سپنتا کتاب اکسپرس
کتاب اصول و تکنیک‌های بهینه‌سازی مدل در یادگیری ماشین

کتاب اصول و تکنیک‌های بهینه‌سازی مدل در یادگیری ماشین

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 اصول و تکنیک‌های بهینه‌سازی مدل در یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: بهینه‌سازی مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و بهینه‌سازی مدل
  • 2. انواع مسائل در یادگیری ماشین
  • 3. داده‌ها و پیش‌پردازش آن‌ها
  • 4. مهندسی ویژگی و انتخاب ویژگی
  • 5. مقدمه‌ای بر مدل‌های خطی
  • 6. رگرسیون خطی و ارزیابی آن
  • 7. تنظیم‌گری (Regularization) در مدل‌های خطی
  • 8. لasso و Ridge Regression
  • 9. مدل‌های طبقه‌بندی
  • 10. رگرسیون لجستیک
  • 11. ماشین‌های بردار پشتیبان (SVM)
  • 12. هسته‌ها در SVM
  • 13. درختان تصمیم
  • 14. جنگل‌های تصادفی (Random Forests)
  • 15. تقویت گرادیان (Gradient Boosting)
  • 16. مدل‌های مبتنی بر Boosting: XGBoost
  • 17. شبکه‌های عصبی مصنوعی
  • 18. معماری شبکه‌های عصبی
  • 19. توابع فعال‌سازی
  • 20. پس‌انتشار خطا (Backpropagation)
  • 21. بهینه‌سازی در شبکه‌های عصبی
  • 22. روش‌های گرادیان نزولی (Gradient Descent)
  • 23. Momentum و Adam Optimizer
  • 24. نرخ یادگیری (Learning Rate) و تنظیم آن
  • 25. مدیریت نرخ یادگیری
  • 26. تنظیم‌گری در شبکه‌های عصبی
  • 27. Dropout و Batch Normalization
  • 28. معماری‌های پیشرفته شبکه عصبی
  • 29. شبکه‌های عصبی کانولوشنال (CNN)
  • 30. کاربرد CNN در بینایی ماشین
  • 31. شبکه‌های عصبی بازگشتی (RNN)
  • 32. کاربرد RNN در پردازش زبان طبیعی
  • 33. حافظه طولانی کوتاه مدت (LSTM)
  • 34. واحدهای بازگشتی گریه (GRU)
  • 35. مدل‌های ترنسفورمر (Transformer)
  • 36. توجه (Attention Mechanism)
  • 37. پردازش زبان طبیعی با مدل‌های ترنسفورمر
  • 38. مدل‌های زبانی بزرگ (LLMs)
  • 39. مقدمه‌ای بر بهینه‌سازی مدل
  • 40. تکنیک‌های کاهش ابعاد
  • 41. تحلیل مولفه‌های اصلی (PCA)
  • 42. توزیع یکنواخت تصادفی (UMAP)
  • 43. یادگیری نمایندگی (Representation Learning)
  • 44. یادگیری نیمه‌نظارتی
  • 45. یادگیری تقویتی
  • 46. مقدمه‌ای بر یادگیری تقویتی
  • 47. عوامل و محیط در یادگیری تقویتی
  • 48. روش‌های مبتنی بر ارزش (Value-based methods)
  • 49. روش‌های مبتنی بر سیاست (Policy-based methods)
  • 50. الگوریتم Q-Learning
  • 51. الگوریتم SARSA
  • 52. الگوریتم Policy Gradients
  • 53. الگوریتم Actor-Critic
  • 54. کاربردهای یادگیری تقویتی
  • 55. بهینه‌سازی ابرپارامترها (Hyperparameter Optimization)
  • 56. جستجوی شبکه‌ای (Grid Search)
  • 57. جستجوی تصادفی (Random Search)
  • 58. بهینه‌سازی بیزی (Bayesian Optimization)
  • 59. الگوریتم‌های ژنتیک برای بهینه‌سازی
  • 60. تشخیص زودهنگام بیش‌برازش (Overfitting)
  • 61. تکنیک‌های جلوگیری از بیش‌برازش
  • 62. اعتبارسنجی متقابل (Cross-validation)
  • 63. اعتبارسنجی K-fold
  • 64. اعتبارسنجی Out-of-Sample
  • 65. ارزیابی مدل‌ها
  • 66. معیارهای ارزیابی برای رگرسیون
  • 67. خطای میانگین مربعات (MSE)
  • 68. خطای جذر میانگین مربعات (RMSE)
  • 69. خطای میانگین قدر مطلق (MAE)
  • 70. ضریب تعیین (R-squared)
  • 71. معیارهای ارزیابی برای طبقه‌بندی
  • 72. دقت (Accuracy)
  • 73. صحت (Precision) و بازیابی (Recall)
  • 74. امتیاز F1
  • 75. منحنی ROC و AUC
  • 76. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 77. تنظیم مدل برای عملکرد بهتر
  • 78. تکنیک‌های انطباق مدل
  • 79. تفسیرپذیری مدل‌های یادگیری ماشین
  • 80. روش‌های LIME و SHAP
  • 81. اخلاق در هوش مصنوعی
  • 82. سوگیری در داده‌ها و مدل‌ها
  • 83. عدالت و شفافیت در هوش مصنوعی
  • 84. حریم خصوصی در هوش مصنوعی
  • 85. امنیت مدل‌های یادگیری ماشین
  • 86. حملات متخاصم (Adversarial Attacks)
  • 87. روش‌های دفاع در برابر حملات متخاصم
  • 88. کاربردهای عملی بهینه‌سازی مدل
  • 89. هوش مصنوعی در صنعت
  • 90. هوش مصنوعی در پزشکی
  • 91. هوش مصنوعی در مالی
  • 92. هوش مصنوعی در حمل و نقل
  • 93. آینده بهینه‌سازی مدل در یادگیری ماشین
  • 94. روندهای جدید در بهینه‌سازی مدل
  • 95. ابزارها و کتابخانه‌های بهینه‌سازی مدل
  • 96. مقدمه‌ای بر TensorFlow و Keras
  • 97. مقدمه‌ای بر PyTorch
  • 98. کار با Scikit-learn برای بهینه‌سازی
  • 99. نکات پیشرفته در بهینه‌سازی مدل
  • 100. بهینه‌سازی مدل برای دستگاه‌های لبه (Edge Devices)

📚 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.