوشنال (CNN)
  • 25. شبکه‌های عصبی بازگشتی (RNN)
  • 26. شبکه‌های عصبی ترنسفورمر
  • 27. مفاهیم اساسی یادگیری عمیق
  • 28. آموزش مدل‌های یادگیری عمیق
  • 29. تنظیم ابرپارامترها
  • 30. تنظیم‌کننده ها (Regularization)
  • 31. کاهش ابعاد
  • 32. تحلیل مولفه‌های اصلی (PCA)
  • 33. توزیع غیرخطی یکنواخت (t-SNE)
  • 34. کاربرد PCA در کاهش ابعاد
  • 35. کاربرد t-SNE در بصری‌سازی
  • 36. ارزیابی مدل
  • 37. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 38. معیارهای ارزیابی مدل‌های رگرسیون
  • 39. ماتریس درهم‌ریختگی
  • 40. منحنی ROC و AUC
  • 41. اعتبارسنجی متقابل
  • 42. مدل‌های یادگیری ترکیبی (Ensemble Learning)
  • 43. نکات مهم در یادگیری ترکیبی
  • 44. Bagging و Boosting
  • 45. استفاده از مدل‌های ترکیبی
  • 46. پردازش زبان طبیعی (NLP)
  • 47. مبانی پردازش زبان طبیعی
  • 48. توکن‌سازی و ریشه‌یابی
  • 49. بردارسازی متن
  • 50. مدل‌های زبانی
  • 51. تحلیل احساسات
  • 52. ترجمه ماشینی
  • 53. سیستم‌های پرسش و پاسخ
  • 54. بینایی ماشین
  • 55. مقدمه‌ای بر بینایی ماشین
  • 56. پردازش تصویر
  • 57. تشخیص اشیا
  • 58. طبقه‌بندی تصویر
  • 59. تقسیم‌بندی تصویر
  • 60. تولید تصویر
  • 61. یادگیری تقویتی پیشرفته
  • 62. فرایندهای تصمیم مارکوف (MDP)
  • 63. الگوریتم‌های یادگیری تقویتی
  • 64. یادگیری Q
  • 65. یادگیری عمیق تقویتی
  • 66. کاربردهای یادگیری تقویتی
  • 67. یادگیری ماشین در عمل
  • 68. چرخه حیات پروژه یادگیری ماشین
  • 69. جمع‌آوری و آماده‌سازی داده‌ها
  • 70. انتخاب و آموزش مدل
  • 71. ارزیابی و استقرار مدل
  • 72. نظارت و نگهداری مدل
  • 73. اخلاق در یادگیری ماشین
  • 74. سوگیری در الگوریتم‌ها
  • 75. شفافیت و توضیح‌پذیری
  • 76. حریم خصوصی داده‌ها
  • 77. مسئولیت‌پذیری در یادگیری ماشین
  • 78. کاربردهای یادگیری ماشین در صنعت
  • 79. کاربرد در سلامت
  • 80. کاربرد در مالی
  • 81. کاربرد در بازاریابی
  • 82. کاربرد در حمل و نقل
  • 83. کاربرد در تولید
  • 84. ملاحظات امنیتی در یادگیری ماشین
  • 85. حملات به مدل‌های یادگیری ماشین
  • 86. حفاظت از مدل‌ها
  • 87. امنیت داده‌ها در پروژه‌های یادگیری ماشین
  • 88. یادگیری ماشین در ایران
  • 89. وضعیت فعلی و چالش‌ها
  • 90. فرصت‌ها و آینده
  • 91. نقش دانشگاه‌ها و مراکز تحقیقاتی
  • 92. قوانین و مقررات مرتبط
  • 93. جمع‌بندی مباحث
  • 94. مرور مفاهیم کلیدی
  • 95. تمرینات عملی
  • 96. مطالعات موردی
  • 97. آینده یادگیری ماشین

📚 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.