سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر مفاهیم پیشرفته در یادگیری ماشین

کتاب مقدمه‌ای بر مفاهیم پیشرفته در یادگیری ماشین

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 مفاهیم پیشرفته در یادگیری ماشین

موضوع کلی: علوم کامپیوتر و فناوری اطلاعات

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین
  • 2. مفاهیم اساسی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مدل‌های خطی
  • 8. رگرسیون خطی
  • 9. توابع هزینه در رگرسیون خطی
  • 10. بهینه‌سازی گرادیان کاهشی
  • 11. نظم‌دهی (Regularization)
  • 12. لasso و Ridge Regression
  • 13. ماشین‌های بردار پشتیبان (SVM)
  • 14. هسته‌ها در SVM
  • 15. طبقه‌بندی‌کننده بیز ساده
  • 16. نویز در داده‌ها
  • 17. مدل‌های درخت تصمیم
  • 18. جنگل‌های تصادفی
  • 19. تقویت گرادیان
  • 20. شبکه‌های عصبی مصنوعی
  • 21. پرسپترون تک لایه
  • 22. توابع فعال‌سازی
  • 23. پرسپترون چند لایه
  • 24. پس‌انتشار خطا (Backpropagation)
  • 25. شبکه‌های عصبی کانولوشنال (CNN)
  • 26. لایه کانولوشن
  • 27. لایه ادغام (Pooling)
  • 28. شبکه‌های عصبی بازگشتی (RNN)
  • 29. حافظه کوتاه‌مدت طولانی (LSTM)
  • 30. شبکه‌های مولد تخاصمی (GAN)
  • 31. مفاهیم پیشرفته در یادگیری ماشین
  • 32. یادگیری عمیق
  • 33. معماری‌های یادگیری عمیق
  • 34. شبکه‌های عصبی ترانسفورمر
  • 35. پردازش زبان طبیعی (NLP)
  • 36. مدل‌های زبانی
  • 37. تعبیه‌سازی کلمات (Word Embeddings)
  • 38. شبکه‌های عصبی گراف (GNN)
  • 39. یادگیری از داده‌های نامتوازن
  • 40. روش‌های ارزیابی مدل
  • 41. معیارهای ارزیابی طبقه‌بندی
  • 42. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 43. دقت (Accuracy)
  • 44. صحت (Precision)
  • 45. بازیابی (Recall)
  • 46. امتیاز F1
  • 47. منحنی ROC و AUC
  • 48. اعتبارسنجی متقابل (Cross-validation)
  • 49. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 50. جستجوی شبکه‌ای (Grid Search)
  • 51. جستجوی تصادفی (Random Search)
  • 52. یادگیری انتقالی (Transfer Learning)
  • 53. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 54. یادگیری فعال (Active Learning)
  • 55. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
  • 56. تفسیرپذیری مدل‌های یادگیری ماشین (XAI)
  • 57. مفاهیم اخلاقی در هوش مصنوعی
  • 58. سوگیری در داده‌ها و مدل‌ها
  • 59. عدالت و انصاف در هوش مصنوعی
  • 60. حریم خصوصی و امنیت داده‌ها
  • 61. کاربرد یادگیری ماشین در علوم
  • 62. یادگیری ماشین در پزشکی
  • 63. یادگیری ماشین در مالی
  • 64. یادگیری ماشین در پردازش تصویر
  • 65. یادگیری ماشین در پردازش صوت
  • 66. یادگیری ماشین در رباتیک
  • 67. یادگیری ماشین در سیستم‌های توصیه‌گر
  • 68. یادگیری ماشین در تحلیل کلان‌داده‌ها
  • 69. معرفی ابزارها و کتابخانه‌ها
  • 70. TensorFlow
  • 71. PyTorch
  • 72. Scikit-learn
  • 73. Pandas
  • 74. NumPy
  • 75. مقدمه‌ای بر مهندسی ویژگی
  • 76. انتخاب ویژگی
  • 77. استخراج ویژگی
  • 78. ساخت ویژگی
  • 79. مقدمه‌ای بر داده‌کاوی
  • 80. قوانین وابستگی (Association Rules)
  • 81. خوشه‌بندی (Clustering)
  • 82. کشف ناهنجاری (Anomaly Detection)
  • 83. مفاهیم پایه‌ای آمار در یادگیری ماشین
  • 84. احتمالات
  • 85. توزیع‌های آماری
  • 86. آزمون فرض آماری
  • 87. مقدمه‌ای بر بهینه‌سازی
  • 88. الگوریتم‌های بهینه‌سازی
  • 89. قضیه حد مرکزی
  • 90. مقدمه‌ای بر یادگیری ماشین قابل اعتماد
  • 91. امنیت در یادگیری ماشین
  • 92. مقاومت در برابر حملات
  • 93. حریم خصوصی در یادگیری ماشین
  • 94. یادگیری ماشینی با حفظ حریم خصوصی (Privacy-Preserving ML)
  • 95. مقدمه‌ای بر یادگیری ماشین توزیع شده
  • 96. محاسبات ابری برای یادگیری ماشین
  • 97. فدرال لرنینگ (Federated Learning)
  • 98. مقدمه‌ای بر یادگیری تقویتی پیشرفته
  • 99. تفاوت یادگیری تقویتی با سایر روش‌ها
  • 100. کاربردها و چالش‌های یادگیری تقویتی

📚 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.