کتاب مقدمه‌ای بر کاربرد هوش مصنوعی با پایتون برای متخصصان و علاقمندان

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 مقدمه‌ای بر کاربرد هوش مصنوعی با پایتون برای متخصصان و علاقمندان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: برنامه‌نویسی هوش مصنوعی با پایتون

📋 سرفصل‌های دوره

  • 1. آشنایی با مفاهیم هوش مصنوعی
  • 2. مقدمه‌ای بر یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربردهای هوش مصنوعی در صنایع مختلف
  • 5. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
  • 6. مفاهیم پایه پایتون: متغیرها، انواع داده، عملگرها
  • 7. ساختارهای کنترلی در پایتون: شرط‌ها و حلقه‌ها
  • 8. توابع در پایتون
  • 9. کار با داده‌ها در پایتون: لیست‌ها، تاپل‌ها، دیکشنری‌ها
  • 10. مقدمه‌ای بر کتابخانه‌های پایتون برای علم داده
  • 11. نصب و راه‌اندازی محیط توسعه پایتون (IDE)
  • 12. مقدمه‌ای بر NumPy برای محاسبات عددی
  • 13. عملیات پایه با آرایه‌های NumPy
  • 14. عملیات ریاضی و آماری با NumPy
  • 15. مقدمه‌ای بر Pandas برای تحلیل داده
  • 16. ساخت و دستکاری DataFrame در Pandas
  • 17. خواندن و نوشتن داده‌ها با Pandas
  • 18. پاکسازی و پیش‌پردازش داده‌ها در Pandas
  • 19. تجسم داده‌ها با Matplotlib
  • 20. رسم نمودارهای پایه: خطی، میله‌ای، نقطه‌ای
  • 21. تنظیمات پیشرفته نمودارها در Matplotlib
  • 22. مقدمه‌ای بر Seaborn برای تجسم داده‌های آماری
  • 23. رسم نمودارهای آماری پیچیده‌تر با Seaborn
  • 24. مقدمه‌ای بر یادگیری ماشین در Scikit-learn
  • 25. تقسیم داده‌ها به مجموعه آموزش و آزمون
  • 26. ارزیابی مدل‌های یادگیری ماشین: دقت، صحت، بازیابی
  • 27. رگرسیون خطی
  • 28. رگرسیون لجستیک
  • 29. درخت‌های تصمیم
  • 30. جنگل‌های تصادفی
  • 31. ماشین‌های بردار پشتیبان (SVM)
  • 32. خوشه‌بندی: K-Means
  • 33. خوشه‌بندی: DBSCAN
  • 34. تحلیل مولفه‌های اصلی (PCA)
  • 35. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 36. ساختار یک پرسپترون
  • 37. لایه‌های شبکه‌های عصبی: ورودی، پنهان، خروجی
  • 38. توابع فعال‌سازی در شبکه‌های عصبی
  • 39. پس‌انتشار خطا (Backpropagation)
  • 40. آموزش شبکه‌های عصبی
  • 41. بهینه‌سازی در آموزش شبکه‌های عصبی
  • 42. مقدمه‌ای بر یادگیری عمیق
  • 43. شبکه‌های عصبی کانولوشنال (CNN)
  • 44. کاربرد CNN در تشخیص تصویر
  • 45. شبکه‌های عصبی بازگشتی (RNN)
  • 46. کاربرد RNN در پردازش زبان طبیعی
  • 47. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 49. پیش‌پردازش متن: توکن‌سازی، حذف کلمات توقف، ریشه‌یابی
  • 50. بازنمایی متن: Bag-of-Words, TF-IDF
  • 51. مدل‌های زبانی
  • 52. کاربرد NLP در تحلیل احساسات
  • 53. کاربرد NLP در خلاصه‌سازی متن
  • 54. کاربرد NLP در ترجمه ماشینی (با تأکید بر چارچوب رسمی)
  • 55. مقدمه‌ای بر یادگیری تقویتی
  • 56. عناصر یادگیری تقویتی: عامل، محیط، پاداش
  • 57. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 58. کاربرد یادگیری تقویتی در رباتیک
  • 59. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 60. کاربرد یادگیری انتقالی در تشخیص تصویر
  • 61. مقدمه‌ای بر مدل‌های پیش‌بینانه
  • 62. ساخت مدل‌های پیش‌بینانه با پایتون
  • 63. تنظیم پارامترهای مدل‌ها
  • 64. اعتبارسنجی متقابل (Cross-Validation)
  • 65. مقدمه‌ای بر مهندسی ویژگی
  • 66. تکنیک‌های مهندسی ویژگی
  • 67. مدیریت داده‌های پرت (Outliers)
  • 68. مدیریت داده‌های گمشده
  • 69. مقدمه‌ای بر بهینه‌سازی مدل‌ها
  • 70. تنظیم دقیق هایپرپارامترها
  • 71. انتخاب بهترین مدل
  • 72. مقدمه‌ای بر استقرار مدل‌های هوش مصنوعی
  • 73. ذخیره‌سازی و بارگذاری مدل‌ها
  • 74. ساخت API برای مدل‌های هوش مصنوعی
  • 75. ملاحظات اخلاقی در هوش مصنوعی
  • 76. حریم خصوصی داده‌ها در هوش مصنوعی
  • 77. سوگیری در مدل‌های هوش مصنوعی (با رویکرد حل مسئله)
  • 78. تشریح کاربردهای هوش مصنوعی در خدمات اداری و دولتی
  • 79. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندهای سازمانی
  • 80. هوش مصنوعی و آینده کسب و کار در ایران
  • 81. مقدمه‌ای بر چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 82. نصب و راه‌اندازی TensorFlow
  • 83. ساخت اولین مدل با TensorFlow
  • 84. نصب و راه‌اندازی PyTorch
  • 85. ساخت اولین مدل با PyTorch
  • 86. مقایسه TensorFlow و PyTorch
  • 87. مقدمه‌ای بر پردازش تصویر با OpenCV
  • 88. عملیات پایه روی تصاویر با OpenCV
  • 89. تشخیص لبه و کانتورها با OpenCV
  • 90. تشخیص چهره با OpenCV (با رعایت ملاحظات)
  • 91. مقدمه‌ای بر پردازش صدا
  • 92. کاربرد هوش مصنوعی در تحلیل داده‌های صوتی
  • 93. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 94. الگوریتم‌های سیستم‌های توصیه‌گر
  • 95. پیاده‌سازی یک سیستم توصیه‌گر ساده
  • 96. هوش مصنوعی در مدیریت منابع آب
  • 97. هوش مصنوعی در کشاورزی هوشمند
  • 98. هوش مصنوعی در بهینه‌سازی مصرف انرژی
  • 99. هوش مصنوعی در حمل و نقل هوشمند
  • 100. بررسی چالش‌های پیاده‌سازی هوش مصنوعی در ایران

📚 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.