سپنتا کتاب اکسپرس
کتاب مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق (با تمرکز بر مفاهیم Lecture 19)

کتاب مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق (با تمرکز بر مفاهیم Lecture 19)

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 مقدمه‌ای بر شبکه‌های عصبی و یادگیری عمیق (با تمرکز بر مفاهیم Lecture 19)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 2. تاریخچه مختصر شبکه‌های عصبی
  • 3. مفهوم نورون مصنوعی
  • 4. توابع فعال‌سازی خطی و غیرخطی
  • 5. تابع فعال‌سازی سیگموئید
  • 6. تابع فعال‌سازی ReLU
  • 7. تابع فعال‌سازی تانژانت هیپربولیک
  • 8. ساختار لایه‌ای شبکه‌های عصبی
  • 9. شبکه‌های عصبی پرسپترون تک‌لایه
  • 10. محدودیت‌های پرسپترون تک‌لایه
  • 11. شبکه‌های عصبی پرسپترون چندلایه
  • 12. مفهوم پس‌انتشار خطا (Backpropagation)
  • 13. الگوریتم پس‌انتشار خطا
  • 14. نقش گرادیان در پس‌انتشار
  • 15. نرخ یادگیری و تأثیر آن
  • 16. بهینه‌سازی وزن‌ها و بایاس‌ها
  • 17. توابع هزینه (Loss Functions)
  • 18. میانگین مربعات خطا (MSE)
  • 19. آنتروپی متقاطع (Cross-Entropy)
  • 20. طبقه‌بندی دودویی با شبکه‌های عصبی
  • 21. طبقه‌بندی چندکلاسه با شبکه‌های عصبی
  • 22. آموزش شبکه‌های عصبی عمیق
  • 23. چالش‌های شبکه‌های عصبی عمیق
  • 24. پدیده ناپدید شدن گرادیان (Vanishing Gradient)
  • 25. پدیده انفجار گرادیان (Exploding Gradient)
  • 26. روش‌های تنظیم نرخ یادگیری
  • 27. بهینه‌سازهای مبتنی بر گرادیان نزولی
  • 28. بهینه‌ساز Adam
  • 29. بهینه‌ساز RMSprop
  • 30. بهینه‌ساز Adagrad
  • 31. تنظیم پارامترهای پنهان
  • 32. منظم‌سازی (Regularization)
  • 33. منظم‌سازی L1 و L2
  • 34. تکنیک Dropout
  • 35. توقف زودهنگام (Early Stopping)
  • 36. شبکه‌های عصبی کانولوشنی (CNN)
  • 37. معماری شبکه‌های عصبی کانولوشنی
  • 38. لایه کانولوشن
  • 39. فیلترهای کانولوشن
  • 40. لایه‌های Pooling
  • 41. شبکه‌های عصبی بازگشتی (RNN)
  • 42. معماری شبکه‌های عصبی بازگشتی
  • 43. مشکل حافظه بلندمدت در RNN
  • 44. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 45. معماری LSTM
  • 46. سلول‌های LSTM
  • 47. مکانیسم گیت در LSTM
  • 48. شبکه‌های حافظه طولانی کوتاه مدت (GRU)
  • 49. معماری GRU
  • 50. مقایسه LSTM و GRU
  • 51. کاربردهای شبکه‌های عصبی در بینایی ماشین
  • 52. تشخیص اشیاء با CNN
  • 53. تشخیص چهره با CNN
  • 54. پردازش تصویر با CNN
  • 55. کاربردهای شبکه‌های عصبی در پردازش زبان طبیعی
  • 56. ترجمه ماشینی آماری
  • 57. مدل‌های زبانی مبتنی بر RNN
  • 58. مدل‌های زبانی مبتنی بر Transformer
  • 59. شبکه‌های عصبی مولد (GAN)
  • 60. معماری شبکه‌های عصبی مولد
  • 61. مولد (Generator)
  • 62. متمایزکننده (Discriminator)
  • 63. آموزش شبکه‌های عصبی مولد
  • 64. کاربردهای GAN در تولید تصویر
  • 65. شبکه‌های عصبی خودرمزگذار (Autoencoder)
  • 66. معماری خودرمزگذار
  • 67. رمزگذار (Encoder)
  • 68. رمزگشا (Decoder)
  • 69. کاربردهای خودرمزگذار در کاهش ابعاد
  • 70. کاهش ابعاد با یادگیری عمیق
  • 71. کاربردهای خودرمزگذار در حذف نویز
  • 72. یادگیری نمایش (Representation Learning)
  • 73. یادگیری نمایش خودنظارتی
  • 74. یادگیری نمایش با شبکه‌های عصبی
  • 75. شبکه‌های عصبی با توجه (Attention Mechanisms)
  • 76. مفهوم مکانیزم توجه
  • 77. کاربرد توجه در پردازش زبان طبیعی
  • 78. مدل‌های Transformer
  • 79. معماری مدل‌های Transformer
  • 80. لایه‌های Encoder-Decoder در Transformer
  • 81. مکانیزم خودتوجهی (Self-Attention)
  • 82. کاربرد توجه در بینایی ماشین
  • 83. شبکه‌های عصبی گراف (GNN)
  • 84. مفهوم گراف در یادگیری ماشین
  • 85. معماری شبکه‌های عصبی گراف
  • 86. انتشار پیام (Message Passing)
  • 87. کاربرد GNN در شبکه‌های اجتماعی
  • 88. کاربرد GNN در شیمی و زیست‌شناسی
  • 89. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 90. مفاهیم یادگیری تقویتی
  • 91. عامل (Agent)
  • 92. محیط (Environment)
  • 93. پاداش (Reward)
  • 94. سیاست (Policy)
  • 95. تابع ارزش (Value Function)
  • 96. الگوریتم Q-learning
  • 97. Deep Q-Networks (DQN)
  • 98. کاربرد DRL در رباتیک
  • 99. کاربرد DRL در بازی‌ها
  • 100. کاربرد DRL در سیستم‌های توصیه‌گر

📚 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.