کتاب مبانی یادگیری عمیق با TensorFlow و 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 یادگیری عمیق با TensorFlow و پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق با پایتون

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. کاربرد هوش مصنوعی در دنیای امروز
  • 5. معرفی کتابخانه TensorFlow
  • 6. نصب و پیکربندی TensorFlow
  • 7. ساختار داده در TensorFlow: تنسورها
  • 8. عملیات پایه روی تنسورها
  • 9. رگرسیون خطی با TensorFlow
  • 10. رگرسیون چندجمله‌ای با TensorFlow
  • 11. آموزش مدل‌های رگرسیون
  • 12. ارزیابی مدل‌های رگرسیون
  • 13. مقدمه ای بر شبکه‌های عصبی مصنوعی
  • 14. نورون مصنوعی و توابع فعال‌سازی
  • 15. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 16. تابع هزینه (Loss Function)
  • 17. بهینه‌سازی مدل: گرادیان کاهشی (Gradient Descent)
  • 18. پس‌انتشار خطا (Backpropagation)
  • 19. پیاده‌سازی شبکه‌های عصبی ساده با TensorFlow
  • 20. طبقه‌بندی با شبکه‌های عصبی
  • 21. رگرسیون لجستیک (Logistic Regression)
  • 22. طبقه‌بندی دودویی
  • 23. طبقه‌بندی چندکلاسه
  • 24. شبکه‌های عصبی کانولوشنال (CNN)
  • 25. مقدمه ای بر CNN
  • 26. لایه‌های کانولوشن و پولینگ
  • 27. معماری‌های رایج CNN
  • 28. کاربرد CNN در پردازش تصویر
  • 29. آموزش مدل‌های CNN
  • 30. شبکه‌های عصبی بازگشتی (RNN)
  • 31. مقدمه ای بر RNN
  • 32. مدل‌های RNN ساده
  • 33. شبکه حافظه کوتاه‌مدت طولانی (LSTM)
  • 34. واحد بازگشتی دروازه‌ای (GRU)
  • 35. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 36. آموزش مدل‌های RNN
  • 37. یادگیری عمیق و مفاهیم پیشرفته
  • 38. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 39. روش‌های منظم‌سازی (Regularization)
  • 40. حذف بیش‌برازش (Overfitting)
  • 41. یادگیری انتقالی (Transfer Learning)
  • 42. شبکه‌های مولد تخاصمی (GANs)
  • 43. مقدمه ای بر GANs
  • 44. کاربرد GANs
  • 45. شبکه‌های عصبی خودرمزگذار (Autoencoders)
  • 46. مقدمه ای بر Autoencoders
  • 47. کاربرد Autoencoders
  • 48. پردازش زبان طبیعی با یادگیری عمیق
  • 49. مدل‌های زبانی (Language Models)
  • 50. کاربرد مدل‌های زبانی
  • 51. مدل‌های ترنسفورمر (Transformers)
  • 52. مقدمه ای بر ترنسفورمرها
  • 53. کاربرد ترنسفورمرها در NLP
  • 54. کاربرد یادگیری عمیق در تشخیص الگو
  • 55. کاربرد یادگیری عمیق در سیستم‌های توصیه‌گر
  • 56. کاربرد یادگیری عمیق در رباتیک
  • 57. کاربرد یادگیری عمیق در هوش مصنوعی مولد
  • 58. مبانی ریاضی یادگیری عمیق
  • 59. جبر خطی در یادگیری عمیق
  • 60. حساب دیفرانسیل و انتگرال در یادگیری عمیق
  • 61. احتمال و آمار در یادگیری عمیق
  • 62. پیاده‌سازی مدل‌های پیچیده‌تر با TensorFlow
  • 63. استفاده از Keras API در TensorFlow
  • 64. ساخت مدل‌های سفارشی با TensorFlow
  • 65. مدیریت داده‌ها برای یادگیری عمیق
  • 66. پیش‌پردازش داده‌ها
  • 67. افزایش داده (Data Augmentation)
  • 68. ارزیابی مدل‌های یادگیری عمیق
  • 69. بهینه‌سازی عملکرد مدل‌ها
  • 70. مقدمه ای بر یادگیری تقویتی
  • 71. مفاهیم پایه یادگیری تقویتی
  • 72. الگوریتم‌های یادگیری تقویتی
  • 73. کاربرد یادگیری تقویتی
  • 74. اخلاق در هوش مصنوعی
  • 75. سوگیری در مدل‌های هوش مصنوعی
  • 76. شفافیت و توضیح‌پذیری مدل‌ها
  • 77. حریم خصوصی در هوش مصنوعی
  • 78. آینده هوش مصنوعی و یادگیری عمیق
  • 79. پروژه‌های عملی با TensorFlow
  • 80. تحلیل داده‌های سری زمانی با TensorFlow
  • 81. تشخیص اشیاء در تصاویر با TensorFlow
  • 82. تولید متن با TensorFlow
  • 83. تولید موسیقی با TensorFlow
  • 84. مقدمه ای بر یادگیری نیمه نظارت شده
  • 85. یادگیری با داده‌های برچسب‌دار و بدون برچسب
  • 86. کاربرد یادگیری نیمه نظارت شده
  • 87. مقدمه ای بر یادگیری چندوظیفه‌ای
  • 88. آموزش مدل برای چندین وظیفه همزمان
  • 89. کاربرد یادگیری چندوظیفه‌ای
  • 90. مقدمه ای بر یادگیری فدرال
  • 91. حفظ حریم خصوصی در یادگیری ماشین
  • 92. کاربرد یادگیری فدرال
  • 93. مقدمه ای بر یادگیری تقویتی عمیق
  • 94. ترکیب یادگیری عمیق و یادگیری تقویتی
  • 95. کاربرد یادگیری تقویتی عمیق
  • 96. مقدمه ای بر یادگیری با دانش قبلی
  • 97. استفاده از دانش موجود برای حل مسائل جدید
  • 98. کاربرد یادگیری با دانش قبلی
  • 99. مقدمه ای بر شبکه‌های عصبی گراف (GNN)
  • 100. پردازش داده‌های ساختاریافته در گراف‌ها

📚 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.