کتاب یادگیری عمیق معادلات دیفرانسیل مقیاس‌بندی شده با گام‌های زمانی سلسله‌مراتبی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 87,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری عمیق معادلات دیفرانسیل مقیاس‌بندی شده با گام‌های زمانی سلسله‌مراتبی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری عمیق و کاربردهای آن

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر معادلات دیفرانسیل و روش‌های حل عددی
  • 2. مبانی یادگیری عمیق و شبکه‌های عصبی
  • 3. شبکه‌های عصبی کانولوشنال برای داده‌های ساختاریافته
  • 4. شبکه‌های عصبی بازگشتی برای داده‌های ترتیبی
  • 5. مقدمه‌ای بر معادلات دیفرانسیل معمولی (ODE)
  • 6. روش‌های حل گسسته معادلات دیفرانسیل معمولی
  • 7. مقدمه‌ای بر معادلات دیفرانسیل جزئی (PDE)
  • 8. روش‌های حل گسسته معادلات دیفرانسیل جزئی
  • 9. مفهوم مقیاس‌بندی در سیستم‌های دینامیکی
  • 10. پردازش داده‌های چندمقیاسی
  • 11. معادلات دیفرانسیل با ضرایب متغیر
  • 12. معادلات دیفرانسیل با شرایط مرزی پیچیده
  • 13. مقدمه‌ای بر یادگیری عمیق معادلات دیفرانسیل
  • 14. شبکه‌های عصبی برای تقریب توابع
  • 15. شبکه‌های عصبی برای حل ODE
  • 16. شبکه‌های عصبی برای حل PDE
  • 17. معماری‌های سلسله‌مراتبی در شبکه‌های عصبی
  • 18. یادگیری عمیق گام‌های زمانی سلسله‌مراتبی
  • 19. کاربرد یادگیری عمیق در مدل‌سازی سیستم‌های پیچیده
  • 20. مدل‌سازی سیستم‌های فیزیکی با یادگیری عمیق
  • 21. یادگیری عمیق در شبیه‌سازی‌های علمی
  • 22. مقدمه‌ای بر یادگیری ماشینی در علوم مهندسی
  • 23. کاربردهای یادگیری عمیق در مهندسی نرم‌افزار
  • 24. تکنیک‌های آموزش شبکه‌های عصبی عمیق
  • 25. بهینه‌سازی توابع هزینه در یادگیری عمیق
  • 26. تنظیم ابرپارامترها در شبکه‌های عصبی
  • 27. روش‌های منظم‌سازی برای جلوگیری از بیش‌برازش
  • 28. شبکه‌های عصبی ترنسفورمر و کاربردهای آن
  • 29. پردازش زبان طبیعی با یادگیری عمیق
  • 30. بینایی ماشین با یادگیری عمیق
  • 31. شبکه‌های مولد تخاصمی (GANs)
  • 32. شبکه‌های عصبی گراف (GNNs)
  • 33. مقدمه‌ای بر یادگیری تقویتی
  • 34. یادگیری عمیق در سیستم‌های توصیه‌گر
  • 35. یادگیری عمیق در تحلیل سری‌های زمانی
  • 36. مدل‌سازی پیش‌بینانه با یادگیری عمیق
  • 37. یادگیری عمیق برای تشخیص ناهنجاری
  • 38. کاربرد یادگیری عمیق در علم داده
  • 39. مبانی داده‌کاوی و کشف الگو
  • 40. تحلیل اکتشافی داده‌ها
  • 41. پیش‌پردازش داده‌ها برای یادگیری عمیق
  • 42. مهندسی ویژگی در یادگیری عمیق
  • 43. ارزیابی مدل‌های یادگیری عمیق
  • 44. متریک‌های ارزیابی برای مسائل رگرسیون
  • 45. متریک‌های ارزیابی برای مسائل طبقه‌بندی
  • 46. مقدمه‌ای بر یادگیری انتقالی
