سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری عمیق با پایتون

کتاب مبانی و کاربردهای یادگیری عمیق 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 مبانی و کاربردهای یادگیری عمیق با پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری عمیق
  • 2. مبانی شبکه های عصبی
  • 3. معماری شبکه های عصبی
  • 4. توابع فعال سازی
  • 5. پس انتشار و گرادیان نزولی
  • 6. بهینه سازی مدل ها
  • 7. تنظیم کننده ها و تکنیک های منظم سازی
  • 8. شبکه های عصبی کانولوشنال
  • 9. معماری های پیشرفته CNN
  • 10. شبکه های عصبی بازگشتی
  • 11. شبکه های LSTM و GRU
  • 12. پردازش زبان طبیعی با RNN
  • 13. شبکه های مولد تخاصمی (GAN)
  • 14. کاربردهای GAN
  • 15. یادگیری انتقالی
  • 16. تنظیم دقیق مدل های از پیش آموزش دیده
  • 17. مقدمه ای بر پایتون برای یادگیری عمیق
  • 18. کتابخانه NumPy
  • 19. کتابخانه Pandas
  • 20. کتابخانه Matplotlib
  • 21. کتابخانه Seaborn
  • 22. مقدمه ای بر TensorFlow
  • 23. مبانی Keras
  • 24. ساخت اولین مدل با Keras
  • 25. آموزش و ارزیابی مدل ها
  • 26. تنظیم هایپرپارامترها
  • 27. شبکه های عصبی عمیق برای طبقه بندی تصاویر
  • 28. تشخیص اشیاء با CNN
  • 29. تقسیم بندی تصاویر با CNN
  • 30. پردازش متن با شبکه های بازگشتی
  • 31. تولید متن با RNN
  • 32. مدل های زبانی مبتنی بر ترنسفورمر
  • 33. کاربرد ترنسفورمرها در NLP
  • 34. یادگیری تقویتی
  • 35. مبانی یادگیری تقویتی عمیق
  • 36. کاربردهای یادگیری تقویتی
  • 37. شبکه های عصبی خودرمزگذار (Autoencoders)
  • 38. کاربردهای Autoencoders
  • 39. شبکه های عصبی گراف (GNN)
  • 40. کاربردهای GNN
  • 41. مقدمه ای بر یادگیری عمیق در پزشکی
  • 42. تشخیص بیماری با تصاویر پزشکی
  • 43. تولید دارو با یادگیری عمیق
  • 44. یادگیری عمیق در امور مالی
  • 45. پیش بینی بازار سهام
  • 46. یادگیری عمیق در خودروسازی
  • 47. خودروهای خودران
  • 48. یادگیری عمیق در رباتیک
  • 49. کنترل ربات ها
  • 50. مقدمه ای بر مفاهیم اخلاقی در هوش مصنوعی
  • 51. مسائل حریم خصوصی و امنیت داده ها
  • 52. سوگیری در الگوریتم های هوش مصنوعی
  • 53. راهکارهای کاهش سوگیری
  • 54. ملاحظات قانونی و شرعی در یادگیری عمیق
  • 55. حفظ حریم خصوصی داده ها در سیستم های هوش مصنوعی
  • 56. امنیت الگوریتم ها در برابر حملات
  • 57. کاربردهای یادگیری عمیق در صنعت
  • 58. یادگیری عمیق در کشاورزی
  • 59. تولید محتوا با هوش مصنوعی
  • 60. بهینه سازی فرآیندها با یادگیری عمیق
  • 61. مبانی یادگیری عمیق توزیع شده
  • 62. آموزش مدل ها بر روی چندین دستگاه
  • 63. مقدمه ای بر یادگیری عمیق روی سخت افزارهای تخصصی
  • 64. پردازشگرهای گرافیکی (GPU)
  • 65. تنسور پردازشگرها (TPU)
  • 66. بهینه سازی مدل ها برای استقرار
  • 67. تکنیک های فشرده سازی مدل
  • 68. کوانتیزاسیون مدل ها
  • 69. هوش مصنوعی قابل تفسیر (XAI)
  • 70. تکنیک های تفسیرپذیری مدل
  • 71. مبانی یادگیری عمیق در سیستم های توصیه گر
  • 72. ساخت سیستم های توصیه گر شخصی سازی شده
  • 73. یادگیری عمیق در پردازش گفتار
  • 74. تشخیص گفتار
  • 75. تولید گفتار
  • 76. مقدمه ای بر یادگیری عمیق در تحلیل احساسات
  • 77. تحلیل احساسات متن
  • 78. تحلیل احساسات ویدئو
  • 79. یادگیری عمیق در بازی ها
  • 80. طراحی بازی با هوش مصنوعی
  • 81. بهینه سازی عملکرد بازی با یادگیری عمیق
  • 82. مبانی یادگیری عمیق در تحلیل داده های سری زمانی
  • 83. پیش بینی سری های زمانی
  • 84. کاربرد یادگیری عمیق در تحقیقات علمی
  • 85. کشف الگوهای جدید در داده های علمی
  • 86. مقدمه ای بر چارچوب های یادگیری عمیق دیگر
  • 87. PyTorch
  • 88. MXNet
  • 89. مقایسه چارچوب های یادگیری عمیق
  • 90. انتخاب چارچوب مناسب
  • 91. مبانی پیاده سازی شبکه های عمیق سفارشی
  • 92. لایه های سفارشی
  • 93. توابع هزینه سفارشی
  • 94. بهینه سازی و تنظیم دقیق مدل های پیچیده
  • 95. شبکه های عصبی عمیق برای داده های حجمی
  • 96. مدل سازی سه بعدی با یادگیری عمیق
  • 97. کاربردهای یادگیری عمیق در مدیریت شهری
  • 98. بهینه سازی ترافیک شهری
  • 99. نظارت هوشمند شهری
  • 100. مقدمه ای بر یادگیری عمیق در آموزش

📚 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.