سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری عمیق در پردازش داده

کتاب مبانی و کاربردهای یادگیری عمیق در پردازش داده

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 مبانی و کاربردهای یادگیری عمیق در پردازش داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربردها و پیشرفت‌های اخیر هوش مصنوعی
  • 5. معرفی یادگیری عمیق
  • 6. تفاوت یادگیری عمیق با یادگیری ماشین سنتی
  • 7. شبکه‌های عصبی مصنوعی: مفاهیم پایه
  • 8. نورون مصنوعی و تابع فعال‌سازی
  • 9. لایه‌های شبکه‌های عصبی: ورودی، پنهان، خروجی
  • 10. انتشار رو به جلو (Forward Propagation)
  • 11. انتشار رو به عقب (Backpropagation)
  • 12. تابع هزینه (Loss Function)
  • 13. بهینه‌سازی: گرادیان کاهشی (Gradient Descent)
  • 14. نرخ یادگیری (Learning Rate)
  • 15. انواع گرادیان کاهشی: دسته‌ای، تصادفی، مینی-دسته‌ای
  • 16. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 17. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 18. کاربرد MLP در مسائل طبقه‌بندی و رگرسیون
  • 19. شبکه‌های عصبی کانولوشنی (CNN)
  • 20. لایه‌های کانولوشن و پولینگ در CNN
  • 21. کاربرد CNN در پردازش تصویر
  • 22. شبکه‌های عصبی بازگشتی (RNN)
  • 23. حافظه کوتاه‌مدت و بلندمدت (LSTM) و GRU
  • 24. کاربرد RNN در پردازش زبان طبیعی
  • 25. مدل‌های زبانی و تولید متن
  • 26. پردازش زبان طبیعی: مفاهیم و چالش‌ها
  • 27. بازنمایی کلمات: Word Embeddings (Word2Vec, GloVe)
  • 28. مقدمه‌ای بر یادگیری عمیق در بینایی ماشین
  • 29. یادگیری عمیق در تشخیص اشیاء
  • 30. یادگیری عمیق در بخش‌بندی تصاویر
  • 31. شبکه‌های مولد تخاصمی (GAN)
  • 32. کاربرد GAN در تولید داده مصنوعی
  • 33. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 34. مکانیزم توجه (Attention Mechanism)
  • 35. ترنسفورمر در پردازش زبان طبیعی
  • 36. مدل‌های زبانی بزرگ (LLM)
  • 37. کاربرد LLM در ترجمه ماشینی
  • 38. معرفی مدل‌های زبانی پیشرفته
  • 39. مبانی یادگیری تقویتی
  • 40. عوامل و محیط در یادگیری تقویتی
  • 41. حالت، عمل و پاداش
  • 42. سیاست (Policy) و تابع ارزش (Value Function)
  • 43. یادگیری تقویتی بدون مدل (Model-Free RL)
  • 44. یادگیری Q (Q-Learning)
  • 45. یادگیری تقویتی عمیق (Deep RL)
  • 46. Deep Q-Network (DQN)
  • 47. کاربرد یادگیری تقویتی در رباتیک
  • 48. یادگیری تقویتی در بازی‌ها
  • 49. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 50. سوگیری در داده‌ها و مدل‌ها
  • 51. مسئولیت‌پذیری و شفافیت در هوش مصنوعی
  • 52. کاربرد هوش مصنوعی در صنعت
  • 53. کاربرد هوش مصنوعی در سلامت
  • 54. کاربرد هوش مصنوعی در آموزش
  • 55. کاربرد هوش مصنوعی در اقتصاد
  • 56. کاربرد هوش مصنوعی در کشاورزی
  • 57. کاربرد هوش مصنوعی در حمل و نقل
  • 58. معرفی چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 59. نصب و راه‌اندازی محیط توسعه
  • 60. مراحل ساخت و آموزش مدل یادگیری عمیق
  • 61. پیش‌پردازش داده‌ها برای یادگیری عمیق
  • 62. مهندسی ویژگی (Feature Engineering)
  • 63. مدیریت داده‌های نامتوازن
  • 64. تکنیک‌های تنظیم‌گرمی (Regularization)
  • 65. کاهش بیش‌برازش (Overfitting)
  • 66. افزایش داده (Data Augmentation)
  • 67. ارزیابی مدل‌های یادگیری عمیق
  • 68. معیارهای ارزیابی: دقت، صحت، بازیابی، F1-Score
  • 69. اعتبارسنجی متقابل (Cross-Validation)
  • 70. دسته‌بندی مدل‌ها: طبقه‌بندها و رگرسورها
  • 71. کاربرد یادگیری عمیق در سیستم‌های توصیه‌گر
  • 72. مبانی سیستم‌های توصیه‌گر
  • 73. فیلترینگ مشارکتی (Collaborative Filtering)
  • 74. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
  • 75. ترکیب رویکردهای فیلترینگ
  • 76. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 77. ملاحظات امنیتی در یادگیری عمیق
  • 78. حملات خصمانه (Adversarial Attacks)
  • 79. روش‌های دفاع در برابر حملات خصمانه
  • 80. حریم خصوصی در یادگیری عمیق
  • 81. یادگیری فدرال (Federated Learning)
  • 82. مقدمه‌ای بر پردازش سیگنال با یادگیری عمیق
  • 83. کاربرد یادگیری عمیق در تشخیص گفتار
  • 84. کاربرد یادگیری عمیق در تشخیص صدا
  • 85. یادگیری عمیق برای داده‌های سری زمانی
  • 86. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
  • 87. کاربرد یادگیری عمیق در تحلیل احساسات
  • 88. مبانی یادگیری نامتناهی (Few-Shot Learning)
  • 89. یادگیری انتقالی (Transfer Learning)
  • 90. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 91. مقدمه‌ای بر یادگیری خودنظارتی (Self-Supervised Learning)
  • 92. یادگیری خودکار (Autoencoders)
  • 93. کاربرد Autoencoders در کاهش ابعاد
  • 94. مقدمه‌ای بر شبکه‌های گراف عصبی (GNN)
  • 95. کاربرد GNN در تحلیل شبکه‌های اجتماعی
  • 96. کاربرد GNN در کشف دارو
  • 97. یادگیری عمیق در سیستم‌های توزیع شده
  • 98. بهینه‌سازی مدل‌های یادگیری عمیق برای سخت‌افزار
  • 99. مقدمه‌ای بر یادگیری تقویتی عمیق برای رباتیک پیشرفته
  • 100. ملاحظات پیاده‌سازی مدل‌های یادگیری عمیق در عمل

📚 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.