سپنتا کتاب اکسپرس
کتاب ساخت و پیاده‌سازی الگوریتم‌های یادگیری ماشین از پایه

کتاب ساخت و پیاده‌سازی الگوریتم‌های یادگیری ماشین از پایه

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 ساخت و پیاده‌سازی الگوریتم‌های یادگیری ماشین از پایه

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پیاده‌سازی الگوریتم‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
  • 3. انواع الگوریتم‌های یادگیری ماشین
  • 4. مقدمه‌ای بر جبر خطی برای یادگیری ماشین
  • 5. مبانی آمار و احتمال در یادگیری ماشین
  • 6. تابع هزینه و بهینه‌سازی در یادگیری ماشین
  • 7. گرادیان کاهشی و مشتقات جزئی
  • 8. معرفی شبکه‌های عصبی مصنوعی
  • 9. ساختار لایه‌ای شبکه‌های عصبی
  • 10. توابع فعال‌سازی در شبکه‌های عصبی
  • 11. پس‌انتشار خطا (Backpropagation)
  • 12. پیاده‌سازی یک شبکه عصبی ساده از پایه
  • 13. رگرسیون خطی و پیاده‌سازی آن
  • 14. رگرسیون لجستیک و پیاده‌سازی آن
  • 15. دسته‌بندی‌کننده‌ها: K-نزدیکترین همسایه (KNN)
  • 16. دسته‌بندی‌کننده‌ها: ماشین بردار پشتیبان (SVM)
  • 17. درختان تصمیم و پیاده‌سازی آن‌ها
  • 18. جنگل‌های تصادفی و الگوریتم‌های مبتنی بر آن
  • 19. خوشه‌بندی: K-Means
  • 20. خوشه‌بندی: DBSCAN
  • 21. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 22. مدل‌های زبانی آماری
  • 23. روش‌های نمایش متن: Bag-of-Words
  • 24. روش‌های نمایش متن: TF-IDF
  • 25. شبکه‌های عصبی بازگشتی (RNN)
  • 26. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
  • 27. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 28. شبکه‌های عصبی کانولوشنی (CNN) برای تصویر
  • 29. پردازش تصویر با CNN
  • 30. تشخیص اشیاء با CNN
  • 31. مقدمه‌ای بر یادگیری تقویتی
  • 32. عامل و محیط در یادگیری تقویتی
  • 33. یادگیری ارزش (Value Learning)
  • 34. یادگیری سیاست (Policy Learning)
  • 35. الگوریتم Q-Learning
  • 36. الگوریتم SARSA
  • 37. مقدمه‌ای بر مدل‌های مولد
  • 38. مدل‌های گرافیکی احتمالاتی
  • 39. شبکه‌های بیزی
  • 40. میدان‌های تصادفی مارکوف
  • 41. یادگیری عمیق (Deep Learning)
  • 42. معماری‌های پیشرفته شبکه‌های عصبی
  • 43. شبکه‌های عصبی ترنسفورمر
  • 44. کاربردها و پیاده‌سازی ترنسفورمرها
  • 45. یادگیری انتقالی (Transfer Learning)
  • 46. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 47. مقدمه‌ای بر تشخیص گفتار
  • 48. پیاده‌سازی مدل‌های تشخیص گفتار
  • 49. مقدمه‌ای بر تولید متن
  • 50. مدل‌های زبانی بزرگ (LLM)
  • 51. کاربردهای LLM در پردازش زبان
  • 52. اخلاق در هوش مصنوعی
  • 53. سوگیری در الگوریتم‌های هوش مصنوعی
  • 54. تفسیرپذیری مدل‌های هوش مصنوعی
  • 55. امنیت در هوش مصنوعی
  • 56. حریم خصوصی داده‌ها در یادگیری ماشین
  • 57. روش‌های ارزیابی مدل‌های یادگیری ماشین
  • 58. معیارهای ارزیابی برای رگرسیون
  • 59. معیارهای ارزیابی برای دسته‌بندی
  • 60. اعتبارسنجی متقابل (Cross-Validation)
  • 61. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 62. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 63. انتخاب ویژگی (Feature Selection)
  • 64. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
  • 65. کاهش ابعاد: t-SNE
  • 66. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 67. یادگیری نیمه‌نظارت شده (Semi-supervised Learning)
  • 68. یادگیری خودنظارت شده (Self-supervised Learning)
  • 69. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 70. استفاده از چارچوب‌های یادگیری ماشین (TensorFlow, PyTorch)
  • 71. پیاده‌سازی الگوریتم‌های کلاسیک یادگیری ماشین
  • 72. ساخت مدل‌های پیش‌بینی کننده
  • 73. ساخت مدل‌های دسته‌بندی کننده
  • 74. ساخت سیستم‌های توصیه‌گر
  • 75. مدل‌سازی سری‌های زمانی
  • 76. پیش‌بینی آب و هوا با یادگیری ماشین
  • 77. تحلیل احساسات با یادگیری ماشین
  • 78. شناسایی چهره با یادگیری ماشین
  • 79. تشخیص ناهنجاری با یادگیری ماشین
  • 80. کاربرد هوش مصنوعی در سلامت
  • 81. کاربرد هوش مصنوعی در آموزش
  • 82. کاربرد هوش مصنوعی در صنعت
  • 83. کاربرد هوش مصنوعی در امور مالی
  • 84. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 85. پیاده‌سازی یادگیری فدرال
  • 86. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 87. معماری و آموزش GAN ها
  • 88. کاربردهای GAN در تولید تصویر
  • 89. مقدمه‌ای بر مدل‌های گراف (Graph Neural Networks - GNN)
  • 90. پیاده‌سازی GNN ها
  • 91. کاربرد GNN ها در تحلیل شبکه‌ها
  • 92. مقدمه‌ای بر تفسیرپذیری مدل‌های یادگیری عمیق
  • 93. روش‌های LIME و SHAP
  • 94. پیاده‌سازی روش‌های تفسیرپذیری
  • 95. مقدمه‌ای بر یادگیری ترکیبی (Ensemble Learning)
  • 96. تکنیک‌های Bagging و Boosting
  • 97. پیاده‌سازی مدل‌های ترکیبی
  • 98. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 99. روش‌های انتخاب داده در یادگیری فعال
  • 100. پیاده‌سازی یادگیری فعال

📚 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.