سپنتا کتاب اکسپرس
کتاب ریاضیات پایه برای شبکه‌های عصبی عمیق: مقدمه

کتاب ریاضیات پایه برای شبکه‌های عصبی عمیق: مقدمه

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 ریاضیات پایه برای شبکه‌های عصبی عمیق: مقدمه

موضوع کلی: علوم کامپیوتر و مهندسی

موضوع میانی: مبانی ریاضی یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه ای بر یادگیری عمیق
  • 2. مفهوم شبکه عصبی مصنوعی
  • 3. ساختار پایه نورون
  • 4. توابع فعال‌سازی
  • 5. مفهوم وزن و بایاس
  • 6. آموزش شبکه عصبی
  • 7. گرادیان کاهشی
  • 8. پس‌انتشار خطا
  • 9. تابع هزینه
  • 10. بهینه‌سازی در یادگیری عمیق
  • 11. مفهوم یادگیری نظارت شده
  • 12. یادگیری بدون نظارت
  • 13. یادگیری تقویتی
  • 14. مفهوم مجموعه داده
  • 15. تقسیم داده به آموزش، اعتبارسنجی و تست
  • 16. پیش‌پردازش داده‌ها
  • 17. نرمال‌سازی داده‌ها
  • 18. استانداردسازی داده‌ها
  • 19. کدگذاری دسته‌ای (One-Hot Encoding)
  • 20. مفهوم بردار ویژگی
  • 21. مفهوم ماتریس ویژگی
  • 22. مفهوم ماتریس کوواریانس
  • 23. تحلیل مولفه‌های اصلی (PCA)
  • 24. کاهش ابعاد
  • 25. مفهوم رگرسیون خطی
  • 26. مدل‌های رگرسیون چندگانه
  • 27. مفهوم طبقه‌بندی
  • 28. رگرسیون لجستیک
  • 29. مفهوم تابع سیگموئید
  • 30. مفهوم آستانه تصمیم‌گیری
  • 31. مفهوم ماتریس درهم‌ریختگی (Confusion Matrix)
  • 32. دقت (Accuracy)
  • 33. صحت (Precision)
  • 34. بازیابی (Recall)
  • 35. امتیاز F1
  • 36. منحنی ROC
  • 37. مساحت زیر منحنی ROC (AUC)
  • 38. مفهوم بایاس و واریانس
  • 39. خطای بایاس
  • 40. خطای واریانس
  • 41. توازن بایاس-واریانس
  • 42. بیش‌برازش (Overfitting)
  • 43. کم‌برازش (Underfitting)
  • 44. تنظیم‌گری (Regularization)
  • 45. تنظیم‌گری L1
  • 46. تنظیم‌گری L2
  • 47. ریزش نورون (Dropout)
  • 48. افزایش داده (Data Augmentation)
  • 49. شبکه‌های عصبی کانولوشنی (CNN)
  • 50. لایه‌های کانولوشن
  • 51. فیلترها (Kernels)
  • 52. لایه‌های پولینگ (Pooling Layers)
  • 53. مفهوم استراید (Stride)
  • 54. مفهوم پدینگ (Padding)
  • 55. شبکه‌های عصبی بازگشتی (RNN)
  • 56. حافظه کوتاه‌مدت (LSTM)
  • 57. واحد بازگشتی دروازه‌ای (GRU)
  • 58. مفهوم توالی (Sequence)
  • 59. پردازش زبان طبیعی (NLP)
  • 60. مدل‌های زبانی
  • 61. جاسازی کلمات (Word Embeddings)
  • 62. Word2Vec
  • 63. GloVe
  • 64. مفهوم شبکه‌های مولد تخاصمی (GAN)
  • 65. شبکه مولد (Generator)
  • 66. شبکه متمایزکننده (Discriminator)
  • 67. آموزش GAN
  • 68. مفهوم یادگیری انتقالی (Transfer Learning)
  • 69. تنظیم دقیق (Fine-tuning)
  • 70. مفهوم فراداده (Metadata)
  • 71. مدل‌های گرادیان افزایشی (Gradient Boosting Models)
  • 72. درخت تصمیم
  • 73. جنگل تصادفی (Random Forest)
  • 74. ماشین‌های بردار پشتیبان (SVM)
  • 75. هسته‌ها (Kernels) در SVM
  • 76. کاربرد یادگیری عمیق در بینایی ماشین
  • 77. کاربرد یادگیری عمیق در پردازش صدا
  • 78. کاربرد یادگیری عمیق در سیستم‌های توصیه‌گر
  • 79. اخلاق در هوش مصنوعی
  • 80. حریم خصوصی در داده‌ها
  • 81. سوگیری در الگوریتم‌ها
  • 82. مسئولیت‌پذیری در هوش مصنوعی
  • 83. مقدمه‌ای بر جبر خطی
  • 84. بردارها و عملیات برداری
  • 85. ماتریس‌ها و عملیات ماتریسی
  • 86. ضرب ماتریس‌ها
  • 87. معکوس ماتریس
  • 88. دترمینان ماتریس
  • 89. مقادیر ویژه و بردارهای ویژه
  • 90. مفهوم فضای برداری
  • 91. فضاهای برداری زیرین
  • 92. مفهوم نگاشت خطی
  • 93. تجزیه مقادیر منفرد (SVD)
  • 94. مقدمه‌ای بر حساب دیفرانسیل
  • 95. مشتق توابع یک متغیره
  • 96. قاعده زنجیره‌ای (Chain Rule)
  • 97. مشتق توابع چند متغیره
  • 98. گرادیان
  • 99. هسین (Hessian)
  • 100. مفهوم بهینه‌سازی بدون قید

📚 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.