کتاب مدل‌سازی توالی رفتار با شبکه‌های بازگشتی 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 مدل‌سازی توالی رفتار با شبکه‌های بازگشتی

موضوع کلی: علوم رفتاری و مدل‌سازی اجتماعی

موضوع میانی: مدل‌سازی یادگیری ماشینی و یادگیری کاربردی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر شبکه‌های عصبی بازگشتی
  • 2. توالی‌ها و کاربردهای آن‌ها
  • 3. شبکه‌های بازگشتی ساده (RNN)
  • 4. معماری شبکه‌های RNN
  • 5. یادگیری در شبکه‌های RNN: الگوریتم Backpropagation Through Time
  • 6. مشکلات گرادیان‌های محو و منفجر شونده
  • 7. شبکه‌های حافظه بلندمدت (LSTM)
  • 8. معماری سلول LSTM
  • 9. دروازه‌های LSTM: ورودی، خروجی و فراموشی
  • 10. شبکه‌های گیت‌دار بازگشتی (GRU)
  • 11. مقایسه LSTM و GRU
  • 12. شبکه‌های دوطرفه RNN (BRNN)
  • 13. کاربردهای BRNN
  • 14. مدل‌سازی زبان با شبکه‌های بازگشتی
  • 15. تولید متن با شبکه‌های RNN
  • 16. پیش‌بینی سری‌های زمانی با RNN
  • 17. تحلیل احساسات با استفاده از شبکه‌های بازگشتی
  • 18. ترجمه ماشینی با شبکه‌های RNN
  • 19. تشخیص گفتار با شبکه‌های بازگشتی
  • 20. پردازش ویدئو با شبکه‌های بازگشتی
  • 21. شبکه‌های بازگشتی سلسله مراتبی
  • 22. شبکه‌های بازگشتی توجهی (Attention Mechanism)
  • 23. انواع مختلف مکانیسم‌های توجه
  • 24. بهبود عملکرد شبکه‌های بازگشتی با استفاده از توجه
  • 25. شبکه‌های رمزگذار-رمزگشا (Encoder-Decoder)
  • 26. مدل‌های دنباله به دنباله (Sequence-to-Sequence)
  • 27. استفاده از شبکه‌های بازگشتی در تشخیص الگو
  • 28. شبکه‌های بازگشتی و داده‌های نامنظم
  • 29. شبکه‌های بازگشتی و داده‌های چندوجهی
  • 30. شبکه‌های بازگشتی و یادگیری تقویتی
  • 31. کاربردهای شبکه‌های بازگشتی در بیوانفورماتیک
  • 32. شبکه‌های بازگشتی و پردازش سیگنال
  • 33. شبکه‌های بازگشتی و تحلیل بازار مالی
  • 34. شبکه‌های بازگشتی و پیش‌بینی آب و هوا
  • 35. شبکه‌های بازگشتی و رباتیک
  • 36. تنظیم هایپرمترها در شبکه‌های بازگشتی
  • 37. روش‌های جلوگیری از بیش‌برازش در شبکه‌های بازگشتی
  • 38. استفاده از Dropout در شبکه‌های بازگشتی
  • 39. نرمال‌سازی دسته‌ها (Batch Normalization) در شبکه‌های RNN
  • 40. بهینه‌سازهای مختلف برای شبکه‌های بازگشتی
  • 41. مقایسه بهینه‌سازهای مختلف
  • 42. شبکه‌های بازگشتی و پردازش زبان طبیعی (NLP)
  • 43. مدل‌های زبانی n-gram
  • 44. مدل‌های کلمه توزیع شده (Word Embeddings)
  • 45. Word2Vec و GloVe
  • 46. FastText
  • 47. استفاده از Embedding لایه‌ها در شبکه‌های بازگشتی
  • 48. شبکه‌های بازگشتی و مدل‌سازی موضوعی
  • 49. مدل‌های مخفی مارکوف (HMM) و شبکه‌های بازگشتی
  • 50. مدل‌های شرطی تصادفی (CRF) و شبکه‌های بازگشتی
  • 51. شبکه‌های بازگشتی و خلاصه‌سازی متن
  • 52. شبکه‌های بازگشتی و پاسخ به سؤال
  • 53. شبکه‌های بازگشتی و تشخیص موجودیت نام‌دار
  • 54. شبکه‌های بازگشتی و تحلیل شبکه‌های اجتماعی
  • 55. شبکه‌های بازگشتی و تشخیص تقلب
  • 56. کاربرد شبکه‌های بازگشتی در امنیت سایبری
  • 57. شبکه‌های بازگشتی و سیستم‌های توصیه‌گر
  • 58. شبکه‌های بازگشتی و مدیریت ریسک
  • 59. شبکه‌های بازگشتی و بهینه‌سازی زنجیره تأمین
  • 60. پیاده‌سازی شبکه‌های بازگشتی با استفاده از TensorFlow
  • 61. پیاده‌سازی شبکه‌های بازگشتی با استفاده از PyTorch
  • 62. پیاده‌سازی شبکه‌های بازگشتی با استفاده از Keras
  • 63. مقایسه TensorFlow، PyTorch و Keras
  • 64. بهترین روش‌ها برای آموزش شبکه‌های بازگشتی
  • 65. عیب‌یابی و رفع اشکال شبکه‌های بازگشتی
  • 66. آینده شبکه‌های بازگشتی و تحقیقات جدید
تگ‌ها: RNN تحلیل رفتار توالی رفتار داده‌کاوی شبکه‌های بازگشتی مدل‌سازی اجتماعی مدل‌سازی رفتاری هوش مصنوعی یادگیری عمیق یادگیری ماشینی

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.