سپنتا کتاب اکسپرس
کتاب مبانی شبکه‌های عصبی و یادگیری عمیق برای پردازش داده

کتاب مبانی شبکه‌های عصبی و یادگیری عمیق برای پردازش داده

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 برای پردازش داده

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و داده
  • 2. مفاهیم پایهٔ یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. رگرسیون خطی
  • 6. رگرسیون لجستیک
  • 7. ماشین‌های بردار پشتیبان (SVM)
  • 8. درختان تصمیم
  • 9. جنگل‌های تصادفی
  • 10. تقویت‌کننده‌ها
  • 11. یادگیری بدون نظارت
  • 12. خوشه‌بندی K-Means
  • 13. تحلیل مؤلفه‌های اصلی (PCA)
  • 14. کاهش ابعاد
  • 15. شبکه‌های عصبی مصنوعی (ANN)
  • 16. نورون مصنوعی
  • 17. توابع فعال‌سازی
  • 18. ساختار شبکه‌های عصبی
  • 19. پس‌انتشار خطا (Backpropagation)
  • 20. آموزش شبکه‌های عصبی
  • 21. بهینه‌سازی گرادیان نزولی
  • 22. نرخ یادگیری
  • 23. روش‌های بهینه‌سازی پیشرفته
  • 24. Momentum
  • 25. RMSprop
  • 26. Adam
  • 27. تنظیم پارامترها (Hyperparameter Tuning)
  • 28. اعتبارسنجی متقابل (Cross-Validation)
  • 29. تنظیم‌گری (Regularization)
  • 30. L1 و L2 Regularization
  • 31. Dropout
  • 32. معماری‌های شبکه‌های عصبی عمیق
  • 33. شبکه‌های عصبی کانولوشنال (CNN)
  • 34. لایه‌های کانولوشن
  • 35. لایه‌های pooling
  • 36. کاربرد CNN در پردازش تصویر
  • 37. شبکه‌های عصبی بازگشتی (RNN)
  • 38. حافظه کوتاه‌مدت طولانی (LSTM)
  • 39. واحد بازگشتی دروازه‌ای (GRU)
  • 40. کاربرد RNN در پردازش زبان طبیعی
  • 41. مهندسی ویژگی (Feature Engineering)
  • 42. انتخاب ویژگی
  • 43. ساخت ویژگی
  • 44. پیش‌پردازش داده‌ها
  • 45. نرمال‌سازی داده‌ها
  • 46. استانداردسازی داده‌ها
  • 47. مدیریت داده‌های از دست رفته
  • 48. تشخیص و حذف داده‌های پرت
  • 49. ارزیابی مدل‌های یادگیری ماشین
  • 50. معیارهای ارزیابی رگرسیون
  • 51. خطای میانگین مربعات (MSE)
  • 52. خطای مطلق میانگین (MAE)
  • 53. R-squared
  • 54. معیارهای ارزیابی طبقه‌بندی
  • 55. دقت (Accuracy)
  • 56. صحت (Precision)
  • 57. بازیابی (Recall)
  • 58. امتیاز F1
  • 59. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 60. تشخیص ناهنجاری (Anomaly Detection)
  • 61. سیستم‌های توصیه‌گر (Recommender Systems)
  • 62. فیلترینگ مشارکتی
  • 63. فیلترینگ مبتنی بر محتوا
  • 64. یادگیری عمیق و پردازش تصویر
  • 65. تشخیص اشیاء
  • 66. بخش‌بندی تصویر
  • 67. تولید تصویر
  • 68. یادگیری عمیق و پردازش زبان طبیعی
  • 69. مدل‌های زبانی
  • 70. ترجمه ماشینی
  • 71. تولید متن
  • 72. تحلیل احساسات
  • 73. یادگیری تقویتی (Reinforcement Learning)
  • 74. عناصر اصلی یادگیری تقویتی
  • 75. تابع پاداش
  • 76. سیاست (Policy)
  • 77. تابع ارزش (Value Function)
  • 78. یادگیری Q
  • 79. یادگیری عمیق تقویتی
  • 80. کاربردهای عملی یادگیری عمیق
  • 81. یادگیری ماشینی در سلامت
  • 82. یادگیری ماشینی در مالی
  • 83. یادگیری ماشینی در صنعت
  • 84. اخلاق در هوش مصنوعی
  • 85. سوگیری در الگوریتم‌ها
  • 86. حریم خصوصی داده‌ها
  • 87. مسئولیت‌پذیری هوش مصنوعی
  • 88. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
  • 89. معماری‌های پیشرفته GNN
  • 90. کاربرد GNN در شبکه‌های اجتماعی
  • 91. مقدمه‌ای بر پردازش سیگنال با یادگیری عمیق
  • 92. کاربرد یادگیری عمیق در صوت
  • 93. شبکه‌های مولد تخاصمی (GAN)
  • 94. کاربرد GAN در تولید محتوا
  • 95. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 96. تنظیم دقیق مدل‌ها (Fine-tuning)
  • 97. کاربرد یادگیری انتقالی در پردازش تصویر
  • 98. مقدمه‌ای بر یادگیری خودنظارتی (Self-Supervised Learning)
  • 99. مباحث پیشرفته در بهینه‌سازی
  • 100. روش‌های پیشرفته تنظیم‌گری

📚 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.