کتاب مبانی شبکه‌های عصبی مصنوعی و کاربردهای آن در حل مسائل مهندسی و تحلیل داده‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی شبکه‌های عصبی مصنوعی و کاربردهای آن در حل مسائل مهندسی و تحلیل داده‌ها

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

  • 1. مبانی و تاریخچه شبکه‌های عصبی مصنوعی
  • 2. ساختار نورون بیولوژیک و مدل‌سازی ریاضی آن
  • 3. معرفی پرسپترون ساده و محدودیت‌های آن
  • 4. توابع فعال‌ساز و نقش آن‌ها در شبکه‌های عصبی
  • 5. الگوریتم‌های یادگیری در پرسپترون
  • 6. مسائل جدایی‌پذیر خطی و غیرخطی
  • 7. مفهوم لایه‌های پنهان و معماری شبکه عصبی پیش‌خور
  • 8. الگوریتم انتشار معکوس خطا
  • 9. بهینه‌سازی توابع هزینه و روش گرادیان کاهشی
  • 10. نرخ یادگیری و چالش‌های همگرایی در آموزش
  • 11. مسئله بیش‌برازش و روش‌های منظم‌سازی
  • 12. تکنیک‌های مقداردهی اولیه وزن‌ها
  • 13. شبکه‌های عصبی عمیق و چالش‌های آموزش آن‌ها
  • 14. توابع فعال‌ساز پیشرفته مانند ReLU و مشتقات آن
  • 15. الگوریتم‌های بهینه‌ساز پیشرفته مانند آدم و مومنتوم
  • 16. شبکه‌های عصبی پیچشی و پردازش تصویر
  • 17. لایه‌های کانولوشن و استخراج ویژگی‌های خودکار
  • 18. لایه‌های ادغام و کاهش ابعاد در تصاویر
  • 19. معماری‌های استاندارد در شبکه‌های عصبی پیچشی
  • 20. شبکه‌های عصبی بازگشتی و تحلیل داده‌های سری زمانی
  • 21. حافظه کوتاه‌مدت بلندمدت در شبکه‌های عصبی
  • 22. شبکه‌های عصبی با واحد بازگشتی دریچه‌دار
  • 23. مکانیزم‌های توجه و ترنسفورمرها در پردازش متن
  • 24. رمزگذار و رمزگشا در شبکه‌های عصبی
  • 25. یادگیری نظارت‌شده در مسائل رگرسیون
  • 26. یادگیری نظارت‌شده در مسائل طبقه‌بندی
  • 27. کاربرد شبکه‌های عصبی در پیش‌بینی سری‌های زمانی اقتصادی
  • 28. بهینه‌سازی فرآیندهای صنعتی با استفاده از هوش مصنوعی
  • 29. تشخیص الگو در داده‌های حسگرهای صنعتی
  • 30. کاربرد شبکه‌های عصبی در تحلیل داده‌های پزشکی منطبق بر پروتکل‌های رسمی
  • 31. پیش‌پردازش داده‌ها و نرمال‌سازی برای مدل‌های عصبی
  • 32. مدیریت داده‌های ناقص و نویزدار در پروژه‌های مهندسی
  • 33. ارزیابی عملکرد مدل‌ها با معیارهای دقت و فراخوانی
  • 34. استفاده از ابزارهای استاندارد برنامه‌نویسی برای پیاده‌سازی شبکه
  • 35. پیاده‌سازی یک شبکه عصبی ساده از پایه
  • 36. بررسی اثرات اخلاقی و مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 37. امنیت و تاب‌آوری مدل‌های هوش مصنوعی در برابر حملات مخرب
  • 38. آینده هوش مصنوعی در صنایع استراتژیک کشور
  • 39. پروژه نهایی: طراحی یک شبکه عصبی برای حل یک مسئله مهندسی واقعی
تگ‌ها: Neural Networks پردازش داده‌ها پردازش سیگنال تحلیل داده شبکه‌های عصبی مصنوعی علوم رایانه هوش مصنوعی هوش مصنوعی در مهندسی یادگیری عمیق یادگیری ماشین

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.