کتاب مبانی یادگیری ماشین با F# برای توسعهٔ نرم‌افزارهای هوشمند

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 ماشین با F# برای توسعهٔ نرم‌افزارهای هوشمند

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین با استفاده از زبان‌های برنامه‌نویسی نوین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. چرا F# برای یادگیری ماشین؟
  • 3. نصب و راه‌اندازی محیط توسعه F#
  • 4. مفاهیم اولیه برنامه‌نویسی تابعی در F#
  • 5. ساختارهای داده در F# برای تحلیل داده
  • 6. کار با مجموعه داده‌ها و پیش‌پردازش آن‌ها
  • 7. مقدمه‌ای بر آمار و احتمالات برای یادگیری ماشین
  • 8. توزیع‌های آماری رایج و کاربرد آن‌ها
  • 9. انواع یادگیری ماشین: نظارت‌شده و بدون نظارت
  • 10. رگرسیون خطی ساده در F#
  • 11. ارزیابی مدل‌های رگرسیون خطی
  • 12. رگرسیون چندگانه در F#
  • 13. تنظیم پارامترها در مدل‌های رگرسیون
  • 14. مقدمه‌ای بر طبقه‌بندی
  • 15. رگرسیون لجستیک برای مسائل طبقه‌بندی
  • 16. ارزیابی مدل‌های طبقه‌بندی
  • 17. متریک‌های ارزیابی طبقه‌بندی: دقت، صحت، بازیابی
  • 18. مقدمه‌ای بر درخت‌های تصمیم
  • 19. ساخت درخت تصمیم با F#
  • 20. بهینه‌سازی درخت‌های تصمیم
  • 21. جنگل‌های تصادفی (Random Forests)
  • 22. پیاده‌سازی جنگل‌های تصادفی در F#
  • 23. ماشین‌های بردار پشتیبان (SVM)
  • 24. پیاده‌سازی SVM با F#
  • 25. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 26. ساختار نورون مصنوعی
  • 27. لایه‌های شبکه‌های عصبی
  • 28. شبکه‌های عصبی پیشخور (Feedforward Networks)
  • 29. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 30. پیاده‌سازی شبکه عصبی ساده در F#
  • 31. بهینه‌سازی آموزش شبکه‌های عصبی
  • 32. مقدمه‌ای بر یادگیری عمیق
  • 33. شبکه‌های عصبی کانولوشنال (CNN)
  • 34. کاربرد CNN در پردازش تصویر
  • 35. شبکه‌های عصبی بازگشتی (RNN)
  • 36. کاربرد RNN در پردازش زبان طبیعی
  • 37. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 38. پیاده‌سازی LSTM در F#
  • 39. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 40. توکنیزاسیون و نرمال‌سازی متن
  • 41. مدل‌سازی موضوعی: LDA
  • 42. پیاده‌سازی LDA در F#
  • 43. تحلیل احساسات با F#
  • 44. مقدمه‌ای بر یادگیری بدون نظارت
  • 45. خوشه‌بندی K-Means
  • 46. پیاده‌سازی K-Means در F#
  • 47. خوشه‌بندی سلسله‌مراتبی
  • 48. تحلیل مؤلفه‌های اصلی (PCA)
  • 49. کاربرد PCA در کاهش ابعاد
  • 50. مقدمه‌ای بر یادگیری تقویتی
  • 51. عناصر یادگیری تقویتی
  • 52. الگوریتم‌های یادگیری تقویتی پایه
  • 53. مقدمه‌ای بر توصیه‌گرها (Recommender Systems)
  • 54. فیلترینگ مبتنی بر محتوا
  • 55. فیلترینگ مشارکتی
  • 56. پیاده‌سازی توصیه‌گر ساده در F#
  • 57. مدیریت و آماده‌سازی داده‌های بزرگ
  • 58. مقدمه‌ای بر Big Data برای یادگیری ماشین
  • 59. کار با Apache Spark با F# (اختیاری)
  • 60. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 61. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 62. کاربرد مدل‌های از پیش آموزش‌دیده
  • 63. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 64. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GANs)
  • 65. مقدمه‌ای بر پردازش سیگنال
  • 66. کاربرد یادگیری ماشین در پردازش سیگنال
  • 67. مقدمه‌ای بر یادگیری ابزاری (Instrumental Learning)
  • 68. مقدمه‌ای بر یادگیری خودنظارت‌شده
  • 69. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 70. مقدمه‌ای بر یادگیری افزایشی (Incremental Learning)
  • 71. مقدمه‌ای بر یادگیری زمان واقعی (Real-time Learning)
  • 72. مقدمه‌ای بر یادگیری توزیع‌شده
  • 73. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 74. مقدمه‌ای بر مدل‌های گراف (Graph Neural Networks)
  • 75. کاربرد GNN در شبکه‌های اجتماعی
  • 76. مقدمه‌ای بر یادگیری ماشین توضیحی (Explainable AI - XAI)
  • 77. روش‌های تفسیر مدل‌های یادگیری ماشین
  • 78. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 79. سوگیری در داده‌ها و مدل‌ها
  • 80. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 81. مقدمه‌ای بر کاربردهای هوش مصنوعی در صنعت
  • 82. یادگیری ماشین در سلامت
  • 83. یادگیری ماشین در امور مالی
  • 84. یادگیری ماشین در تولید
  • 85. یادگیری ماشین در رباتیک
  • 86. مقدمه‌ای بر توسعهٔ مدل‌های یادگیری ماشین قابل استقرار
  • 87. مقدمه‌ای بر ابزارهای MLOps
  • 88. مقدمه‌ای بر نظارت و نگهداری مدل‌ها
  • 89. مقدمه‌ای بر آیندهٔ یادگیری ماشین
  • 90. آخرین روندها در هوش مصنوعی
  • 91. نکات پیشرفته در F# برای یادگیری ماشین
  • 92. ساخت اپلیکیشن‌های هوشمند با F#
  • 93. جمع‌بندی و گام‌های بعدی در یادگیری ماشین

📚 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.