سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای عملی یادگیری ماشین در صنعت

کتاب مبانی و کاربردهای عملی یادگیری ماشین در صنعت

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 عملی یادگیری ماشین در صنعت

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مبانی علم داده و یادگیری ماشین
  • 2. مقدمه بر یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مجموعه داده‌ها و آماده‌سازی آن‌ها
  • 5. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 6. مهندسی ویژگی: انتخاب و استخراج ویژگی
  • 7. مدل‌های یادگیری نظارت شده: رگرسیون خطی
  • 8. مدل‌های یادگیری نظارت شده: رگرسیون لجستیک
  • 9. طبقه‌بندی‌کننده‌های بیز ساده
  • 10. دسته‌بندهای ماشین بردار پشتیبان (SVM)
  • 11. درختان تصمیم
  • 12. جنگل‌های تصادفی
  • 13. گره‌بندی K-نزدیک‌ترین همسایه (KNN)
  • 14. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، بازیابی
  • 15. ارزیابی مدل‌های طبقه‌بندی: امتیاز F1 و منحنی ROC
  • 16. مدل‌های یادگیری بدون نظارت: خوشه‌بندی K-Means
  • 17. خوشه‌بندی سلسله مراتبی
  • 18. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد
  • 19. مقدمه بر یادگیری عمیق
  • 20. شبکه‌های عصبی مصنوعی (ANN)
  • 21. توابع فعال‌سازی در شبکه‌های عصبی
  • 22. پس‌انتشار خطا (Backpropagation)
  • 23. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 24. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 25. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 26. کاربرد یادگیری ماشین در پردازش زبان طبیعی (NLP)
  • 27. مدل‌های زبانی و تولید متن
  • 28. تحلیل احساسات
  • 29. ترجمه ماشینی
  • 30. کاربرد یادگیری ماشین در بینایی ماشین
  • 31. تشخیص اشیاء
  • 32. تقسیم‌بندی تصویر
  • 33. تولید تصویر
  • 34. یادگیری تقویتی: مبانی و مفاهیم
  • 35. عوامل و محیط در یادگیری تقویتی
  • 36. تابع ارزش و تابع سیاست
  • 37. یادگیری Q
  • 38. یادگیری Q عمیق (DQN)
  • 39. یادگیری تقویتی بدون مدل
  • 40. یادگیری تقویتی با مدل
  • 41. کاربردهای عملی یادگیری ماشین در صنعت
  • 42. یادگیری ماشین در تجارت الکترونیک: توصیه‌گرها
  • 43. یادگیری ماشین در امور مالی: تشخیص تقلب
  • 44. یادگیری ماشین در امور مالی: پیش‌بینی بازار سهام
  • 45. یادگیری ماشین در سلامت: تشخیص بیماری
  • 46. یادگیری ماشین در سلامت: کشف دارو
  • 47. یادگیری ماشین در صنعت: پیش‌بینی خرابی تجهیزات
  • 48. یادگیری ماشین در صنعت: بهینه‌سازی فرآیندها
  • 49. یادگیری ماشین در حمل و نقل: خودروهای خودران
  • 50. یادگیری ماشین در حمل و نقل: بهینه‌سازی مسیر
  • 51. اخلاقیات در هوش مصنوعی و یادگیری ماشین
  • 52. سوگیری در الگوریتم‌های یادگیری ماشین
  • 53. تفسیرپذیری مدل‌های یادگیری ماشین
  • 54. حریم خصوصی و امنیت در یادگیری ماشین
  • 55. یادگیری ماشین پایدار و مسئولانه
  • 56. آینده یادگیری ماشین و هوش مصنوعی
  • 57. مقدمه بر مدل‌های تولیدی
  • 58. مدل‌های مولد مبتنی بر واگرایی (GANs)
  • 59. شبکه‌های مولد متخاصم (GANs)
  • 60. یادگیری خود-نظارت شده
  • 61. یادگیری نیمه-نظارت شده
  • 62. یادگیری انتقالی
  • 63. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 64. مقدمه بر یادگیری انبوه (Federated Learning)
  • 65. حفظ حریم خصوصی در یادگیری انبوه
  • 66. کاربردهای یادگیری انبوه
  • 67. مقدمه بر یادگیری افزایشی (Incremental Learning)
  • 68. روش‌های یادگیری افزایشی
  • 69. کاربردهای یادگیری افزایشی
  • 70. مقدمه بر یادگیری فعال (Active Learning)
  • 71. راهبردهای نمونه‌گیری در یادگیری فعال
  • 72. کاربردهای یادگیری فعال
  • 73. یادگیری ماشین توضیحی (XAI)
  • 74. تکنیک‌های XAI: LIME و SHAP
  • 75. پیاده‌سازی مدل‌های یادگیری ماشین در مقیاس بزرگ
  • 76. مقدمه بر مهندسی ویژگی پیشرفته
  • 77. انتخاب ویژگی مبتنی بر مدل
  • 78. استخراج ویژگی غیرخطی
  • 79. مدل‌های یادگیری ماشین برای داده‌های گراف
  • 80. شبکه‌های عصبی گراف (GNNs)
  • 81. کاربردهای GNNs
  • 82. مقدمه بر یادگیری تقویتی عمیق
  • 83. کاربردهای یادگیری تقویتی عمیق
  • 84. مدل‌سازی آماری در یادگیری ماشین
  • 85. مقدمه بر بیزین (Bayesian) یادگیری ماشین
  • 86. استنتاج بیزین
  • 87. شبکه‌های بیزین
  • 88. مقدمه بر یادگیری تقویتی با عامل چندگانه
  • 89. مسائل هماهنگی در یادگیری تقویتی چندعامله
  • 90. کاربردهای یادگیری تقویتی چندعامله
  • 91. مقدمه بر یادگیری توالی (Sequence Learning)
  • 92. مدل‌های ترنسفورمر (Transformer)
  • 93. کاربردهای مدل‌های ترنسفورمر
  • 94. مقدمه بر یادگیری عمیق مولد برای داده‌های ساختاریافته
  • 95. مدل‌های مولد برای داده‌های جدولی
  • 96. کاربردهای مدل‌های مولد برای داده‌های جدولی
  • 97. مقدمه بر یادگیری ماشین در زمان واقعی
  • 98. بهینه‌سازی مدل‌ها برای اجرا در زمان واقعی
  • 99. چالش‌های پیاده‌سازی یادگیری ماشین در زمان واقعی
  • 100. مقدمه بر یادگیری ماشین توزیع شده

📚 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.