سپنتا کتاب اکسپرس
کتاب ساخت پروژه‌های جامع یادگیری ماشین از ابتدا تا انتها با پایتون

کتاب ساخت پروژه‌های جامع یادگیری ماشین از ابتدا تا انتها با پایتون

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 ساخت پروژه‌های جامع یادگیری ماشین از ابتدا تا انتها با پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: پروژه‌های کاربردی یادگیری ماشین با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. محیط توسعه پایتون و ابزارهای لازم
  • 5. نصب و پیکربندی کتابخانه‌های کلیدی (NumPy, Pandas, Scikit-learn)
  • 6. مراحل یک پروژه یادگیری ماشین
  • 7. جمع‌آوری و آماده‌سازی داده‌ها
  • 8. پاکسازی داده‌ها و مدیریت مقادیر گمشده
  • 9. مهندسی ویژگی و انتخاب ویژگی
  • 10. دسته‌بندی داده‌ها و برچسب‌گذاری
  • 11. آموزش مدل‌های رگرسیون خطی
  • 12. ارزیابی مدل‌های رگرسیون
  • 13. آموزش مدل‌های رگرسیون لجستیک
  • 14. ارزیابی مدل‌های دسته‌بندی
  • 15. معرفی الگوریتم درخت تصمیم
  • 16. کاربرد درخت تصمیم در مسائل واقعی
  • 17. آموزش الگوریتم ماشین بردار پشتیبان (SVM)
  • 18. تنظیم پارامترها در SVM
  • 19. معرفی الگوریتم جنگل تصادفی
  • 20. کاربرد جنگل تصادفی در پیش‌بینی
  • 21. آموزش الگوریتم K-نزدیکترین همسایه (KNN)
  • 22. تنظیم پارامتر K در KNN
  • 23. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 24. معماری شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 25. آموزش شبکه‌های عصبی با الگوریتم پس‌انتشار خطا
  • 26. کاربرد شبکه‌های عصبی در مسائل دسته‌بندی
  • 27. آموزش مدل‌های خوشه‌بندی K-Means
  • 28. ارزیابی مدل‌های خوشه‌بندی
  • 29. روش‌های کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
  • 30. کاربرد PCA در پیش‌پردازش داده‌ها
  • 31. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 32. کاربرد NLP در تحلیل متن
  • 33. تکنیک‌های پیش‌پردازش متن (توکنایز کردن، حذف کلمات توقف)
  • 34. مدل‌سازی موضوعی با LDA
  • 35. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 36. معماری شبکه‌های عصبی کانولوشنی (CNN)
  • 37. کاربرد CNN در بینایی ماشین
  • 38. آموزش مدل‌های CNN برای طبقه‌بندی تصاویر
  • 39. معماری شبکه‌های عصبی بازگشتی (RNN)
  • 40. کاربرد RNN در پردازش توالی
  • 41. آموزش مدل‌های RNN برای پیش‌بینی سری زمانی
  • 42. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 43. روش‌های مبتنی بر محتوا در سیستم‌های توصیه‌گر
  • 44. روش‌های مبتنی بر همکاری فیلترینگ در سیستم‌های توصیه‌گر
  • 45. پیاده‌سازی یک سیستم توصیه‌گر ساده
  • 46. مقدمه‌ای بر یادگیری تقویتی
  • 47. مفاهیم اصلی یادگیری تقویتی (عامل، محیط، پاداش)
  • 48. الگوریتم‌های Q-Learning
  • 49. کاربرد یادگیری تقویتی در رباتیک
  • 50. مقدمه‌ای بر استقرار مدل‌های یادگیری ماشین
  • 51. روش‌های استقرار مدل در محیط‌های واقعی
  • 52. بسته‌بندی مدل‌ها (Pickling, Joblib)
  • 53. ساخت API برای مدل‌ها با Flask
  • 54. مقدمه‌ای بر MLOps
  • 55. اصول و چرخه حیات MLOps
  • 56. نظارت بر عملکرد مدل در تولید
  • 57. بازآموزی و به‌روزرسانی مدل‌ها
  • 58. مقدمه‌ای بر داده‌های ساختاریافته و غیرساختاریافته
  • 59. کاربرد داده‌های ساختاریافته در یادگیری ماشین
  • 60. کاربرد داده‌های غیرساختاریافته در یادگیری ماشین
  • 61. مقدمه‌ای بر پردازش سیگنال
  • 62. کاربرد پردازش سیگنال در تحلیل داده‌ها
  • 63. نمونه‌برداری و بازسازی سیگنال
  • 64. تبدیل فوریه و کاربردهای آن
  • 65. مقدمه‌ای بر تحلیل سری‌های زمانی
  • 66. شناسایی الگو در سری‌های زمانی
  • 67. پیش‌بینی سری‌های زمانی با مدل‌های ARIMA
  • 68. کاربرد مدل‌های ARIMA در مسائل مالی
  • 69. مقدمه‌ای بر یادگیری نیمه‌نظارت شده
  • 70. روش‌های یادگیری نیمه‌نظارت شده
  • 71. کاربرد یادگیری نیمه‌نظارت شده در برچسب‌گذاری داده‌ها
  • 72. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 73. کاربرد یادگیری انتقالی در مسائل کم‌داده
  • 74. فرایند تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 75. مقدمه‌ای بر تشخیص ناهنجاری (Anomaly Detection)
  • 76. الگوریتم‌های تشخیص ناهنجاری
  • 77. کاربرد تشخیص ناهنجاری در امنیت سایبری
  • 78. مقدمه‌ای بر پردازش تصویر
  • 79. فیلترهای تصویر و کاربردهای آن‌ها
  • 80. استخراج ویژگی از تصاویر
  • 81. مقدمه‌ای بر بینایی کامپیوتر
  • 82. تشخیص اشیاء در تصاویر
  • 83. تقسیم‌بندی تصاویر
  • 84. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 85. کاربرد LLMs در تولید متن
  • 86. تنظیم دقیق LLMs برای وظایف خاص
  • 87. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 88. مسائل اخلاقی در توسعه و استفاده از هوش مصنوعی
  • 89. سوگیری در مدل‌های هوش مصنوعی و راه‌های مقابله با آن
  • 90. شفافیت و توضیح‌پذیری در هوش مصنوعی
  • 91. مقدمه‌ای بر امنیت هوش مصنوعی
  • 92. حملات متخاصم به مدل‌های یادگیری ماشین
  • 93. روش‌های دفاع در برابر حملات متخاصم
  • 94. مقدمه‌ای بر هوش مصنوعی مولد
  • 95. تولید تصویر با مدل‌های GAN
  • 96. تولید متن با مدل‌های مولد
  • 97. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
  • 98. ترکیب اطلاعات از منابع مختلف
  • 99. کاربرد یادگیری چندوجهی در درک بهتر محیط
  • 100. مقدمه‌ای بر هوش مصنوعی قابل اعتماد

📚 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.