سپنتا کتاب اکسپرس
کتاب طراحی، بهینه‌سازی و اعتبارسنجی مدل‌های یادگیری ماشین

کتاب طراحی، بهینه‌سازی و اعتبارسنجی مدل‌های 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 طراحی، بهینه‌سازی و اعتبارسنجی مدل‌های یادگیری ماشین

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: ساخت و اعتبارسنجی مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مراحل ساخت مدل یادگیری ماشین
  • 8. جمع‌آوری و آماده‌سازی داده‌ها
  • 9. پاکسازی داده‌ها
  • 10. مهندسی ویژگی
  • 11. انتخاب ویژگی
  • 12. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
  • 13. معرفی الگوریتم‌های یادگیری ماشین
  • 14. رگرسیون خطی
  • 15. رگرسیون لجستیک
  • 16. ماشین‌های بردار پشتیبان (SVM)
  • 17. درختان تصمیم
  • 18. جنگل‌های تصادفی
  • 19. مدل‌های گرادیان بوستینگ
  • 20. شبکه‌های عصبی مصنوعی
  • 21. شبکه‌های عصبی کانولوشنال (CNN)
  • 22. شبکه‌های عصبی بازگشتی (RNN)
  • 23. ترنسفورمرها
  • 24. معیارهای ارزیابی مدل‌های یادگیری ماشین
  • 25. معیارهای ارزیابی برای رگرسیون
  • 26. میانگین مربعات خطا (MSE)
  • 27. ریشه میانگین مربعات خطا (RMSE)
  • 28. میانگین قدر مطلق خطا (MAE)
  • 29. ضریب تعیین (R-squared)
  • 30. معیارهای ارزیابی برای طبقه‌بندی
  • 31. دقت (Accuracy)
  • 32. صحت (Precision)
  • 33. بازیابی (Recall)
  • 34. امتیاز F1
  • 35. منحنی ROC و مساحت زیر منحنی (AUC)
  • 36. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 37. اعتبارسنجی مدل
  • 38. اعتبارسنجی متقابل (Cross-Validation)
  • 39. اعتبارسنجی K-Fold
  • 40. اعتبارسنجی Leave-One-Out
  • 41. اعتبارسنجی زمان‌بندی شده (Time Series Cross-Validation)
  • 42. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 43. جستجوی شبکه‌ای (Grid Search)
  • 44. جستجوی تصادفی (Random Search)
  • 45. بهینه‌سازی بیزی (Bayesian Optimization)
  • 46. تکنیک‌های تنظیم ابرپارامتر پیشرفته
  • 47. پیشگیری از بیش‌برازش (Overfitting)
  • 48. روش‌های منظم‌سازی (Regularization)
  • 49. L1 Regularization (Lasso)
  • 50. L2 Regularization (Ridge)
  • 51. Elastic Net
  • 52. Dropout در شبکه‌های عصبی
  • 53. Early Stopping
  • 54. پیشگیری از کم‌برازش (Underfitting)
  • 55. مدل‌های پیچیده‌تر
  • 56. افزایش داده‌ها (Data Augmentation)
  • 57. انتخاب مدل مناسب
  • 58. مقایسه مدل‌های مختلف
  • 59. تفسیرپذیری مدل‌های یادگیری ماشین
  • 60. تکنیک‌های تفسیرپذیری
  • 61. اهمیت ویژگی (Feature Importance)
  • 62. تأثیر متغیرهای مستقل بر متغیر وابسته
  • 63. تفسیرپذیری مدل‌های یادگیری عمیق
  • 64. مدل‌های قابل توضیح (Explainable AI - XAI)
  • 65. ملاحظات اخلاقی در هوش مصنوعی
  • 66. سوگیری در داده‌ها و مدل‌ها
  • 67. عدالت و انصاف در هوش مصنوعی
  • 68. شفافیت و پاسخگویی
  • 69. حریم خصوصی داده‌ها
  • 70. کاربرد هوش مصنوعی در صنایع مختلف
  • 71. هوش مصنوعی در پزشکی
  • 72. هوش مصنوعی در امور مالی
  • 73. هوش مصنوعی در صنعت
  • 74. هوش مصنوعی در حمل و نقل
  • 75. هوش مصنوعی در آموزش
  • 76. هوش مصنوعی در خدمات مشتریان
  • 77. مباحث پیشرفته در یادگیری ماشین
  • 78. یادگیری انتقالی (Transfer Learning)
  • 79. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 80. یادگیری فعال (Active Learning)
  • 81. یادگیری ترکیبی (Ensemble Learning)
  • 82. یادگیری عمیق برای پردازش زبان طبیعی
  • 83. یادگیری عمیق برای بینایی ماشین
  • 84. بهینه‌سازی مدل برای استقرار
  • 85. ملاحظات عملی در پیاده‌سازی مدل
  • 86. پایش مدل در محیط عملیاتی
  • 87. بازآموزی مدل
  • 88. مدیریت چرخه عمر مدل
  • 89. آینده هوش مصنوعی و یادگیری ماشین
  • 90. نوآوری‌ها و روندهای جدید
  • 91. چالش‌های آینده
  • 92. هوش مصنوعی و تأثیر آن بر جامعه
  • 93. جمع‌بندی و نگاه به آینده

📚 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.