کتاب هوش مصنوعی و یادگیری ماشین در ابر 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 هوش مصنوعی و یادگیری ماشین در ابر

موضوع کلی: فناوری و نوآوری‌های صنعتی

موضوع میانی: ابر محاسبات (Cloud Computing) در صنعت

📋 سرفصل‌های دوره

  • 1. آشنایی با مفاهیم پایه هوش مصنوعی
  • 2. مبانی یادگیری ماشین و انواع آن
  • 3. معرفی محیط‌های توسعه ابری برای هوش مصنوعی
  • 4. پیش‌پردازش داده‌ها و پاکسازی آن‌ها
  • 5. انتخاب ویژگی‌های مناسب برای مدل‌های یادگیری ماشین
  • 6. مقدمه‌ای بر الگوریتم‌های رگرسیون
  • 7. رگرسیون خطی ساده و چندگانه
  • 8. ارزیابی عملکرد مدل‌های رگرسیون
  • 9. مقدمه‌ای بر الگوریتم‌های طبقه‌بندی
  • 10. درخت‌های تصمیم‌گیری و کاربردهای آن‌ها
  • 11. ماشین‌های بردار پشتیبان (SVM)
  • 12. ارزیابی عملکرد مدل‌های طبقه‌بندی
  • 13. مقدمه‌ای بر خوشه‌بندی داده‌ها
  • 14. الگوریتم K-Means و کاربردهای آن
  • 15. تحلیل داده‌های سری زمانی
  • 16. پیش‌بینی با استفاده از مدل‌های سری زمانی
  • 17. مقدمه‌ای بر شبکه‌های عصبی
  • 18. شبکه‌های عصبی چندلایه (MLP)
  • 19. بهینه‌سازی شبکه‌های عصبی با الگوریتم پس‌انتشار
  • 20. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
  • 21. شبکه‌های عصبی بازگشتی (RNN) برای پردازش زبان طبیعی
  • 22. مقدمه‌ای بر یادگیری تقویتی
  • 23. کاربردهای یادگیری تقویتی در محیط‌های ابری
  • 24. مقایسه مدل‌های یادگیری ماشین مختلف
  • 25. انتخاب مدل مناسب بر اساس نوع داده و مسئله
  • 26. استقرار مدل‌های یادگیری ماشین در ابر
  • 27. مقیاس‌پذیری مدل‌های یادگیری ماشین در ابر
  • 28. مانیتورینگ و نگهداری مدل‌های یادگیری ماشین
  • 29. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 30. مدل‌سازی زبان و تحلیل احساسات
  • 31. خلاصه‌سازی متن و ترجمه ماشینی
  • 32. تشخیص موجودیت‌های نام‌دار (NER)
  • 33. آشنایی با فریم‌ورک‌های یادگیری عمیق (TensorFlow, PyTorch)
  • 34. استفاده از TensorFlow در محیط ابری
  • 35. استفاده از PyTorch در محیط ابری
  • 36. مقدمه‌ای بر بینایی ماشین
  • 37. تشخیص اشیا در تصاویر
  • 38. تقسیم‌بندی تصاویر
  • 39. بهبود دقت مدل‌های بینایی ماشین
  • 40. کاربردهای هوش مصنوعی در حوزه سلامت
  • 41. کاربردهای هوش مصنوعی در حوزه مالی
  • 42. کاربردهای هوش مصنوعی در حوزه حمل و نقل
  • 43. مقدمه‌ای بر یادگیری انتقالی
  • 44. استفاده از مدل‌های پیش‌آموزش‌دیده
  • 45. تنظیم دقیق مدل‌های پیش‌آموزش‌دیده

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.