سپنتا کتاب اکسپرس
کتاب مبانی شبکه‌های عصبی و یادگیری عمیق با پایتون و تنسورفلو

کتاب مبانی شبکه‌های عصبی و یادگیری عمیق با پایتون و تنسورفلو

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 شبکه‌های عصبی و یادگیری عمیق با پایتون و تنسورفلو

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مروری بر پایتون برای علم داده
  • 5. کتابخانه‌های کلیدی پایتون: NumPy و Pandas
  • 6. آشنایی با تنسورفلو
  • 7. مقدمه‌ای بر شبکه‌های عصبی
  • 8. نورون مصنوعی و تابع فعال‌سازی
  • 9. معماری پایه شبکه‌های عصبی
  • 10. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 11. تابع هزینه و بهینه‌سازها
  • 12. تنظیم ابرپارامترها
  • 13. بیش‌برازش و کم‌برازش
  • 14. روش‌های تنظیم (Regularization)
  • 15. اعتبارسنجی متقابل (Cross-Validation)
  • 16. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 17. شبکه‌های عصبی کانولوشنی (CNN)
  • 18. لایه‌های کانولوشن و پولینگ
  • 19. کاربرد CNN در پردازش تصویر
  • 20. شبکه‌های عصبی بازگشتی (RNN)
  • 21. حافظه کوتاه‌مدت طولانی (LSTM)
  • 22. شبکه‌های عصبی ترنسفورمر
  • 23. کاربرد RNN و LSTM در پردازش زبان طبیعی
  • 24. یادگیری عمیق برای طبقه‌بندی تصاویر
  • 25. یادگیری عمیق برای تشخیص اشیاء
  • 26. یادگیری عمیق برای تولید متن
  • 27. یادگیری عمیق برای ترجمه ماشینی
  • 28. مقدمه‌ای بر یادگیری تقویتی
  • 29. عوامل و محیط در یادگیری تقویتی
  • 30. الگوریتم‌های یادگیری تقویتی پایه
  • 31. یادگیری عمیق در یادگیری تقویتی
  • 32. یادگیری عمیق برای بازی‌ها
  • 33. مدل‌های مولد (Generative Models)
  • 34. شبکه‌های مولد تخاصمی (GANs)
  • 35. کاربرد GANs در تولید تصویر
  • 36. کدهای تنسورفلو برای ساخت شبکه‌های عصبی
  • 37. پیاده‌سازی CNN با تنسورفلو
  • 38. پیاده‌سازی RNN با تنسورفلو
  • 39. کار با داده‌های تصویری در تنسورفلو
  • 40. کار با داده‌های متنی در تنسورفلو
  • 41. آموزش مدل‌های یادگیری عمیق
  • 42. ارزیابی عملکرد مدل‌ها
  • 43. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 44. کاربرد هوش مصنوعی در صنعت
  • 45. کاربرد هوش مصنوعی در پزشکی
  • 46. کاربرد هوش مصنوعی در امور مالی
  • 47. کاربرد هوش مصنوعی در حمل و نقل
  • 48. ملاحظات اخلاقی در هوش مصنوعی
  • 49. امنیت داده‌ها در یادگیری ماشین
  • 50. حفظ حریم خصوصی در هوش مصنوعی
  • 51. تفسیرپذیری مدل‌های یادگیری عمیق
  • 52. شبکه‌های عصبی گراف (GNNs)
  • 53. یادگیری انتقالی (Transfer Learning)
  • 54. یادگیری نیمه‌نظارت شده (Semi-Supervised Learning)
  • 55. یادگیری خودنظارت شده (Self-Supervised Learning)
  • 56. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 57. مدل‌های زبانی (Language Models)
  • 58. بازنمایی کلمات: Word Embeddings
  • 59. شبکه‌های عصبی برای پردازش متن
  • 60. استخراج اطلاعات از متن
  • 61. خلاصه‌سازی متن با یادگیری عمیق
  • 62. تحلیل احساسات با یادگیری عمیق
  • 63. پردازش گفتار با یادگیری عمیق
  • 64. بینایی ماشین و یادگیری عمیق
  • 65. تشخیص چهره با یادگیری عمیق
  • 66. تولید کپشن برای تصاویر
  • 67. یادگیری عمیق برای سیستم‌های توصیه‌گر
  • 68. مدل‌های مبتنی بر محتوا
  • 69. مدل‌های مبتنی بر همکاری
  • 70. ترکیب مدل‌ها در سیستم‌های توصیه‌گر
  • 71. یادگیری عمیق برای تجزیه و تحلیل داده‌های سری زمانی
  • 72. پیش‌بینی سری‌های زمانی
  • 73. تشخیص ناهنجاری در سری‌های زمانی
  • 74. کاربرد تنسورفلو برای داده‌های سری زمانی
  • 75. یادگیری عمیق در رباتیک
  • 76. کنترل ربات با یادگیری تقویتی
  • 77. دید رباتیک با یادگیری عمیق
  • 78. استقرار مدل‌های یادگیری عمیق
  • 79. بهینه‌سازی مدل‌ها برای استقرار
  • 80. مدل‌های سبک‌وزن برای دستگاه‌های لبه
  • 81. کاربرد تنسورفلو لایت (TensorFlow Lite)
  • 82. یادگیری فدرال (Federated Learning)
  • 83. مزایا و چالش‌های یادگیری فدرال
  • 84. مباحث پیشرفته در شبکه‌های عصبی
  • 85. شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
  • 86. یادگیری عمیق قابل تفسیر (Interpretable Deep Learning)
  • 87. یادگیری عمیق عادلانه (Fair Deep Learning)
  • 88. مقدمه‌ای بر هوش مصنوعی عمومی (AGI)
  • 89. چشم‌انداز آینده هوش مصنوعی
  • 90. آموزش تخصصی با پایتون و تنسورفلو
  • 91. پروژه‌های عملی یادگیری عمیق
  • 92. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 93. مقدمه‌ای بر شبکه‌های عصبی مولد پیشرفته
  • 94. یادگیری تقویتی عمیق پیشرفته
  • 95. کاربرد یادگیری عمیق در علوم زیستی
  • 96. کاربرد هوش مصنوعی در معماری و شهرسازی
  • 97. فراگیری دانش هوش مصنوعی در جامعه
  • 98. یادگیری عمیق برای داده‌های ساختاریافته
  • 99. شبکه‌های عصبی برای داده‌های غیرساختاریافته
  • 100. مبانی ریاضی یادگیری عمیق

📚 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.