سپنتا کتاب اکسپرس
کتاب شبکه‌های عصبی با پایتون: مبانی و کاربردها

کتاب شبکه‌های عصبی با پایتون: 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 شبکه‌های عصبی با پایتون: مبانی و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه بر شبکه‌های عصبی
  • 2. مبانی یادگیری ماشین
  • 3. ساختار سلول عصبی مصنوعی
  • 4. توابع فعال‌سازی در شبکه‌های عصبی
  • 5. لایه‌های شبکه‌های عصبی
  • 6. شبکه‌های عصبی پیشخور
  • 7. پس‌انتشار خطا
  • 8. آموزش شبکه‌های عصبی
  • 9. بهینه‌سازی پارامترها
  • 10. نرخ یادگیری
  • 11. تنظیمات هایپرپارامترها
  • 12. شبکه‌های عصبی پرسپترون تک‌لایه
  • 13. شبکه‌های عصبی پرسپترون چندلایه
  • 14. توابع زیان
  • 15. بهینه‌سازهای مبتنی بر گرادیان
  • 16. نزول گرادیان تصادفی
  • 17. بهینه‌سازهای پیشرفته (Adam, RMSprop)
  • 18. شبکه‌های عصبی بازگشتی (RNN)
  • 19. حافظه کوتاه‌مدت و بلندمدت (LSTM)
  • 20. واحد بازگشتی دروازه‌ای (GRU)
  • 21. کاربرد RNN در پردازش زبان طبیعی
  • 22. شبکه‌های عصبی کانولوشنی (CNN)
  • 23. لایه‌های کانولوشن
  • 24. لایه‌های پولینگ
  • 25. کاربرد CNN در بینایی ماشین
  • 26. شبکه‌های مولد تخاصمی (GAN)
  • 27. معماری GAN
  • 28. آموزش GAN
  • 29. کاربرد GAN در تولید تصویر
  • 30. شبکه‌های عصبی ترنسفورمر
  • 31. مکانیزم توجه (Attention)
  • 32. پردازش موازی در ترنسفورمرها
  • 33. کاربرد ترنسفورمر در NLP
  • 34. یادگیری تقویتی
  • 35. عوامل و محیط در یادگیری تقویتی
  • 36. عناصر یادگیری تقویتی
  • 37. یادگیری بر اساس سیاست
  • 38. یادگیری بر اساس ارزش
  • 39. الگوریتم‌های یادگیری تقویتی (Q-learning, SARSA)
  • 40. یادگیری عمیق و کاربردهای آن
  • 41. مبانی پایتون برای شبکه‌های عصبی
  • 42. کتابخانه NumPy
  • 43. کتابخانه Pandas
  • 44. کتابخانه Matplotlib
  • 45. کتابخانه Scikit-learn
  • 46. کتابخانه TensorFlow
  • 47. کتابخانه Keras
  • 48. نصب و پیکربندی TensorFlow/Keras
  • 49. ساخت اولین شبکه عصبی با Keras
  • 50. آموزش مدل ساده
  • 51. ارزیابی عملکرد مدل
  • 52. تنظیمات پیشرفته Keras
  • 53. شبکه‌های عصبی برای طبقه‌بندی
  • 54. شبکه‌های عصبی برای رگرسیون
  • 55. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
  • 56. نرمال‌سازی و استانداردسازی داده‌ها
  • 57. کدگذاری ویژگی‌های دسته‌ای
  • 58. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و تست
  • 59. مدیریت بیش‌برازش (Overfitting)
  • 60. تنظیم‌گری (Regularization)
  • 61. ترک کردن (Dropout)
  • 62. افزایش داده (Data Augmentation)
  • 63. مدیریت کم‌برازش (Underfitting)
  • 64. انتخاب معماری مناسب شبکه عصبی
  • 65. تنظیم هایپرپارامترها با جستجوی شبکه‌ای
  • 66. تنظیم هایپرپارامترها با جستجوی تصادفی
  • 67. یادگیری انتقالی (Transfer Learning)
  • 68. استفاده از مدل‌های از پیش آموزش‌دیده
  • 69. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 70. کاربرد شبکه‌های عصبی در پردازش تصویر
  • 71. تشخیص اشیاء
  • 72. بخش‌بندی تصاویر
  • 73. تولید کپشن برای تصاویر
  • 74. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
  • 75. تحلیل احساسات
  • 76. ترجمه ماشینی
  • 77. خلاصه‌سازی متن
  • 78. تولید متن
  • 79. کاربرد شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 80. فیلترینگ مشارکتی
  • 81. فیلترینگ مبتنی بر محتوا
  • 82. ترکیب روش‌ها
  • 83. ملاحظات اخلاقی در هوش مصنوعی
  • 84. حریم خصوصی و امنیت داده‌ها
  • 85. سوگیری در الگوریتم‌ها
  • 86. شفافیت و قابلیت تفسیر
  • 87. کاربردهای شبکه‌های عصبی در صنعت
  • 88. کاربرد در حوزه سلامت
  • 89. کاربرد در حوزه مالی
  • 90. کاربرد در حوزه حمل و نقل
  • 91. کاربرد در حوزه تولید
  • 92. آینده شبکه‌های عصبی و یادگیری عمیق
  • 93. هوش مصنوعی عمومی (AGI)
  • 94. شبکه‌های عصبی بیولوژیکی
  • 95. شبکه‌های عصبی کوانتومی
  • 96. چالش‌ها و فرصت‌های پیش رو
  • 97. پروژه عملی: ساخت یک طبقه‌بندی‌کننده تصویر
  • 98. پروژه عملی: ساخت یک مدل ترجمه ماشینی ساده
  • 99. پروژه عملی: ساخت یک سیستم توصیه‌گر موسیقی
  • 100. مروری بر مفاهیم 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.