سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق: بدون پیچیدگی

کتاب مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق: بدون پیچیدگی

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 مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق: بدون پیچیدگی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و شبکه‌های عصبی

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین
  • 2. مقدمه‌ای بر شبکه‌های عصبی
  • 3. انواع شبکه‌های عصبی
  • 4. شبکه‌های عصبی پرسپترون
  • 5. آموزش شبکه‌های عصبی
  • 6. تابع فعال‌سازی
  • 7. تابع هزینه
  • 8. بهینه‌سازها
  • 9. گرادیان کاهشی
  • 10. پس‌انتشار خطا
  • 11. مجموعه داده‌های آموزشی
  • 12. اعتبارسنجی و تست
  • 13. بیش‌برازش و کم‌برازش
  • 14. تنظیم‌کننده‌ها
  • 15. رگولاریزاسیون L1 و L2
  • 16. انصراف (Dropout)
  • 17. شبکه‌های عصبی کانولوشنی
  • 18. لایه‌های کانولوشن
  • 19. لایه‌های پولینگ
  • 20. معماری‌های CNN
  • 21. کاربرد CNN در بینایی ماشین
  • 22. شبکه‌های عصبی بازگشتی
  • 23. سلول‌های حافظه طولانی کوتاه مدت (LSTM)
  • 24. واحد بازگشتی دروازه‌دار (GRU)
  • 25. معماری‌های RNN
  • 26. کاربرد RNN در پردازش زبان طبیعی
  • 27. یادگیری تقویتی
  • 28. عوامل و محیط‌ها
  • 29. پاداش و تنبیه
  • 30. سیاست‌ها و توابع ارزش
  • 31. یادگیری عمیق
  • 32. معماری‌های عمیق
  • 33. یادگیری بدون نظارت
  • 34. کدگذاری خودکار
  • 35. موضوعات پنهان
  • 36. یادگیری نیمه‌نظارتی
  • 37. تولید داده
  • 38. شبکه‌های مولد تخاصمی (GAN)
  • 39. معماری‌های GAN
  • 40. کاربرد GAN در تولید تصویر
  • 41. شبکه‌های عصبی ترنسفورمر
  • 42. مکانیسم توجه
  • 43. کاربرد ترنسفورمر در NLP
  • 44. مدل‌های زبانی بزرگ (LLM)
  • 45. مبانی LLM
  • 46. آموزش LLM
  • 47. تنظیم دقیق LLM
  • 48. کاربردهای LLM
  • 49. هوش مصنوعی اخلاقی
  • 50. سوگیری در هوش مصنوعی
  • 51. شفافیت در هوش مصنوعی
  • 52. مسئولیت‌پذیری در هوش مصنوعی
  • 53. امنیت در هوش مصنوعی
  • 54. مقدمه‌ای بر پردازش زبان طبیعی
  • 55. توکن‌سازی
  • 56. ریشه‌یابی کلمات
  • 57. برچسب‌گذاری اجزای کلام
  • 58. تجزیه و تحلیل وابستگی
  • 59. مدل‌سازی موضوعی
  • 60. استخراج اطلاعات
  • 61. پاسخ به پرسش
  • 62. ترجمه ماشینی
  • 63. خلاصه‌سازی متن
  • 64. تحلیل احساسات
  • 65. سیستم‌های توصیه‌گر
  • 66. فیلترینگ مشارکتی
  • 67. فیلترینگ مبتنی بر محتوا
  • 68. سیستم‌های توصیه‌گر ترکیبی
  • 69. ارزیابی سیستم‌های توصیه‌گر
  • 70. بینایی ماشین
  • 71. تشخیص اشیاء
  • 72. تقسیم‌بندی تصویر
  • 73. تشخیص چهره
  • 74. تشخیص فعالیت
  • 75. پردازش تصویر
  • 76. فیلترهای تصویر
  • 77. تبدیلات هندسی
  • 78. استخراج ویژگی
  • 79. کشف لبه
  • 80. مبانی پردازش سیگنال
  • 81. تبدیل فوریه
  • 82. نمونه‌برداری
  • 83. کوانتیزاسیون
  • 84. فشرده‌سازی سیگنال
  • 85. کاربرد شبکه‌های عصبی در پردازش سیگنال
  • 86. تشخیص گفتار
  • 87. تولید گفتار
  • 88. تحلیل داده‌های سری زمانی
  • 89. پیش‌بینی سری زمانی
  • 90. شناسایی الگو در داده‌های سری زمانی
  • 91. کاربرد شبکه‌های عصبی در داده‌های سری زمانی
  • 92. مقدمه‌ای بر علم داده
  • 93. جمع‌آوری داده
  • 94. پاکسازی داده
  • 95. کاوش داده
  • 96. بصری‌سازی داده
  • 97. مدل‌سازی داده
  • 98. ارزیابی مدل
  • 99. استقرار مدل
  • 100. کاربرد هوش مصنوعی در علم داده

📚 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.