کتاب حاکمیت مدل‌های یادگیری ماشین: اصول و ابزارها 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 حاکمیت مدل‌های یادگیری ماشین: اصول و ابزارها

موضوع کلی: توسعه برنامه‌های وب پیشرفته

موضوع میانی: Machine learning model governance best practices

📋 سرفصل‌های دوره

  • 1. آشنایی با یادگیری ماشین و کاربردهای آن
  • 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، نیمه نظارت شده
  • 3. مقدمه‌ای بر داده‌کاوی و پیش‌پردازش داده‌ها
  • 4. کیفیت داده‌ها و روش‌های پاکسازی آن
  • 5. انتخاب ویژگی و کاهش ابعاد
  • 6. مفاهیم احتمال و آمار در یادگیری ماشین
  • 7. معرفی الگوریتم‌های رگرسیون خطی و لجستیک
  • 8. ارزیابی مدل‌های رگرسیون
  • 9. درخت‌های تصمیم‌گیری و جنگل تصادفی
  • 10. ماشین‌های بردار پشتیبان (SVM)
  • 11. شبکه‌های عصبی مصنوعی: مفاهیم پایه
  • 12. شبکه‌های عصبی عمیق و معماری‌های مختلف
  • 13. بهینه‌سازی گرادیان کاهشی و الگوریتم‌های آن
  • 14. انتخاب تابع فعال‌سازی مناسب
  • 15. تنظیم پارامترهای شبکه‌های عصبی
  • 16. روش‌های جلوگیری از بیش‌برازش (Overfitting)
  • 17. معرفی یادگیری تقویتی و کاربردهای آن
  • 18. الگوریتم Q-learning و کاربرد آن
  • 19. الگوریتم‌های خوشه‌بندی K-means و سلسله مراتبی
  • 20. ارزیابی خوشه‌بندی و معیارهای آن
  • 21. کاهش ابعاد با استفاده از PCA
  • 22. تحلیل مولفه‌های مستقل (ICA)
  • 23. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 24. مدل‌های زبانی و توکن‌سازی
  • 25. بردارسازی کلمات (Word Embedding)
  • 26. تحلیل احساسات و طبقه‌بندی متن
  • 27. شبکه‌های عصبی بازگشتی (RNN)
  • 28. شبکه‌های حافظه بلندمدت (LSTM)
  • 29. شبکه‌های دروازه بازگشتی (GRU)
  • 30. معرفی مدل‌های ترانسفورمر
  • 31. توجه (Attention) در شبکه‌های عصبی
  • 32. یادگیری انتقالی (Transfer Learning)
  • 33. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
  • 34. کاربرد یادگیری ماشین در تشخیص تصویر
  • 35. شبکه‌های کانولوشنال (CNN)
  • 36. معماری‌های معروف CNN (مانند VGG، ResNet)
  • 37. تشخیص اشیا در تصاویر
  • 38. قطعه‌بندی تصاویر
  • 39. کاربرد یادگیری ماشین در سری‌های زمانی
  • 40. پیش‌بینی سری‌های زمانی با استفاده از ARIMA
  • 41. مدل‌های Prophet برای پیش‌بینی سری‌های زمانی
  • 42. ارزیابی مدل‌های سری زمانی
  • 43. یادگیری ماشین در تشخیص تقلب
  • 44. تشخیص ناهنجاری (Anomaly Detection)
  • 45. ابزارهای رایج یادگیری ماشین در پایتون (Scikit-learn, TensorFlow, PyTorch)

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.