سپنتا کتاب اکسپرس
کتاب جامع یادگیری عمیق با تنسرفلو: از مقدماتی تا پیشرفته

کتاب جامع یادگیری عمیق با تنسرفلو: از مقدماتی تا پیشرفته

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 جامع یادگیری عمیق با تنسرفلو: از مقدماتی تا پیشرفته

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. چرا یادگیری عمیق؟
  • 3. مفاهیم پایه شبکه‌های عصبی
  • 4. معماری‌های کلیدی شبکه‌های عصبی
  • 5. حسگرهای عصبی و لایه‌های ورودی
  • 6. لایه‌های متراکم و تابع فعال‌سازی
  • 7. توابع فعال‌سازی: ReLU و مشتقات آن
  • 8. توابع فعال‌سازی: Sigmoid و Tanh
  • 9. آموزش شبکه‌های عصبی: گرادیان نزولی
  • 10. نحوه محاسبه گرادیان: پس‌انتشار خطا
  • 11. بهینه‌سازها: Adam و RMSprop
  • 12. تنظیم نرخ یادگیری
  • 13. تنظیم پارامترهای مدل
  • 14. تنظیم پارامترهای شبکه
  • 15. پیش‌پردازش داده‌ها
  • 16. نرمال‌سازی داده‌ها
  • 17. استانداردسازی داده‌ها
  • 18. مدیریت داده‌های نامتوازن
  • 19. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 20. معرفی تنسرفلو (TensorFlow)
  • 21. نصب تنسرفلو
  • 22. ساختار تنسرفلو: تنسورها و عملیات
  • 23. تانسورها در تنسرفلو
  • 24. عملیات بر روی تانسورها
  • 25. ایجاد مدل‌های خطی با تنسرفلو
  • 26. تابع هزینه و بهینه‌سازی
  • 27. پیاده‌سازی شبکه‌های عصبی ساده
  • 28. شبکه‌های عصبی عمیق (DNN)
  • 29. لایه‌های پنهان و تعداد آن‌ها
  • 30. تکنیک‌های تنظیم‌گری (Regularization)
  • 31. تنظیم‌گری L1 و L2
  • 32. Dropout برای جلوگیری از بیش‌برازش
  • 33. Early Stopping
  • 34. معماری شبکه‌های عصبی کانولوشنال (CNN)
  • 35. لایه‌های کانولوشنال
  • 36. لایه‌های Pooling
  • 37. الگوهای CNN برای طبقه‌بندی تصاویر
  • 38. پیاده‌سازی CNN با تنسرفلو
  • 39. آموزش مدل CNN
  • 40. معماری شبکه‌های عصبی بازگشتی (RNN)
  • 41. مشکل حافظه کوتاه‌مدت در RNN
  • 42. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 43. واحدهای گیت در LSTM
  • 44. پیاده‌سازی LSTM با تنسرفلو
  • 45. کاربرد RNN و LSTM در پردازش زبان طبیعی
  • 46. مدل‌های زبانی
  • 47. تولید متن با RNN
  • 48. شبکه‌های عصبی ترانسفورمر (Transformer)
  • 49. مکانیزم توجه (Attention Mechanism)
  • 50. معماری ترانسفورمر
  • 51. کاربرد ترانسفورمر در پردازش زبان طبیعی
  • 52. ترجمه ماشینی با ترانسفورمر
  • 53. شبکه‌های مولد تخاصمی (GAN)
  • 54. معمار GAN: مولد و ممیز
  • 55. آموزش GAN
  • 56. کاربرد GAN در تولید تصاویر
  • 57. یادگیری تقویتی (Reinforcement Learning)
  • 58. عناصر یادگیری تقویتی: عامل، محیط، پاداش
  • 59. الگوریتم‌های یادگیری تقویتی
  • 60. پیاده‌سازی یادگیری تقویتی با تنسرفلو
  • 61. یادگیری عمیق در بینایی ماشین
  • 62. تشخیص اشیاء
  • 63. بخش‌بندی تصاویر
  • 64. یادگیری عمیق در پردازش زبان طبیعی
  • 65. تحلیل احساسات
  • 66. طبقه‌بندی متن
  • 67. کاربرد یادگیری عمیق در سلامت
  • 68. تشخیص بیماری از تصاویر پزشکی
  • 69. پیش‌بینی روند بیماری
  • 70. کاربرد یادگیری عمیق در امور مالی
  • 71. پیش‌بینی قیمت سهام
  • 72. تشخیص تقلب
  • 73. بهینه‌سازی مدل‌های یادگیری عمیق
  • 74. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 75. جستجوی شبکه‌ای (Grid Search)
  • 76. جستجوی تصادفی (Random Search)
  • 77. استفاده از ابزارهای بهینه‌سازی
  • 78. ارزیابی مدل‌های یادگیری عمیق
  • 79. معیارهای ارزیابی: دقت، صحت، بازیابی
  • 80. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 81. منحنی ROC و AUC
  • 82. تفسیرپذیری مدل‌های یادگیری عمیق
  • 83. تکنیک‌های تفسیرپذیری
  • 84. محدودیت‌های یادگیری عمیق
  • 85. اخلاق در یادگیری عمیق
  • 86. حریم خصوصی داده‌ها
  • 87. سوگیری در مدل‌ها
  • 88. آینده یادگیری عمیق
  • 89. پیشرفت‌های اخیر
  • 90. چالش‌های پیش رو
  • 91. مطالعات موردی پیشرفته
  • 92. پروژه‌های عملی یادگیری عمیق
  • 93. توسعه مدل‌های سفارشی
  • 94. استقرار مدل‌ها
  • 95. نکات پیشرفته در تنسرفلو
  • 96. APIهای سطح بالاتر در تنسرفلو
  • 97. مدیریت داده‌های حجیم
  • 98. استفاده از GPU و TPU
  • 99. یادگیری انتقالی (Transfer Learning)
  • 100. فرایند تنظیم دقیق (Fine-tuning)

📚 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.