سپنتا کتاب اکسپرس
کتاب مبانی شبکه‌های عصبی و روش‌های تنظیم مدل برای کاربردهای عملی

کتاب مبانی شبکه‌های عصبی و روش‌های تنظیم مدل برای کاربردهای عملی

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 شبکه‌های عصبی و روش‌های تنظیم مدل برای کاربردهای عملی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 3. ساختار و اجزای یک نورون مصنوعی
  • 4. توابع فعال‌سازی در شبکه‌های عصبی
  • 5. لایه ورودی، لایه‌های پنهان و لایه خروجی
  • 6. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 7. یادگیری نظارت شده و بدون نظارت
  • 8. معرفی الگوریتم پس‌انتشار خطا (Backpropagation)
  • 9. گرادیان کاهشی (Gradient Descent) و انواع آن
  • 10. تنظیم نرخ یادگیری (Learning Rate)
  • 11. تابع هزینه (Cost Function) و اهمیت آن
  • 12. بهینه‌سازی توابع هزینه
  • 13. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 14. آموزش شبکه‌های عصبی عمیق
  • 15. معرفی یادگیری عمیق (Deep Learning)
  • 16. معماری‌های کلیدی در یادگیری عمیق
  • 17. شبکه‌های عصبی کانولوشنی (CNN)
  • 18. مفاهیم کانولوشن و پولینگ در CNN
  • 19. کاربردهای CNN در بینایی ماشین
  • 20. شبکه‌های عصبی بازگشتی (RNN)
  • 21. مفهوم حافظه در RNN
  • 22. کاربردهای RNN در پردازش زبان طبیعی
  • 23. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 24. شبکه‌های واحد بازگشتی (GRU)
  • 25. مقدمه‌ای بر تنظیم مدل (Model Regularization)
  • 26. چرا تنظیم مدل ضروری است؟
  • 27. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 28. روش‌های تشخیص بیش‌برازش
  • 29. تنظیم L1 و L2 (Ridge و Lasso Regression)
  • 30. کاهش وزن (Weight Decay)
  • 31. رهاسازی (Dropout) و نحوه عملکرد آن
  • 32. افزایش داده (Data Augmentation)
  • 33. توقف زودهنگام (Early Stopping)
  • 34. تنظیم پارامترهای مدل (Hyperparameter Tuning)
  • 35. جستجوی شبکه‌ای (Grid Search)
  • 36. جستجوی تصادفی (Random Search)
  • 37. بهینه‌سازی بیزی (Bayesian Optimization)
  • 38. معرفی مدل‌های تولیدی (Generative Models)
  • 39. شبکه‌های مولد تخاصمی (GAN)
  • 40. معماری Generator و Discriminator در GAN
  • 41. کاربردهای GAN در تولید داده
  • 42. خودرمزگذارها (Autoencoders)
  • 43. انواع خودرمزگذارها (VAE, DAE)
  • 44. کاربردهای خودرمزگذارها
  • 45. یادگیری انتقالی (Transfer Learning)
  • 46. استفاده از مدل‌های از پیش آموزش دیده
  • 47. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 48. معرفی یادگیری تقویتی (Reinforcement Learning)
  • 49. مفاهیم عامل، محیط، پاداش و حالت
  • 50. یادگیری Q (Q-Learning)
  • 51. یادگیری سیاست گرادیان (Policy Gradient)
  • 52. شبکه‌های عصبی در یادگیری تقویتی
  • 53. کاربردهای یادگیری تقویتی
  • 54. پردازش زبان طبیعی (NLP) با شبکه‌های عصبی
  • 55. تعبیه‌های کلمه (Word Embeddings)
  • 56. مدل‌های زبانی (Language Models)
  • 57. شبکه‌های عصبی برای طبقه‌بندی متن
  • 58. شبکه‌های عصبی برای تولید متن
  • 59. ترجمه ماشینی با شبکه‌های عصبی
  • 60. بینایی ماشین (Computer Vision) با شبکه‌های عصبی
  • 61. تشخیص اشیاء (Object Detection)
  • 62. بخش‌بندی تصویر (Image Segmentation)
  • 63. تولید زیرنویس برای تصاویر
  • 64. تحلیل احساسات (Sentiment Analysis)
  • 65. شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 66. کاربردهای شبکه‌های عصبی در بهداشت و درمان
  • 67. کاربرد شبکه‌های عصبی در امور مالی
  • 68. ملاحظات اخلاقی در هوش مصنوعی
  • 69. حریم خصوصی و امنیت داده‌ها
  • 70. توضیح‌پذیری مدل‌های هوش مصنوعی (Explainable AI - XAI)
  • 71. مدل‌های هیبریدی در یادگیری عمیق
  • 72. شبکه‌های عصبی گراف (Graph Neural Networks - GNN)
  • 73. مقدمه‌ای بر پردازش سیگنال با شبکه‌های عصبی
  • 74. شبکه‌های عصبی برای پیش‌بینی سری‌های زمانی
  • 75. کاربرد شبکه‌های عصبی در رباتیک
  • 76. معرفی مدل‌های ترنسفورمر (Transformer Models)
  • 77. مکانیزم توجه (Attention Mechanism)
  • 78. مدل‌های زبانی بزرگ (LLMs)
  • 79. تنظیم مدل برای کاربردهای خاص
  • 80. روش‌های ارزیابی مدل‌های یادگیری عمیق
  • 81. معیارهای ارزیابی برای مسائل طبقه‌بندی
  • 82. معیارهای ارزیابی برای مسائل رگرسیون
  • 83. اعتبارسنجی متقابل (Cross-Validation)
  • 84. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 85. امنیت در یادگیری فدرال
  • 86. کاربردهای یادگیری فدرال
  • 87. معرفی یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 88. تکنیک‌های یادگیری نیمه‌نظارتی
  • 89. کاربردهای یادگیری نیمه‌نظارتی
  • 90. شبکه‌های عصبی گراف کانولوشنی (GCN)
  • 91. شبکه‌های عصبی گراف زمانی (Temporal GNN)
  • 92. کاربرد GNN در تحلیل شبکه‌های اجتماعی
  • 93. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
  • 94. ترکیب داده‌های متنی و تصویری
  • 95. کاربرد یادگیری چندوجهی در سیستم‌های توصیه‌گر
  • 96. مدیریت حافظه در شبکه‌های عصبی عمیق
  • 97. بهینه‌سازی سخت‌افزاری برای شبکه‌های عصبی
  • 98. مقدمه‌ای بر یادگیری تقویتی عمیق (Deep RL)
  • 99. کاربرد Deep RL در بازی‌ها
  • 100. کاربرد Deep RL در بهینه‌سازی سیستم‌ها

📚 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.