سپنتا کتاب اکسپرس
کتاب درک الگوریتم‌ها: سفری در هوش مصنوعی (با رویکرد سازگار با قوانین)

کتاب درک الگوریتم‌ها: سفری در هوش مصنوعی (با رویکرد سازگار با قوانین)

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 درک الگوریتم‌ها: سفری در هوش مصنوعی (با رویکرد سازگار با قوانین)

موضوع کلی: هوش مصنوعی و علوم داده

موضوع میانی: مبانی و کاربردهای هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و علوم داده
  • 2. تاریخچه هوش مصنوعی
  • 3. مفاهیم پایه هوش مصنوعی
  • 4. هوش مصنوعی در مقابل علوم داده
  • 5. یادگیری ماشین چیست؟
  • 6. انواع یادگیری ماشین
  • 7. یادگیری نظارت شده
  • 8. یادگیری نظارت نشده
  • 9. یادگیری تقویتی
  • 10. شبکه‌های عصبی مصنوعی
  • 11. مبانی شبکه‌های عصبی
  • 12. شبکه‌های عصبی عمیق
  • 13. یادگیری عمیق
  • 14. کاربردهای یادگیری عمیق
  • 15. پردازش زبان طبیعی (NLP)
  • 16. مبانی پردازش زبان طبیعی
  • 17. کاربردهای پردازش زبان طبیعی
  • 18. بینایی ماشین
  • 19. مبانی بینایی ماشین
  • 20. کاربردهای بینایی ماشین
  • 21. سیستم‌های توصیه‌گر
  • 22. مبانی سیستم‌های توصیه‌گر
  • 23. طراحی سیستم‌های توصیه‌گر
  • 24. مدل‌های آماری در هوش مصنوعی
  • 25. احتمال و آمار برای هوش مصنوعی
  • 26. نظریه اطلاعات
  • 27. بهینه‌سازی در هوش مصنوعی
  • 28. الگوریتم‌های بهینه‌سازی
  • 29. گرادیان کاهشی
  • 30. هوش مصنوعی مولد
  • 31. مدل‌های زبانی بزرگ (LLMs)
  • 32. مبانی LLMs
  • 33. کاربردهای LLMs
  • 34. اخلاق در هوش مصنوعی
  • 35. سوگیری در هوش مصنوعی
  • 36. شفافیت و تفسیرپذیری در هوش مصنوعی
  • 37. حریم خصوصی در هوش مصنوعی
  • 38. امنیت در هوش مصنوعی
  • 39. کاربردهای هوش مصنوعی در صنعت
  • 40. هوش مصنوعی در بهداشت و درمان
  • 41. هوش مصنوعی در آموزش
  • 42. هوش مصنوعی در امور مالی
  • 43. هوش مصنوعی در کشاورزی
  • 44. هوش مصنوعی در حمل و نقل
  • 45. هوش مصنوعی در خدمات عمومی
  • 46. هوش مصنوعی و اقتصاد مقاومتی
  • 47. هوش مصنوعی و تحقق اهداف ملی
  • 48. مقدمه‌ای بر علم داده
  • 49. چرخه حیات علم داده
  • 50. جمع‌آوری داده
  • 51. پاکسازی و پیش‌پردازش داده
  • 52. کاوش و تحلیل داده
  • 53. مصورسازی داده
  • 54. مدل‌سازی داده
  • 55. ارزیابی مدل
  • 56. استقرار مدل
  • 57. ابزارها و فناوری‌های علم داده
  • 58. زبان‌های برنامه‌نویسی برای علم داده (پایتون، R)
  • 59. کتابخانه‌های علم داده (Pandas, NumPy, Scikit-learn)
  • 60. پایگاه‌های داده رابطه‌ای
  • 61. پایگاه‌های داده NoSQL
  • 62. مباحث پیشرفته در علم داده
  • 63. یادگیری عمیق برای علم داده
  • 64. پردازش زبان طبیعی برای علم داده
  • 65. بینایی ماشین برای علم داده
  • 66. یادگیری تقویتی برای علم داده
  • 67. تحلیل سری‌های زمانی
  • 68. تحلیل شبکه‌های اجتماعی
  • 69. تحلیل داده‌های مکانی
  • 70. مهندسی ویژگی
  • 71. انتخاب ویژگی
  • 72. کاهش ابعاد
  • 73. مدل‌های پیش‌بینی کننده
  • 74. طبقه‌بندی
  • 75. رگرسیون
  • 76. خوشه‌بندی
  • 77. تشخیص ناهنجاری
  • 78. مقدمه‌ای بر یادگیری ماشین با پایتون
  • 79. نصب و راه‌اندازی محیط پایتون
  • 80. کار با کتابخانه Pandas
  • 81. کار با کتابخانه NumPy
  • 82. مبانی Scikit-learn
  • 83. پیاده‌سازی الگوریتم‌های نظارت شده
  • 84. پیاده‌سازی الگوریتم‌های نظارت نشده
  • 85. ارزیابی مدل در پایتون
  • 86. معرفی چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 87. مبانی TensorFlow
  • 88. مبانی PyTorch
  • 89. ساخت اولین شبکه عصبی با TensorFlow
  • 90. ساخت اولین شبکه عصبی با PyTorch
  • 91. کاربرد هوش مصنوعی در ارتقاء بهره‌وری
  • 92. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
  • 93. هوش مصنوعی و تحلیل پیش‌بینانه
  • 94. هوش مصنوعی و مدیریت ریسک
  • 95. هوش مصنوعی و خودکارسازی وظایف
  • 96. هوش مصنوعی و توسعه پایدار
  • 97. هوش مصنوعی و حکمرانی داده
  • 98. هوش مصنوعی و نوآوری در کسب‌وکار
  • 99. هوش مصنوعی و مسئولیت‌پذیری سازمانی
  • 100. هوش مصنوعی و آینده کار

📚 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.