سپنتا کتاب اکسپرس
کتاب اصول و ارزیابی مدل‌های یادگیری ماشین

کتاب اصول و ارزیابی 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 اصول و ارزیابی مدل‌های یادگیری ماشین

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. انواع یادگیری ماشین
  • 3. یادگیری نظارت‌شده
  • 4. یادگیری بدون نظارت
  • 5. یادگیری تقویتی
  • 6. مفاهیم کلیدی در یادگیری ماشین
  • 7. داده‌های آموزشی و آزمایشی
  • 8. ویژگی‌ها و برچسب‌ها
  • 9. مدل‌های یادگیری ماشین
  • 10. انواع مدل‌های یادگیری ماشین
  • 11. مدل‌های خطی
  • 12. رگرسیون خطی
  • 13. رگرسیون لجستیک
  • 14. دسته‌بندی‌کننده‌های خطی
  • 15. مدل‌های مبتنی بر درخت
  • 16. درخت‌های تصمیم
  • 17. جنگل‌های تصادفی
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. شبکه‌های عصبی مصنوعی
  • 20. مقدمه‌ای بر شبکه‌های عصبی
  • 21. لایه ورودی و خروجی
  • 22. لایه‌های پنهان
  • 23. توابع فعال‌سازی
  • 24. پس‌انتشار خطا
  • 25. شبکه‌های عصبی عمیق
  • 26. شبکه‌های عصبی کانولوشنال (CNN)
  • 27. شبکه‌های عصبی بازگشتی (RNN)
  • 28. پردازش زبان طبیعی (NLP)
  • 29. مقدمه‌ای بر NLP
  • 30. مدل‌سازی زبان
  • 31. تحلیل احساسات
  • 32. طبقه‌بندی متن
  • 33. تولید متن
  • 34. یادگیری بدون نظارت (بخش دوم)
  • 35. خوشه‌بندی
  • 36. K-Means
  • 37. خوشه‌بندی سلسله‌مراتبی
  • 38. کاهش ابعاد
  • 39. تحلیل مؤلفه‌های اصلی (PCA)
  • 40. مقدمه‌ای بر یادگیری تقویتی
  • 41. عوامل و محیط‌ها
  • 42. پاداش و جریمه
  • 43. سیاست‌ها و ارزش‌ها
  • 44. یادگیری آفلاین و آنلاین
  • 45. الگوریتم‌های یادگیری تقویتی
  • 46. Q-Learning
  • 47. Deep Q-Networks (DQN)
  • 48. Policy Gradients
  • 49. ارزیابی مدل‌های یادگیری ماشین
  • 50. متریک‌های ارزیابی
  • 51. دقت (Accuracy)
  • 52. صحت (Precision)
  • 53. بازیابی (Recall)
  • 54. امتیاز F1
  • 55. منحنی ROC و AUC
  • 56. اعتبارسنجی متقابل (Cross-Validation)
  • 57. تنظیم هایپرپارامترها
  • 58. جستجوی شبکه‌ای (Grid Search)
  • 59. جستجوی تصادفی (Random Search)
  • 60. بهینه‌سازی بایسی (Bayesian Optimization)
  • 61. ملاحظات اخلاقی در یادگیری ماشین
  • 62. سوگیری در داده‌ها
  • 63. عدالت در الگوریتم‌ها
  • 64. شفافیت و تفسیرپذیری مدل‌ها
  • 65. حریم خصوصی داده‌ها
  • 66. کاربردهای یادگیری ماشین در صنعت
  • 67. یادگیری ماشین در سلامت
  • 68. یادگیری ماشین در امور مالی
  • 69. یادگیری ماشین در خرده‌فروشی
  • 70. یادگیری ماشین در تولید
  • 71. یادگیری ماشین در حمل و نقل
  • 72. ملاحظات پیاده‌سازی مدل‌ها
  • 73. مهندسی ویژگی (Feature Engineering)
  • 74. انتخاب ویژگی
  • 75. استانداردسازی و نرمال‌سازی داده‌ها
  • 76. مدیریت داده‌های نامتوازن
  • 77. تشخیص ناهنجاری
  • 78. مقدمه‌ای بر یادگیری عمیق
  • 79. معماری‌های پیشرفته شبکه‌های عصبی
  • 80. شبکه‌های مولد تخاصمی (GANs)
  • 81. شبکه‌های اتو اِنسودِر (Autoencoders)
  • 82. شبکه‌های گراف عصبی (GNNs)
  • 83. یادگیری انتقالی (Transfer Learning)
  • 84. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 85. یادگیری فدرال (Federated Learning)
  • 86. امنیت در یادگیری ماشین
  • 87. حملات خصمانه به مدل‌ها
  • 88. آموزش مقاوم در برابر حملات
  • 89. حفظ حریم خصوصی در یادگیری ماشین
  • 90. کاربرد یادگیری ماشین در پیش‌بینی
  • 91. پیش‌بینی سری‌های زمانی
  • 92. مدل‌های پیش‌بینی تقاضا
  • 93. پیش‌بینی رفتار مشتری
  • 94. سیستم‌های توصیه‌گر
  • 95. کاربرد یادگیری ماشین در پردازش تصویر
  • 96. تشخیص اشیاء
  • 97. تقسیم‌بندی تصویر
  • 98. تولید تصویر
  • 99. پردازش ویدئو
  • 100. یادگیری ماشین در رباتیک

📚 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.