کتاب خودکارسازی، بهینه‌سازی و پایش مدل‌های یادگیری ماشین در عمل

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 خودکارسازی، بهینه‌سازی و پایش مدل‌های یادگیری ماشین در عمل

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و استقرار مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. مقدمه‌ای بر هوش مصنوعی
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت‌شده
  • 5. یادگیری نظارت‌نشده
  • 6. یادگیری تقویتی
  • 7. پیش‌پردازش داده‌ها
  • 8. پاک‌سازی داده‌ها
  • 9. مهندسی ویژگی
  • 10. انتخاب ویژگی
  • 11. مدل‌های خطی
  • 12. رگرسیون خطی
  • 13. رگرسیون لجستیک
  • 14. مدل‌های مبتنی بر درخت
  • 15. درخت‌های تصمیم
  • 16. جنگل‌های تصادفی
  • 17. ماشین‌های بردار پشتیبان
  • 18. شبکه‌های عصبی
  • 19. معماری‌های شبکه‌های عصبی
  • 20. شبکه‌های عصبی کانولوشنی
  • 21. شبکه‌های عصبی بازگشتی
  • 22. ارزیابی مدل
  • 23. معیارهای ارزیابی
  • 24. اعتبارسنجی متقابل
  • 25. تنظیم ابرپارامترها
  • 26. خودکارسازی فرآیند ML
  • 27. مفاهیم MLOps
  • 28. پایپ‌لاین‌های ML
  • 29. مدیریت داده‌ها در ML
  • 30. مدیریت ویژگی‌ها
  • 31. ردیابی آزمایش‌ها
  • 32. مدل‌رجیستری
  • 33. استقرار مدل
  • 34. استقرار مدل‌های دسته‌ای
  • 35. استقرار مدل‌های بلادرنگ
  • 36. APIهای پیش‌بینی
  • 37. کانتینرسازی مدل‌ها
  • 38. Docker برای ML
  • 39. Kubernetes برای ML
  • 40. بهینه‌سازی مدل
  • 41. بهینه‌سازی سرعت استنتاج
  • 42. بهینه‌سازی مصرف حافظه
  • 43. کوانتیزاسیون مدل
  • 44. تقطیر دانش
  • 45. پایش مدل
  • 46. تشخیص انحراف داده
  • 47. تشخیص انحراف مدل
  • 48. بازآموزی مدل
  • 49. استراتژی‌های بازآموزی
  • 50. نظارت بر عملکرد مدل
  • 51. لاگ‌برداری و مانیتورینگ
  • 52. گزارش‌دهی عملکرد
  • 53. امنیت مدل‌های ML
  • 54. حریم خصوصی در ML
  • 55. اخلاق در ML
  • 56. مسئولیت‌پذیری در ML
  • 57. تفسیرپذیری مدل
  • 58. انصاف در الگوریتم‌ها
  • 59. مبارزه با سوگیری الگوریتمی
  • 60. مدل‌های توضیحی (XAI)
  • 61. کاربردها در صنعت
  • 62. ML در خدمات مالی
  • 63. ML در بهداشت و درمان
  • 64. ML در تولید
  • 65. ML در خرده‌فروشی
  • 66. ML در حمل و نقل
  • 67. ML در کشاورزی
  • 68. ML در انرژی
  • 69. ML در ارتباطات
  • 70. ML در آموزش
  • 71. ML در دولت
  • 72. ML و تصمیم‌گیری سازمانی
  • 73. ML و تحلیل کسب و کار
  • 74. ML و مدیریت ریسک
  • 75. ML و بهینه‌سازی عملیات
  • 76. ML و خدمات مشتری
  • 77. ML و تحقیقات علمی
  • 78. ML و نوآوری
  • 79. ML در اقتصاد دیجیتال
  • 80. ML و تحول دیجیتال
  • 81. ML و آینده کار
  • 82. ML و توسعه پایدار
  • 83. ML و حکمرانی داده
  • 84. ML و هوشمندسازی شهری
  • 85. ML و شهروند الکترونیک
  • 86. ML و سلامت دیجیتال
  • 87. ML و آموزش هوشمند
  • 88. ML و فناوری‌های نوین
  • 89. ML و آینده‌پژوهی
  • 90. ML و هوش جمعی
  • 91. ML و شبکه‌های عصبی عمیق
  • 92. ML و یادگیری انتقالی
  • 93. ML و یادگیری تقویتی عمیق
  • 94. ML و پردازش زبان طبیعی
  • 95. ML و بینایی ماشین
  • 96. ML و تحلیل سری‌های زمانی
  • 97. ML و سیستم‌های توصیه‌گر
  • 98. ML و شبکه‌های مولد تخاصمی
  • 99. ML و یادگیری فدرال‌شده

📚 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.