سپنتا کتاب اکسپرس
کتاب تکنیک‌های توضیح‌پذیری مدل‌های پیچیده هوش مصنوعی

کتاب تکنیک‌های توضیح‌پذیری مدل‌های پیچیده هوش مصنوعی

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 تکنیک‌های توضیح‌پذیری مدل‌های پیچیده هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: هوش مصنوعی قابل اعتماد (Trustworthy AI)

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و مدل‌های پیچیده
  • 2. مقدمه‌ای بر توضیح‌پذیری (Explainability)
  • 3. چرا مدل‌های پیچیده نیاز به توضیح دارند؟
  • 4. اهمیت توضیح‌پذیری در کاربردهای حیاتی
  • 5. دسته‌بندی روش‌های توضیح‌پذیری
  • 6. روش‌های مبتنی بر مدل (Model-Based Methods)
  • 7. روش‌های مستقل از مدل (Model-Agnostic Methods)
  • 8. مفاهیم کلیدی در توضیح‌پذیری
  • 9. شاخص‌های ارزیابی توضیح‌پذیری
  • 10. توضیح‌پذیری محلی در مقابل توضیح‌پذیری سراسری
  • 11. مقدمه‌ای بر مدل‌های یادگیری ماشین پیچیده
  • 12. شبکه‌های عصبی عمیق (Deep Neural Networks)
  • 13. ماشین‌های بردار پشتیبان (Support Vector Machines)
  • 14. جنگل‌های تصادفی (Random Forests)
  • 15. تقویت گرادیان (Gradient Boosting)
  • 16. مدل‌های زبانی بزرگ (Large Language Models)
  • 17. مدل‌های تولید تصویر (Generative Image Models)
  • 18. مقدمه‌ای بر داده‌ها و پیش‌پردازش آن‌ها
  • 19. انواع داده‌ها در هوش مصنوعی
  • 20. پاکسازی و آماده‌سازی داده‌ها
  • 21. مهندسی ویژگی (Feature Engineering)
  • 22. انتخاب ویژگی (Feature Selection)
  • 23. روش‌های بصری‌سازی داده‌ها
  • 24. مقدمه‌ای بر ارزیابی مدل‌های یادگیری ماشین
  • 25. معیارهای ارزیابی برای طبقه‌بندی
  • 26. معیارهای ارزیابی برای رگرسیون
  • 27. اعتبارسنجی متقابل (Cross-Validation)
  • 28. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 29. تشخیص بیش‌برازش و راهکارهای آن
  • 30. تکنیک LIME (Local Interpretable Model-agnostic Explanations)
  • 31. کاربرد LIME در مدل‌های طبقه‌بندی
  • 32. کاربرد LIME در مدل‌های رگرسیون
  • 33. مثال‌های عملی با LIME
  • 34. تکنیک SHAP (SHapley Additive exPlanations)
  • 35. مفهوم ارزش شپلی (Shapley Value)
  • 36. محاسبه SHAP برای ویژگی‌ها
  • 37. تفسیر خروجی SHAP
  • 38. مقایسه LIME و SHAP
  • 39. کاربرد SHAP در مدل‌های پیچیده
  • 40. روش‌های مبتنی بر اهمیت ویژگی (Feature Importance)
  • 41. اهمیت ویژگی در مدل‌های درختی
  • 42. اهمیت ویژگی مبتنی بر جایگشت (Permutation Importance)
  • 43. محدودیت‌های اهمیت ویژگی
  • 44. تکنیک‌های تجزیه و تحلیل حساسیت (Sensitivity Analysis)
  • 45. تغییرات جزئی در ورودی و تأثیر آن بر خروجی
  • 46. نقشه‌های حساسیت (Sensitivity Maps)
  • 47. کاربرد تجزیه و تحلیل حساسیت در مدل‌های عصبی
  • 48. روش‌های مبتنی بر نقشه‌های فعال‌سازی (Activation Maps)
  • 49. نقشه‌های فعال‌سازی در شبکه‌های عصبی کانولوشنی (CNNs)
  • 50. تکنیک‌های CAM (Class Activation Mapping)
  • 51. تکنیک Grad-CAM
  • 52. تفسیر نقشه‌های فعال‌سازی
  • 53. کاربرد نقشه‌های فعال‌سازی در بینایی ماشین
  • 54. روش‌های استخراج قوانین (Rule Extraction)
  • 55. استخراج قوانین از درخت‌های تصمیم
  • 56. استخراج قوانین از شبکه‌های عصبی
  • 57. محدودیت‌های استخراج قوانین
  • 58. روش‌های مبتنی بر نمونه (Example-Based Explanations)
  • 59. نمونه‌های نماینده (Prototypes) و نمونه‌های حاشیه‌ای (Criticisms)
  • 60. روش‌های Case-Based Reasoning
  • 61. تفسیر مبتنی بر نمونه‌های نزدیک
  • 62. روش‌های مبتنی بر داده‌های مصنوعی (Counterfactual Explanations)
  • 63. پیدا کردن نزدیک‌ترین نمونه با خروجی متفاوت
  • 64. اهمیت داده‌های مصنوعی در تصمیم‌گیری
  • 65. کاربرد داده‌های مصنوعی در تعامل با مدل
  • 66. روش‌های مبتنی بر تجزیه و تحلیل واریانس (ANOVA)
  • 67. تحلیل واریانس برای درک اثر متغیرها
  • 68. کاربرد ANOVA در مدل‌های آماری
  • 69. محدودیت‌های ANOVA در مدل‌های پیچیده
  • 70. توضیح‌پذیری مدل‌های زبانی بزرگ (LLMs)
  • 71. اهمیت توضیح‌پذیری در LLMs
  • 72. تکنیک‌های توضیح‌پذیری برای LLMs
  • 73. تحلیل توجه (Attention Analysis) در LLMs
  • 74. تفسیر بردارهای جاسازی (Embeddings)
  • 75. روش‌های توضیح‌پذیری برای مدل‌های تولید متن
  • 76. توضیح‌پذیری مدل‌های تولید تصویر
  • 77. تحلیل تأثیر ورودی بر خروجی مدل‌های تولید تصویر
  • 78. تکنیک‌های بصری‌سازی در مدل‌های تولید تصویر
  • 79. کاربرد توضیح‌پذیری در تشخیص تقلب
  • 80. کاربرد توضیح‌پذیری در پزشکی
  • 81. کاربرد توضیح‌پذیری در امور مالی
  • 82. کاربرد توضیح‌پذیری در سیستم‌های توصیه‌گر
  • 83. مسائل اخلاقی در توضیح‌پذیری هوش مصنوعی
  • 84. حریم خصوصی و توضیح‌پذیری
  • 85. سوگیری (Bias) در مدل‌ها و توضیح‌پذیری
  • 86. چالش‌های پیاده‌سازی توضیح‌پذیری در عمل
  • 87. آینده توضیح‌پذیری مدل‌های هوش مصنوعی
  • 88. تکنیک‌های پیشرفته توضیح‌پذیری
  • 89. توضیح‌پذیری برای مدل‌های یادگیری تقویتی (Reinforcement Learning)
  • 90. ارزیابی و اعتبارسنجی روش‌های توضیح‌پذیری
  • 91. استانداردسازی در توضیح‌پذیری
  • 92. توضیح‌پذیری برای کاربران غیرمتخصص
  • 93. پلتفرم‌ها و ابزارهای توضیح‌پذیری

📚 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.