سپنتا کتاب اکسپرس
کتاب مهندسی مدل‌های یادگیری عمیق برای کاربردهای عملی

کتاب مهندسی مدل‌های یادگیری عمیق برای کاربردهای عملی

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 مهندسی مدل‌های یادگیری عمیق برای کاربردهای عملی

موضوع کلی: هوش مصنوعی و علم داده

موضوع میانی: مهندسی یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی یادگیری عمیق
  • 2. مبانی ریاضی یادگیری عمیق
  • 3. جبر خطی در یادگیری عمیق
  • 4. حساب دیفرانسیل و انتگرال برای یادگیری عمیق
  • 5. آمار و احتمال برای یادگیری عمیق
  • 6. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 7. تابع فعال‌سازی و نقش آن
  • 8. انتشار رو به جلو و عقب
  • 9. بهینه‌سازی مدل‌های یادگیری عمیق
  • 10. گرادیان کاهشی و انواع آن
  • 11. تنظیم‌کننده ها (Regularizers) در یادگیری عمیق
  • 12. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 13. لایه های کانولوشن و پولینگ
  • 14. کاربرد CNN در بینایی ماشین
  • 15. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 16. حافظه کوتاه مدت و بلند مدت (LSTM)
  • 17. کاربرد RNN در پردازش زبان طبیعی
  • 18. شبکه‌های عصبی ترنسفورمر
  • 19. مکانیسم توجه (Attention Mechanism)
  • 20. مدل‌های زبانی بزرگ (LLMs)
  • 21. مهندسی ویژگی (Feature Engineering)
  • 22. انتخاب و استخراج ویژگی
  • 23. مهندسی داده برای یادگیری عمیق
  • 24. پاکسازی و پیش‌پردازش داده‌ها
  • 25. افزایش داده (Data Augmentation)
  • 26. مدل‌های پیش‌بینی سری زمانی
  • 27. مدل‌های تشخیص تصویر
  • 28. مدل‌های طبقه‌بندی متن
  • 29. مدل‌های تولید متن
  • 30. مدل‌های تشخیص اشیاء
  • 31. مدل‌های بخش‌بندی تصویر (Segmentation)
  • 32. مدل‌های پردازش سیگنال صوتی
  • 33. مدل‌های تشخیص گفتار
  • 34. مدل‌های تولید صدا
  • 35. مقدمه‌ای بر مهندسی مدل
  • 36. چرخه حیات مدل یادگیری عمیق
  • 37. طراحی معماری مدل
  • 38. انتخاب چارچوب یادگیری عمیق (TensorFlow, PyTorch)
  • 39. پیاده‌سازی مدل
  • 40. آموزش مدل
  • 41. اعتبارسنجی و ارزیابی مدل
  • 42. معیارهای ارزیابی مدل (دقت، صحت، بازیابی)
  • 43. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 44. جستجوی شبکه‌ای (Grid Search)
  • 45. جستجوی تصادفی (Random Search)
  • 46. بهینه‌سازی بیزین (Bayesian Optimization)
  • 47. یادگیری انتقالی (Transfer Learning)
  • 48. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 49. کاربرد یادگیری انتقالی در بینایی ماشین
  • 50. کاربرد یادگیری انتقالی در پردازش زبان طبیعی
  • 51. یادگیری تقویتی (Reinforcement Learning)
  • 52. عناصر یادگیری تقویتی
  • 53. یادگیری بر اساس سیاست (Policy Gradients)
  • 54. یادگیری بر اساس ارزش (Value-based Learning)
  • 55. شبکه‌های مولد تخاصمی (GANs)
  • 56. معماری GAN
  • 57. کاربرد GAN در تولید تصویر
  • 58. مدل‌های انتشار (Diffusion Models)
  • 59. کاربرد مدل‌های انتشار در تولید تصویر
  • 60. مدل‌های گراف عصبی (GNNs)
  • 61. کاربرد GNN در تحلیل شبکه‌ها
  • 62. استقرار مدل (Model Deployment)
  • 63. محیط‌های استقرار مدل (On-premise, Cloud)
  • 64. بهینه‌سازی مدل برای استقرار
  • 65. تست و مانیتورینگ مدل در محیط عملیاتی
  • 66. تفسیرپذیری مدل‌های یادگیری عمیق (Explainable AI)
  • 67. روش‌های تفسیرپذیری (LIME, SHAP)
  • 68. تضمین کیفیت مدل‌های یادگیری عمیق
  • 69. امنیت در مدل‌های یادگیری عمیق
  • 70. حریم خصوصی داده‌ها در یادگیری عمیق
  • 71. اخلاق در یادگیری عمیق
  • 72. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 73. ملاحظات حقوقی و مقرراتی هوش مصنوعی در ایران
  • 74. مدل‌های پردازش زبان طبیعی پیشرفته
  • 75. ترجمه ماشینی عصبی
  • 76. خلاصه‌سازی متن خودکار
  • 77. سیستم‌های پرسش و پاسخ
  • 78. مدل‌های چندوجهی (Multimodal Models)
  • 79. پردازش تصویر و زبان به طور همزمان
  • 80. تولید شرح تصویر
  • 81. کاربرد یادگیری عمیق در سلامت (با رعایت چارچوب رسمی)
  • 82. تشخیص بیماری با تصویربرداری پزشکی
  • 83. پیش‌بینی روند بیماری
  • 84. کاربرد یادگیری عمیق در صنعت (با رعایت چارچوب رسمی)
  • 85. بهینه‌سازی فرایندهای تولید
  • 86. پیش‌بینی خرابی تجهیزات
  • 87. کاربرد یادگیری عمیق در امور مالی (با رعایت چارچوب رسمی)
  • 88. تحلیل ریسک اعتباری
  • 89. شناسایی تقلب مالی
  • 90. مباحث پیشرفته در معماری‌های عصبی
  • 91. شبکه‌های مولد متخاصم پیشرفته
  • 92. مدل‌های ترنسفورمر پیشرفته
  • 93. مباحث نوین در بهینه‌سازی مدل
  • 94. یادگیری فدرال (Federated Learning)
  • 95. حفظ حریم خصوصی در یادگیری فدرال
  • 96. یادگیری خودنظارتی (Self-supervised Learning)
  • 97. کاربرد یادگیری خودنظارتی
  • 98. آینده مهندسی یادگیری عمیق
  • 99. روندهای تحقیقاتی جدید
  • 100. چالش‌های پیش رو در مهندسی یادگیری عمیق

📚 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.