کتاب مهارت‌های یادگیری نظارت‌شده در هوش مصنوعی برای مهندسان: 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 مهارت‌های یادگیری نظارت‌شده در هوش مصنوعی برای مهندسان: مبانی و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری نظارت‌شده برای مهندسان

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر یادگیری نظارت‌شده
  • 3. انواع مسائل یادگیری نظارت‌شده
  • 4. داده‌ها و پیش‌پردازش آن‌ها
  • 5. پاک‌سازی داده‌ها و مدیریت مقادیر گمشده
  • 6. مهندسی ویژگی و انتخاب آن
  • 7. روش‌های کاهش ابعاد
  • 8. معرفی الگوریتم‌های رگرسیون
  • 9. رگرسیون خطی ساده
  • 10. رگرسیون خطی چندگانه
  • 11. رگرسیون چندجمله‌ای
  • 12. ارزیابی مدل‌های رگرسیون
  • 13. معیارهای خطای رگرسیون
  • 14. معرفی الگوریتم‌های طبقه‌بندی
  • 15. طبقه‌بندی‌کننده بیز ساده
  • 16. رگرسیون لجستیک
  • 17. ماشین‌های بردار پشتیبان (SVM)
  • 18. هسته‌های SVM
  • 19. درختان تصمیم
  • 20. جنگل‌های تصادفی
  • 21. ارزیابی مدل‌های طبقه‌بندی
  • 22. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 23. دقت، صحت و بازیابی
  • 24. امتیاز F1
  • 25. منحنی ROC و AUC
  • 26. یادگیری چندبرچسبی
  • 27. یادگیری نیمه‌نظارت‌شده
  • 28. یادگیری تقویتی (مقدماتی)
  • 29. کاربرد یادگیری نظارت‌شده در پردازش زبان طبیعی
  • 30. تحلیل احساسات
  • 31. طبقه‌بندی متن
  • 32. کاربرد یادگیری نظارت‌شده در بینایی ماشین
  • 33. تشخیص اشیاء
  • 34. طبقه‌بندی تصاویر
  • 35. مدل‌های هیبریدی و ترکیبی
  • 36. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 37. جستجوی شبکه‌ای (Grid Search)
  • 38. جستجوی تصادفی (Random Search)
  • 39. اعتبارسنجی متقابل (Cross-Validation)
  • 40. مدل‌های پیچیده و بیش‌برازش (Overfitting)
  • 41. تنظیم‌گری (Regularization)
  • 42. L1 و L2 Regularization
  • 43. شبکه‌های عصبی مصنوعی (مقدماتی)
  • 44. لایه‌های شبکه‌های عصبی
  • 45. توابع فعال‌سازی
  • 46. پس‌انتشار خطا (Backpropagation)
  • 47. آموزش شبکه‌های عصبی عمیق
  • 48. کاربرد شبکه‌های عصبی در یادگیری نظارت‌شده
  • 49. شبکه‌های عصبی کانولوشنال (CNN)
  • 50. شبکه‌های عصبی بازگشتی (RNN)
  • 51. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 52. شبکه‌های ترنسفورمر (مقدماتی)
  • 53. یادگیری فعال (Active Learning)
  • 54. یادگیری انتقالی (Transfer Learning)
  • 55. آموزش با داده‌های نامتوازن
  • 56. روش‌های نمونه‌برداری (Oversampling/Undersampling)
  • 57. تولید داده‌های مصنوعی (SMOTE)
  • 58. تکنیک‌های مبتنی بر هزینه
  • 59. اخلاق در یادگیری ماشین
  • 60. سوگیری در داده‌ها و مدل‌ها
  • 61. شفافیت و قابلیت تفسیر مدل‌ها
  • 62. حریم خصوصی و امنیت داده‌ها
  • 63. ملاحظات حقوقی و مقرراتی در ایران
  • 64. استفاده از ابزارها و کتابخانه‌های رایج
  • 65. Scikit-learn
  • 66. Pandas و NumPy
  • 67. Matplotlib و Seaborn
  • 68. TensorFlow و Keras (مقدماتی)
  • 69. PyTorch (مقدماتی)
  • 70. پیاده‌سازی پروژه‌های عملی
  • 71. پروژه رگرسیون: پیش‌بینی قیمت مسکن
  • 72. پروژه طبقه‌بندی: تشخیص اسپم
  • 73. پروژه پردازش تصویر: تشخیص چهره
  • 74. پروژه پردازش متن: دسته‌بندی اخبار
  • 75. ملاحظات پیاده‌سازی در مقیاس بزرگ
  • 76. استقرار مدل‌های یادگیری ماشین
  • 77. مانیتورینگ و به‌روزرسانی مدل‌ها
  • 78. کاربرد در صنایع مختلف ایران
  • 79. کشاورزی و خودکفایی
  • 80. بهداشت و درمان نوین
  • 81. تولید و صنعت هوشمند
  • 82. حمل و نقل و لجستیک
  • 83. سیستم‌های توصیه‌گر (مقدماتی)
  • 84. آینده یادگیری نظارت‌شده
  • 85. چالش‌های پیش رو
  • 86. روندهای نوین و تحقیقات جاری
  • 87. یادگیری ماشینی قابل اعتماد
  • 88. یادگیری ماشینی تفسیرپذیر
  • 89. یادگیری ماشینی پایدار
  • 90. مبانی آماری برای یادگیری ماشین
  • 91. قضیه بیز و احتمالات
  • 92. توزیع‌های آماری رایج
  • 93. آزمون فرض آماری
  • 94. مبانی جبر خطی برای یادگیری ماشین
  • 95. بردارهای و مقادیر ویژه
  • 96. تجزیه مقادیر منفرد (SVD)
  • 97. فضاهای برداری
  • 98. بهینه‌سازی در یادگیری ماشین
  • 99. گرادیان کاهشی
  • 100. بهینه‌سازهای پیشرفته

📚 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.