سپنتا کتاب اکسپرس
کتاب هوش مصنوعی قابل تفسیر با پایتون: درک مدل‌ها و پیش‌بینی‌ها

کتاب هوش مصنوعی قابل تفسیر با پایتون: درک مدل‌ها و پیش‌بینی‌ها

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 هوش مصنوعی قابل تفسیر با پایتون: درک مدل‌ها و پیش‌بینی‌ها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: هوش مصنوعی قابل تفسیر

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مقدمه‌ای بر پایتون برای یادگیری ماشین
  • 5. کتابخانه‌های کلیدی پایتون: NumPy, Pandas, Matplotlib
  • 6. پیش‌پردازش داده‌ها: پاکسازی و آماده‌سازی
  • 7. مهندسی ویژگی: انتخاب و ساخت ویژگی‌ها
  • 8. مدل‌های یادگیری ماشین خطی
  • 9. رگرسیون خطی
  • 10. طبقه‌بندی خطی: رگرسیون لجستیک
  • 11. مبانی ارزیابی مدل
  • 12. معیارهای ارزیابی برای رگرسیون
  • 13. معیارهای ارزیابی برای طبقه‌بندی
  • 14. مقدمه‌ای بر هوش مصنوعی قابل تفسیر (XAI)
  • 15. چرا XAI مهم است؟
  • 16. چالش‌های تفسیرپذیری در مدل‌های پیچیده
  • 17. مقدمه‌ای بر تکنیک‌های XAI
  • 18. مفهوم "جعبه سیاه" در یادگیری ماشین
  • 19. تکنیک‌های تفسیرپذیری پس از آموزش (Post-hoc Explanations)
  • 20. تکنیک‌های تفسیرپذیری در طول آموزش (Intrinsic Interpretability)
  • 21. مدل‌های تفسیرپذیر ذاتی: درختان تصمیم
  • 22. تفسیر درختان تصمیم
  • 23. مدل‌های تفسیرپذیر ذاتی: رگرسیون خطی و لجستیک
  • 24. تفسیر رگرسیون خطی و لجستیک
  • 25. مقدمه‌ای بر LIME (Local Interpretable Model-agnostic Explanations)
  • 26. نحوه عملکرد LIME
  • 27. کاربرد LIME برای رگرسیون
  • 28. کاربرد LIME برای طبقه‌بندی
  • 29. مقدمه‌ای بر SHAP (SHapley Additive exPlanations)
  • 30. مفهوم ارزش شاپلی
  • 31. محاسبه مقادیر SHAP
  • 32. تفسیر مقادیر SHAP
  • 33. نمودارهای SHAP: اهمیّت ویژگی سراسری
  • 34. نمودارهای SHAP: اهمیّت ویژگی محلی
  • 35. نمودارهای SHAP: اثرات متقابل ویژگی‌ها
  • 36. نمودارهای SHAP: نمودار وابستگی
  • 37. کاربرد SHAP در مدل‌های مختلف
  • 38. SHAP برای درختان تصمیم
  • 39. SHAP برای مدل‌های خطی
  • 40. SHAP برای شبکه‌های عصبی
  • 41. مقدمه‌ای بر Perplexity در مدل‌های زبانی
  • 42. پراکندگی در مدل‌های زبانی
  • 43. مقدمه‌ای بر تکنیک‌های تفسیرپذیری برای شبکه‌های عصبی
  • 44. نقشه‌برداری فعال‌سازی (Activation Mapping)
  • 45. نقشه‌برداری توجه (Attention Mapping)
  • 46. تکنیک‌های مبتنی بر گرادیان برای تفسیر شبکه‌های عصبی
  • 47. Integrated Gradients
  • 48. Grad-CAM
  • 49. DeepLIFT
  • 50. مقدمه‌ای بر تکنیک‌های کاهش ابعاد و بصری‌سازی
  • 51. تحلیل مؤلفه‌های اصلی (PCA)
  • 52. t-Distributed Stochastic Neighbor Embedding (t-SNE)
  • 53. Uniform Manifold Approximation and Projection (UMAP)
  • 54. بصری‌سازی داده‌ها برای درک بهتر
  • 55. بصری‌سازی نتایج مدل‌ها
  • 56. مقدمه‌ای بر Bias و Fairness در هوش مصنوعی
  • 57. شناسایی Bias در داده‌ها و مدل‌ها
  • 58. تکنیک‌های کاهش Bias
  • 59. مفهوم Fairness در هوش مصنوعی
  • 60. معیارهای Fairness
  • 61. تکنیک‌های حفظ Fairness
  • 62. مقدمه‌ای بر Robustness و Adversarial Attacks
  • 63. حملات تخاصمی (Adversarial Attacks)
  • 64. تکنیک‌های دفاع در برابر حملات تخاصمی
  • 65. مفهوم Robustness در مدل‌های یادگیری ماشین
  • 66. ارزیابی Robustness مدل‌ها
  • 67. مقدمه‌ای بر MLOps (Machine Learning Operations)
  • 68. فرایندهای MLOps
  • 69. تست و اعتبارسنجی مدل‌ها در MLOps
  • 70. نظارت بر مدل‌های مستقر شده
  • 71. مدیریت چرخه عمر مدل
  • 72. مقدمه‌ای بر کاربردهای عملی XAI
  • 73. XAI در حوزه سلامت
  • 74. XAI در حوزه مالی
  • 75. XAI در حوزه حقوقی
  • 76. XAI در حوزه خدمات مشتری
  • 77. XAI در حوزه خودروسازی
  • 78. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 79. مسئولیت‌پذیری در هوش مصنوعی
  • 80. شفافیت و پاسخگویی
  • 81. حریم خصوصی و امنیت داده‌ها
  • 82. تأثیرات اجتماعی هوش مصنوعی
  • 83. چارچوب‌های اخلاقی برای توسعه هوش مصنوعی
  • 84. مقدمه‌ای بر آینده XAI
  • 85. روندهای تحقیقاتی جدید در XAI
  • 86. توسعه ابزارهای XAI پیشرفته‌تر
  • 87. ادغام XAI با سایر حوزه‌های هوش مصنوعی
  • 88. چالش‌های پیش رو در XAI
  • 89. نقش XAI در توسعه هوش مصنوعی مسئولانه
  • 90. پروژه نهایی: پیاده‌سازی XAI برای یک مدل یادگیری ماشین
  • 91. انتخاب مدل و مجموعه داده
  • 92. اعمال تکنیک‌های LIME و SHAP
  • 93. تحلیل و تفسیر نتایج
  • 94. ارائه گزارش و یافته‌ها
  • 95. جمع‌بندی و نتیجه‌گیری
  • 96. مرور کلی بر مفاهیم آموخته شده
  • 97. مسیرهای پیش رو برای یادگیری بیشتر
  • 98. منابع تکمیلی و مطالعات بیشتر
  • 99. کاربرد عملی آموخته‌ها در پروژه‌های آتی
  • 100. توسعه تفکر انتقادی در مورد مدل‌های هوش مصنوعی

📚 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.