سپنتا کتاب اکسپرس
کتاب مبانی هوش مصنوعی با پیاده‌سازی الگوریتم‌های یادگیری ماشین از ابتدا

کتاب مبانی هوش مصنوعی با پیاده‌سازی الگوریتم‌های یادگیری ماشین از ابتدا

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 هوش مصنوعی با پیاده‌سازی الگوریتم‌های یادگیری ماشین از ابتدا

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پیاده‌سازی الگوریتم‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. اهمیت یادگیری ماشین در دنیای امروز
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
  • 4. مفاهیم پایه آمار و احتمال در یادگیری ماشین
  • 5. جبر خطی برای یادگیری ماشین
  • 6. مقدمه‌ای بر پایتون و کتابخانه‌های علمی
  • 7. ساخت محیط توسعه مناسب
  • 8. مرور کلی بر فرآیند یادگیری ماشین
  • 9. جمع‌آوری و پیش‌پردازش داده‌ها
  • 10. پاکسازی داده‌ها و مدیریت مقادیر گمشده
  • 11. استانداردسازی و نرمال‌سازی داده‌ها
  • 12. مهندسی ویژگی و انتخاب ویژگی
  • 13. مقدمه‌ای بر رگرسیون خطی
  • 14. پیاده‌سازی رگرسیون خطی از ابتدا
  • 15. ارزیابی مدل‌های رگرسیون
  • 16. مقدمه‌ای بر رگرسیون لجستیک
  • 17. پیاده‌سازی رگرسیون لجستیک از ابتدا
  • 18. ارزیابی مدل‌های طبقه‌بندی
  • 19. ماشین بردار پشتیبان (SVM)
  • 20. پیاده‌سازی SVM با هسته‌های مختلف
  • 21. درخت تصمیم
  • 22. پیاده‌سازی درخت تصمیم
  • 23. قوانین انجمنی و الگوریتم Apriori
  • 24. مقدمه‌ای بر خوشه‌بندی
  • 25. الگوریتم K-Means
  • 26. پیاده‌سازی K-Means
  • 27. خوشه‌بندی سلسله مراتبی
  • 28. الگوریتم DBSCAN
  • 29. مقدمه‌ای بر کاهش ابعاد
  • 30. تحلیل مولفه‌های اصلی (PCA)
  • 31. پیاده‌سازی PCA
  • 32. تحلیل تشابه خطی (LDA)
  • 33. بهینه‌سازی مدل‌ها
  • 34. گرادیان کاهشی
  • 35. پیاده‌سازی گرادیان کاهشی
  • 36. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 37. روش‌های اعتبارسنجی متقابل
  • 38. مقدمه‌ای بر روش‌های یادگیری جمعی
  • 39. Bagging و Random Forests
  • 40. پیاده‌سازی Random Forests
  • 41. Boosting و AdaBoost
  • 42. پیاده‌سازی AdaBoost
  • 43. Gradient Boosting Machines (GBM)
  • 44. پیاده‌سازی GBM
  • 45. XGBoost
  • 46. LightGBM
  • 47. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 48. نورون مصنوعی و توابع فعال‌سازی
  • 49. ساختارهای اولیه شبکه‌های عصبی
  • 50. پس‌انتشار خطا (Backpropagation)
  • 51. پیاده‌سازی پس‌انتشار خطا
  • 52. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
  • 53. آموزش شبکه‌های عصبی عمیق
  • 54. بهینه‌سازی در شبکه‌های عصبی عمیق
  • 55. رگولاریزاسیون در شبکه‌های عصبی
  • 56. کاهش نرخ یادگیری (Learning Rate Decay)
  • 57. شبکه‌های عصبی کانولوشنی (CNN)
  • 58. معماری‌های CNN برای پردازش تصویر
  • 59. پیاده‌سازی CNN ساده
  • 60. شبکه‌های عصبی بازگشتی (RNN)
  • 61. مدل‌های LSTM و GRU
  • 62. کاربرد RNN در پردازش زبان طبیعی
  • 63. مقدمه‌ای بر یادگیری تقویتی
  • 64. عناصر اصلی یادگیری تقویتی
  • 65. الگوریتم‌های Q-Learning
  • 66. پیاده‌سازی Q-Learning
  • 67. Policy Gradients
  • 68. مقدمه‌ای بر یادگیری عمیق
  • 69. فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 70. نصب و راه‌اندازی فریم‌ورک‌ها
  • 71. ساخت مدل‌های ساده با فریم‌ورک‌ها
  • 72. آموزش مدل‌ها با فریم‌ورک‌ها
  • 73. ارزیابی و تحلیل مدل‌های یادگیری عمیق
  • 74. مدیریت داده‌ها در مقیاس بزرگ
  • 75. کاربرد هوش مصنوعی در حوزه‌های مختلف
  • 76. اخلاق در هوش مصنوعی
  • 77. حریم خصوصی و امنیت داده‌ها
  • 78. آینده هوش مصنوعی و یادگیری ماشین
  • 79. تحلیل داده‌های سری زمانی
  • 80. مدل‌های پیش‌بینی سری زمانی
  • 81. پردازش زبان طبیعی (NLP)
  • 82. تحلیل احساسات با NLP
  • 83. تولید متن با مدل‌های زبانی
  • 84. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 85. کاربردهای GAN
  • 86. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 87. کاربرد یادگیری انتقالی در مسائل مختلف
  • 88. بهبود عملکرد مدل‌ها با داده‌های بیشتر
  • 89. تکنیک‌های Augmentation داده
  • 90. بررسی مدل‌های از پیش آموزش‌دیده
  • 91. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 92. معرفی کتابخانه‌های پیشرفته یادگیری ماشین
  • 93. کاربرد یادگیری ماشین در بهینه‌سازی فرآیندها
  • 94. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 95. الگوریتم‌های سیستم‌های توصیه‌گر
  • 96. پیاده‌سازی ساده سیستم توصیه‌گر
  • 97. کاربرد هوش مصنوعی در تحلیل کسب و کار
  • 98. مقدمه‌ای بر یادگیری با نظارت محدود (Semi-Supervised Learning)
  • 99. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 100. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-Task Learning)

📚 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.