سپنتا کتاب اکسپرس
کتاب مبانی نظری و کاربردهای یادگیری عمیق در علوم و مهندسی

کتاب مبانی نظری و کاربردهای یادگیری عمیق در علوم و مهندسی

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 نظری و کاربردهای یادگیری عمیق در علوم و مهندسی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق و شبکه‌های عصبی
  • 2. تاریخچه و تکامل یادگیری عمیق
  • 3. مفاهیم پایه شبکه‌های عصبی مصنوعی
  • 4. توابع فعال‌سازی و نقش آن‌ها
  • 5. تخمین‌گرهای گرادیان و بهینه‌سازی
  • 6. پس‌انتشار خطا (Backpropagation)
  • 7. مدل‌های یادگیری عمیق: شبکه‌های پیش‌خور (Feedforward)
  • 8. شبکه‌های عصبی کانولوشنی (CNN) - بخش اول
  • 9. شبکه‌های عصبی کانولوشنی (CNN) - بخش دوم
  • 10. شبکه‌های عصبی بازگشتی (RNN) - بخش اول
  • 11. شبکه‌های عصبی بازگشتی (RNN) - بخش دوم
  • 12. حافظه طولانی کوتاه‌مدت (LSTM)
  • 13. واحد بازگشتی گریدی (GRU)
  • 14. شبکه‌های مولد تخاصمی (GAN) - بخش اول
  • 15. شبکه‌های مولد تخاصمی (GAN) - بخش دوم
  • 16. ترانسفورمرها (Transformers) و مکانیزم توجه (Attention)
  • 17. یادگیری تقویتی (Reinforcement Learning) - مفاهیم پایه
  • 18. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 19. پیش‌پردازش داده‌ها برای یادگیری عمیق
  • 20. تکنیک‌های افزایش داده (Data Augmentation)
  • 21. تنظیم‌گرها (Regularization) و جلوگیری از بیش‌برازش (Overfitting)
  • 22. روش‌های بهینه‌سازی پیشرفته
  • 23. انتخاب معماری مناسب شبکه عصبی
  • 24. ارزیابی مدل‌های یادگیری عمیق
  • 25. تفسیرپذیری در یادگیری عمیق (Explainable AI)
  • 26. یادگیری انتقالی (Transfer Learning)
  • 27. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 28. یادگیری خودنظارتی (Self-Supervised Learning)
  • 29. کاربرد یادگیری عمیق در بینایی ماشین (بخش اول)
  • 30. کاربرد یادگیری عمیق در بینایی ماشین (بخش دوم)
  • 31. پردازش زبان طبیعی با یادگیری عمیق (بخش اول)
  • 32. پردازش زبان طبیعی با یادگیری عمیق (بخش دوم)
  • 33. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 34. یادگیری عمیق در حوزه سلامت و پزشکی
  • 35. یادگیری عمیق در امور مالی و اقتصادی
  • 36. یادگیری عمیق در رباتیک و سیستم‌های خودمختار
  • 37. ملاحظات اخلاقی و اجتماعی در یادگیری عمیق
  • 38. امنیت و حریم خصوصی در سیستم‌های یادگیری عمیق
  • 39. پیاده‌سازی شبکه‌های عصبی با فریم‌ورک‌های رایج
  • 40. مقدمه‌ای بر مفاهیم ریاضی یادگیری عمیق
  • 41. جبر خطی برای یادگیری عمیق
  • 42. حساب دیفرانسیل و انتگرال برای یادگیری عمیق
  • 43. احتمال و آمار برای یادگیری عمیق
  • 44. بهینه‌سازی محدب (Convex Optimization)
  • 45. توابع زیان (Loss Functions) و معیارهای ارزیابی
  • 46. فعال‌سازی‌های غیرخطی و اهمیت آن‌ها
  • 47. شبکه‌های عصبی کانولوشنی: لایه‌ها و معماری‌ها
  • 48. شبکه‌های عصبی بازگشتی: انواع و کاربردها
  • 49. مدل‌های زبانی (Language Models) مبتنی بر یادگیری عمیق
  • 50. شبکه‌های مولد تخاصمی: اصول و انواع
  • 51. ترانسفورمرها: مکانیزم توجه و کاربردهای نوین
  • 52. یادگیری تقویتی: الگوریتم‌های پایه
  • 53. یادگیری تقویتی عمیق: الگوریتم‌های پیشرفته
  • 54. تکنیک‌های تنظیم‌گر: L1، L2 و Dropout
  • 55. روش‌های بهینه‌سازی: Adam، RMSprop و Adagrad
  • 56. معماری‌های شبکه‌های عصبی عمیق
  • 57. تکنیک‌های کاهش ابعاد (Dimensionality Reduction)
  • 58. یادگیری عمیق برای داده‌های سری زمانی
  • 59. یادگیری عمیق برای داده‌های گراف (Graph Neural Networks)
  • 60. یادگیری عمیق در تشخیص الگو
  • 61. یادگیری عمیق در طبقه‌بندی تصاویر
  • 62. یادگیری عمیق در تشخیص اشیاء
  • 63. یادگیری عمیق در بخش‌بندی تصاویر
  • 64. یادگیری عمیق در تولید تصاویر
  • 65. یادگیری عمیق در ترجمه ماشینی
  • 66. یادگیری عمیق در خلاصه‌سازی متن
  • 67. یادگیری عمیق در تحلیل احساسات
  • 68. یادگیری عمیق در پاسخ به پرسش
  • 69. یادگیری عمیق در تشخیص گفتار
  • 70. یادگیری عمیق در تولید گفتار
  • 71. یادگیری عمیق در بازی‌های رایانه‌ای
  • 72. یادگیری عمیق در کشف دارو
  • 73. یادگیری عمیق در مدل‌سازی آب و هوا
  • 74. یادگیری عمیق در تحلیل داده‌های بزرگ
  • 75. یادگیری عمیق در پردازش سیگنال
  • 76. یادگیری عمیق در کنترل سیستم‌ها
  • 77. یادگیری عمیق در امنیت سایبری
  • 78. یادگیری عمیق در رباتیک هوشمند
  • 79. یادگیری عمیق در خودران‌ها
  • 80. مبانی فقهی و حقوقی استفاده از هوش مصنوعی
  • 81. چارچوب‌های قانونی و مقرراتی هوش مصنوعی در ایران
  • 82. استانداردهای اخلاقی در توسعه و به‌کارگیری هوش مصنوعی
  • 83. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 84. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندهای صنعتی
  • 85. کاربرد هوش مصنوعی در مدیریت منابع انرژی
  • 86. کاربرد هوش مصنوعی در کشاورزی هوشمند
  • 87. کاربرد هوش مصنوعی در شهرهای هوشمند
  • 88. کاربرد هوش مصنوعی در آموزش و پرورش
  • 89. کاربرد هوش مصنوعی در سیستم‌های اداری و دولتی
  • 90. مبانی نظری یادگیری عمیق برای داده‌های غیرساختاریافته
  • 91. معرفی مدل‌های پیشرفته یادگیری عمیق
  • 92. بررسی چالش‌های عملی در پیاده‌سازی یادگیری عمیق
  • 93. آینده یادگیری عمیق و روندهای پژوهشی
  • 94. یادگیری عمیق و تعامل انسان و 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.