سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی و علوم داده

کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی و علوم 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 مهندسی و علوم داده

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تعریف یادگیری ماشین و انواع آن
  • 3. یادگیری نظارت‌شده، نظارت‌نشده و تقویتی
  • 4. کاربردها و چشم‌انداز یادگیری ماشین
  • 5. مبانی ریاضی یادگیری ماشین: جبر خطی
  • 6. مبانی ریاضی یادگیری ماشین: حساب دیفرانسیل و انتگرال
  • 7. مبانی ریاضی یادگیری ماشین: احتمال و آمار
  • 8. مقدمه‌ای بر یادگیری عمیق
  • 9. تفاوت یادگیری عمیق و یادگیری ماشین سنتی
  • 10. شبکه‌های عصبی مصنوعی: مفاهیم پایه
  • 11. نورون مصنوعی و تابع فعال‌سازی
  • 12. ساختار شبکه‌های عصبی پیشخور
  • 13. الگوریتم پس‌انتشار خطا (Backpropagation)
  • 14. بهینه‌سازی در شبکه‌های عصبی: گرادیان کاهشی
  • 15. انواع بهینه‌سازها: SGD، Adam، RMSprop
  • 16. تنظیم نرخ یادگیری و روش‌های آن
  • 17. تنظیم پارامترهای شبکه عصبی
  • 18. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 19. معماری‌های شبکه‌های عصبی کانولوشنی (CNN)
  • 20. لایه‌های کانولوشن و پولینگ در CNN
  • 21. کاربردهای CNN در پردازش تصویر
  • 22. معماری‌های شبکه‌های عصبی بازگشتی (RNN)
  • 23. حافظه طولانی کوتاه‌مدت (LSTM) و واحد بازگشتی دروازه‌دار (GRU)
  • 24. کاربردهای RNN در پردازش زبان طبیعی
  • 25. شبکه‌های عصبی ترانسفورمر (Transformer)
  • 26. مکانیزم توجه (Attention Mechanism)
  • 27. کاربردهای ترانسفورمر در NLP
  • 28. شبکه‌های مولد تخاصمی (GAN)
  • 29. معماری و آموزش GANها
  • 30. کاربرد GANها در تولید تصویر
  • 31. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 32. عوامل و محیط در یادگیری تقویتی
  • 33. تابع پاداش و سیاست در یادگیری تقویتی
  • 34. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 35. الگوریتم‌های یادگیری تقویتی: Policy Gradients
  • 36. یادگیری عمیق در پردازش زبان طبیعی (NLP)
  • 37. مدل‌سازی زبان و پیش‌بینی کلمه
  • 38. ترجمه ماشینی عصبی
  • 39. خلاصه‌سازی متن با یادگیری عمیق
  • 40. تحلیل احساسات با یادگیری عمیق
  • 41. یادگیری عمیق در بینایی ماشین
  • 42. تشخیص اشیاء و تقسیم‌بندی تصویر
  • 43. تولید کپشن برای تصاویر
  • 44. تشخیص چهره و بازشناسی
  • 45. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 46. فیلترینگ مشارکتی با یادگیری عمیق
  • 47. توصیه‌گرهای مبتنی بر محتوا با یادگیری عمیق
  • 48. یادگیری عمیق در علوم داده
  • 49. تحلیل سری‌های زمانی با یادگیری عمیق
  • 50. پیش‌بینی در بازارهای مالی با یادگیری عمیق
  • 51. کاربرد یادگیری عمیق در مهندسی پزشکی
  • 52. تشخیص بیماری‌ها با تصاویر پزشکی
  • 53. یادگیری عمیق در رباتیک
  • 54. کنترل ربات با یادگیری تقویتی
  • 55. یادگیری عمیق در پردازش گفتار
  • 56. تشخیص گفتار و سنتز گفتار
  • 57. ملاحظات اخلاقی در هوش مصنوعی
  • 58. سوگیری در مدل‌های یادگیری عمیق
  • 59. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
  • 60. تفسیرپذیری مدل‌های یادگیری عمیق
  • 61. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 62. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 63. کاربرد یادگیری انتقالی در پردازش تصویر
  • 64. کاربرد یادگیری انتقالی در NLP
  • 65. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 66. یادگیری نیمه‌نظارت‌شده (Semi-supervised Learning)
  • 67. یادگیری خودنظارت‌شده (Self-supervised Learning)
  • 68. شبکه‌های گراف عصبی (Graph Neural Networks)
  • 69. کاربردهای GNN در شبکه‌های اجتماعی
  • 70. یادگیری عمیق در سیستم‌های توزیع‌شده
  • 71. یادگیری فدرال (Federated Learning)
  • 72. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 73. معماری ترانسفورمر و LLMs
  • 74. آموزش و تنظیم LLMs
  • 75. کاربردهای LLMs در تولید متن
  • 76. کاربردهای LLMs در پرسش و پاسخ
  • 77. کاربردهای LLMs در برنامه‌نویسی
  • 78. مقدمه‌ای بر یادگیری تقویتی عمیق پیشرفته
  • 79. یادگیری عمیق در رباتیک پیشرفته
  • 80. یادگیری عمیق در سیستم‌های خودمختار
  • 81. ملاحظات امنیتی در یادگیری عمیق
  • 82. حملات خصمانه (Adversarial Attacks)
  • 83. روش‌های دفاع در برابر حملات خصمانه
  • 84. یادگیری عمیق و هوش مصنوعی قابل اعتماد
  • 85. پروتکل‌های ایمنی در سیستم‌های هوش مصنوعی
  • 86. استانداردهای حاکمیتی برای هوش مصنوعی
  • 87. آینده پژوهی در حوزه هوش مصنوعی
  • 88. نقش هوش مصنوعی در تحول دیجیتال
  • 89. هوش مصنوعی و علم داده در صنعت
  • 90. هوش مصنوعی و مهندسی نرم‌افزار
  • 91. هوش مصنوعی و نوآوری در کسب‌وکار
  • 92. توسعه پایدار با هوش مصنوعی
  • 93. هوش مصنوعی و چالش‌های اجتماعی
  • 94. مباحث پیشرفته در شبکه‌های عصبی
  • 95. یادگیری تقویتی عمیق برای بازی‌ها
  • 96. یادگیری عمیق در سیستم‌های توصیه پیچیده
  • 97. مفاهیم پیشرفته در پردازش زبان طبیعی
  • 98. کاربردهای نوین یادگیری عمیق
  • 99. پروژه‌های عملی در یادگیری عمیق
  • 100. جمع‌بندی مباحث و چشم‌انداز آینده

📚 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.