سپنتا کتاب اکسپرس
کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی نرم‌افزار

کتاب مبانی و کاربردهای یادگیری عمیق در مهندسی نرم‌افزار

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 یادگیری عمیق در مهندسی نرم‌افزار

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
  • 2. تاریخچه هوش مصنوعی
  • 3. انواع یادگیری ماشین
  • 4. یادگیری با نظارت
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. شبکه‌های عصبی مصنوعی
  • 8. تابع فعال‌سازی
  • 9. پس‌انتشار خطا
  • 10. شبکه‌های عصبی کانولوشنی (CNN)
  • 11. کاربردهای CNN در پردازش تصویر
  • 12. شبکه‌های عصبی بازگشتی (RNN)
  • 13. کاربردهای RNN در پردازش زبان طبیعی
  • 14. حافظه طولانی کوتاه مدت (LSTM)
  • 15. واحد بازگشتی دروازه‌ای (GRU)
  • 16. شبکه‌های مولد تخاصمی (GAN)
  • 17. معماری GAN
  • 18. کاربردهای GAN
  • 19. یادگیری عمیق در بینایی ماشین
  • 20. تشخیص اشیاء
  • 21. تقسیم‌بندی تصویر
  • 22. تولید تصویر
  • 23. یادگیری عمیق در پردازش زبان طبیعی
  • 24. مدل‌های زبانی
  • 25. ترجمه ماشینی
  • 26. تولید متن
  • 27. تحلیل احساسات
  • 28. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 29. فیلترینگ مشارکتی
  • 30. فیلترینگ مبتنی بر محتوا
  • 31. ترکیب روش‌ها
  • 32. یادگیری عمیق در مهندسی نرم‌افزار
  • 33. مهندسی ویژگی در یادگیری عمیق
  • 34. تنظیم هایپرپارامترها
  • 35. اعتبارسنجی مدل
  • 36. کاهش ابعاد
  • 37. انتخاب مدل
  • 38. بهینه‌سازی مدل
  • 39. آموزش توزیع شده
  • 40. استفاده از GPU و TPU
  • 41. کتابخانه‌ها و فریم‌ورک‌های یادگیری عمیق
  • 42. TensorFlow
  • 43. PyTorch
  • 44. Keras
  • 45. Scikit-learn
  • 46. مقدمه‌ای بر مفاهیم ریاضی در یادگیری عمیق
  • 47. جبر خطی
  • 48. حساب دیفرانسیل و انتگرال
  • 49. احتمال و آمار
  • 50. مفاهیم بهینه‌سازی
  • 51. گرادیان کاهشی
  • 52. بهینه‌سازهای پیشرفته
  • 53. تنظیم‌کننده‌ها (Regularization)
  • 54. L1 و L2 Regularization
  • 55. Dropout
  • 56. Data Augmentation
  • 57. یادگیری انتقالی (Transfer Learning)
  • 58. Fine-tuning مدل‌های از پیش آموزش دیده
  • 59. کاربرد یادگیری انتقالی در مسائل مختلف
  • 60. مقدمه‌ای بر یادگیری عمیق غیرنظارتی
  • 61. خودرمزگذارها (Autoencoders)
  • 62. کاربردهای خودرمزگذارها
  • 63. شبکه‌های عصبی گراف (GNN)
  • 64. کاربردهای GNN
  • 65. یادگیری عمیق برای داده‌های سری زمانی
  • 66. مدل‌های پیش‌بینی سری زمانی
  • 67. کاربردها در اقتصاد و مالی
  • 68. مقدمه‌ای بر یادگیری عمیق برای داده‌های صوتی
  • 69. پردازش گفتار
  • 70. تشخیص صدا
  • 71. یادگیری عمیق در رباتیک
  • 72. کنترل ربات
  • 73. ناوبری ربات
  • 74. یادگیری عمیق در بازی‌ها
  • 75. یادگیری تقویتی در بازی‌ها
  • 76. تکنیک‌های پیشرفته در یادگیری عمیق
  • 77. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 78. یادگیری یک‌شات (One-shot Learning)
  • 79. یادگیری صفرشات (Zero-shot Learning)
  • 80. مقدمه‌ای بر اخلاق در هوش مصنوعی
  • 81. سوگیری در داده‌ها و مدل‌ها
  • 82. شفافیت و قابلیت توضیح‌پذیری (Explainability)
  • 83. حریم خصوصی در هوش مصنوعی
  • 84. امنیت مدل‌های یادگیری عمیق
  • 85. حملات تخاصمی (Adversarial Attacks)
  • 86. دفاع در برابر حملات تخاصمی
  • 87. معماری‌های نوین در یادگیری عمیق
  • 88. Transformer Networks
  • 89. کاربردهای Transformer
  • 90. مقدمه‌ای بر یادگیری عمیق ترکیبی
  • 91. یادگیری عمیق در مهندسی پزشکی
  • 92. تشخیص بیماری با تصویربرداری پزشکی
  • 93. توسعه دارو
  • 94. یادگیری عمیق در تحلیل داده‌های بزرگ
  • 95. کاربردها در صنعت
  • 96. یادگیری عمیق در حوزه انرژی
  • 97. بهینه‌سازی مصرف انرژی
  • 98. پیش‌بینی تولید انرژی
  • 99. یادگیری عمیق در کشاورزی هوشمند
  • 100. تشخیص آفات و بیماری‌ها

📚 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.