سپنتا کتاب اکسپرس
کتاب اصول و مبانی نظری یادگیری عمیق با رویکرد علمی و کاربردی

کتاب اصول و مبانی نظری یادگیری عمیق با رویکرد علمی و کاربردی

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 اصول و مبانی نظری یادگیری عمیق با رویکرد علمی و کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی نظری یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مبانی نظری یادگیری عمیق: مقدمه
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. مدل‌های خطی در یادگیری عمیق
  • 4. توابع فعال‌سازی: از سیگموئید تا ReLU
  • 5. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 6. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 7. بهینه‌سازی گرادیان نزولی
  • 8. نرخ یادگیری و تنظیمات آن
  • 9. تکنیک‌های تنظیم نرخ یادگیری: کاهنده
  • 10. منظم‌سازی (Regularization) در شبکه‌های عصبی
  • 11. روش‌های منظم‌سازی: L1 و L2
  • 12. انسداد (Dropout) و کاربردهای آن
  • 13. شبکه‌های عصبی کانولوشنی (CNN)
  • 14. ساختار لایه‌های کانولوشن
  • 15. فیلترها و نقش آن‌ها در CNN
  • 16. لایه‌های تجمیع (Pooling)
  • 17. کاربردهای CNN در بینایی ماشین
  • 18. شبکه‌های عصبی بازگشتی (RNN)
  • 19. ساختار سلول RNN
  • 20. مشکلات گرادیان در RNN: انفجار و ناپدید شدن
  • 21. حافظه کوتاه‌مدت طولانی (LSTM)
  • 22. واحد گیت در LSTM
  • 23. کاربرد LSTM در پردازش زبان طبیعی
  • 24. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 25. مکانیزم توجه (Attention)
  • 26. خود-توجهی (Self-Attention)
  • 27. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 28. یادگیری انتقالی (Transfer Learning)
  • 29. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 30. تکنیک‌های افزایش داده (Data Augmentation)
  • 31. مدل‌های مولد (Generative Models)
  • 32. شبکه‌های مولد تخاصمی (GAN)
  • 33. مبانی GAN و نحوه آموزش
  • 34. کاربردهای GAN در تولید تصویر
  • 35. کدگذار-رمزگشا (Autoencoders)
  • 36. ساختار و کاربردهای Autoencoder
  • 37. Autoencoderهای متغیر (Variational Autoencoders - VAE)
  • 38. یادگیری تقویتی (Reinforcement Learning)
  • 39. مفاهیم پایه یادگیری تقویتی: عامل، محیط، پاداش
  • 40. یادگیری Q (Q-Learning)
  • 41. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 42. کاربرد یادگیری تقویتی در رباتیک
  • 43. شبکه‌های عصبی گراف (Graph Neural Networks - GNN)
  • 44. مبانی GNN و عملیات روی گراف‌ها
  • 45. کاربرد GNN در شبکه‌های اجتماعی
  • 46. مباحث پیشرفته در شبکه‌های عصبی
  • 47. شبکه‌های عصبی تصادفی (Random Neural Networks)
  • 48. شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
  • 49. نظریه اطلاعات در یادگیری عمیق
  • 50. آنتروپی و اطلاعات متقابل
  • 51. کاربرد نظریه اطلاعات در انتخاب ویژگی
  • 52. آنالیز پیچیدگی محاسباتی مدل‌ها
  • 53. پیچیدگیVC (VC Dimension)
  • 54. نظریه یادگیری آماری (Statistical Learning Theory)
  • 55. قضیه ول-وان (Vapnik-Chervonenkis Bound)
  • 56. یادگیری بدون نظارت (Unsupervised Learning)
  • 57. خوشه‌بندی (Clustering) با شبکه‌های عصبی
  • 58. کاهش ابعاد (Dimensionality Reduction)
  • 59. تحلیل مؤلفه‌های اصلی (PCA) با رویکرد شبکه‌های عصبی
  • 60. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 61. روش‌های ترکیب یادگیری نظارتی و بدون نظارت
  • 62. یادگیری چندوظیفه‌ای (Multi-Task Learning)
  • 63. به اشتراک‌گذاری ویژگی‌ها در Multi-Task Learning
  • 64. یادگیری عمیق توضیحی (Explainable AI - XAI)
  • 65. روش‌های تفسیرپذیری مدل‌های یادگیری عمیق
  • 66. LIME و SHAP
  • 67. ملاحظات اخلاقی در هوش مصنوعی
  • 68. سوگیری در داده‌ها و مدل‌ها
  • 69. عدالت و شفافیت در هوش مصنوعی
  • 70. امنیت مدل‌های یادگیری عمیق
  • 71. حملات متخاصم (Adversarial Attacks)
  • 72. روش‌های دفاع در برابر حملات متخاصم
  • 73. یادگیری عمیق در علم داده
  • 74. کاربرد یادگیری عمیق در پیش‌بینی سری‌های زمانی
  • 75. تحلیل احساسات با شبکه‌های عصبی
  • 76. پردازش تصویر پیشرفته با یادگیری عمیق
  • 77. تشخیص اشیاء و بخش‌بندی تصویر
  • 78. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 79. مبانی سیستم‌های توصیه‌گر مبتنی بر یادگیری عمیق
  • 80. استفاده از شبکه‌های عصبی در توصیه‌گرها
  • 81. یادگیری عمیق در پردازش گفتار
  • 82. تشخیص گفتار و سنتز گفتار
  • 83. مدل‌های زبان بزرگ (Large Language Models - LLM)
  • 84. معماری و آموزش LLMها
  • 85. کاربرد LLM در تولید متن و خلاصه‌سازی
  • 86. بهینه‌سازی مدل‌های یادگیری عمیق
  • 87. تکنیک‌های موازی‌سازی و توزیع آموزش
  • 88. سخت‌افزار مناسب برای یادگیری عمیق
  • 89. فریم‌ورک‌های یادگیری عمیق: TensorFlow و PyTorch
  • 90. مفاهیم پیشرفته در بهینه‌سازی
  • 91. روش‌های بهینه‌سازی تصادفی پیشرفته
  • 92. همگرایی مدل‌های یادگیری عمیق
  • 93. تحلیل پایداری مدل‌ها
  • 94. مبانی نظری یادگیری عمیق: جمع‌بندی
  • 95. چالش‌های آینده در یادگیری عمیق
  • 96. یادگیری عمیق قابل اعتماد و امن
  • 97. آینده هوش مصنوعی و یادگیری عمیق

📚 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.