  • 47. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
  • 48. کاربرد یادگیری انتقالی در بینایی ماشین
  • 49. کاربرد یادگیری انتقالی در پردازش زبان طبیعی
  • 50. شبکه‌های عصبی کانولوشنال عمیق
  • 51. شبکه‌های عصبی بازگشتی عمیق
  • 52. شبکه‌های عصبی کوتاه‌مدت و بلندمدت (LSTM)
  • 53. واحد بازگشتی دروازه‌دار (GRU)
  • 54. معماری‌های توجه در شبکه‌های عصبی
  • 55. مدل‌های ترنسفورمر برای پردازش دنباله‌ها
  • 56. یادگیری عمیق معادلات دیفرانسیل مقیاس‌بندی شده
  • 57. گام‌های زمانی سلسله‌مراتبی در حل ODE
  • 58. گام‌های زمانی سلسله‌مراتبی در حل PDE
  • 59. یادگیری عمیق برای مسائل چندمقیاسی
  • 60. مدل‌سازی دینامیک‌های پیچیده با شبکه‌های عصبی
  • 61. کاربرد گام‌های زمانی در شبیه‌سازی‌های علمی
  • 62. یادگیری عمیق برای حل مسائل فیزیکی
  • 63. حل معادلات دیفرانسیل با استفاده از شبکه‌های عصبی
  • 64. شبکه‌های عصبی در مهندسی محاسباتی
  • 65. کاربرد یادگیری عمیق در تحلیل عددی
  • 66. مقدمه‌ای بر روش‌های مقیاس‌بندی در علوم
  • 67. یادگیری عمیق برای حل مسائل با مقیاس‌های مختلف
  • 68. مدل‌سازی سیستم‌های چندفیزیکی با یادگیری عمیق
  • 69. کاربرد یادگیری عمیق در شبیه‌سازی‌های مهندسی
  • 70. حل مسائل دینامیکی با استفاده از یادگیری عمیق
  • 71. یادگیری عمیق معادلات دیفرانسیل با شرایط مرزی خاص
  • 72. گام‌های زمانی تطبیقی در یادگیری عمیق
  • 73. بهینه‌سازی معماری شبکه‌های عصبی برای ODE/PDE
  • 74. کاربرد یادگیری عمیق در بهینه‌سازی فرآیندها
  • 75. یادگیری عمیق برای پیش‌بینی رفتار سیستم‌ها
  • 76. مدل‌سازی سیستم‌های پیچیده با گام‌های زمانی سلسله‌مراتبی
  • 77. کاربرد یادگیری عمیق در دینامیک سیالات محاسباتی
  • 78. یادگیری عمیق در مکانیک جامدات محاسباتی
  • 79. کاربرد یادگیری عمیق در انتقال حرارت
  • 80. حل مسائل انتقال جرم با یادگیری عمیق
  • 81. یادگیری عمیق برای بهینه‌سازی طراحی
  • 82. کاربرد یادگیری عمیق در رباتیک
  • 83. یادگیری عمیق در سیستم‌های کنترل
  • 84. مدل‌سازی سیستم‌های زیستی با یادگیری عمیق
  • 85. کاربرد یادگیری عمیق در علوم مواد
  • 86. یادگیری عمیق در شیمی محاسباتی
  • 87. یادگیری عمیق برای کشف دارو
  • 88. کاربرد یادگیری عمیق در تحلیل داده‌های پزشکی
  • 89. یادگیری عمیق در پردازش تصویر پزشکی
  • 90. یادگیری عمیق در تشخیص بیماری
  • 91. یادگیری عمیق در مدل‌سازی اقتصادی
  • 92. یادگیری عمیق در تحلیل ریسک مالی
  • 93. یادگیری عمیق در بازارهای سرمایه
  • 94. کاربرد یادگیری عمیق در بهینه‌سازی زنجیره تأمین
تگ‌ها: علوم کامپیوتر گام‌زننده زمانی معادلات دیفرانسیل مقیاس‌بندی سلسله‌مراتبی هوش مصنوعی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.