کتاب هوش مصنوعی مولد 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 مولد

موضوع کلی: علوم و فناوری‌های نوین رایانش

موضوع میانی: هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی مولد
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. شبکه‌های عصبی مصنوعی: اصول اولیه
  • 4. الگوریتم‌های رگرسیون خطی و لجستیک
  • 5. دسته‌بندی داده‌ها با استفاده از الگوریتم‌های مختلف
  • 6. مقدمه‌ای بر یادگیری عمیق
  • 7. شبکه‌های عصبی پیچشی (CNN) برای پردازش تصویر
  • 8. شبکه‌های عصبی بازگشتی (RNN) برای پردازش زبان طبیعی
  • 9. مدل‌های زبانی بزرگ (LLM) و کاربردها
  • 10. پردازش زبان طبیعی (NLP) و تکنیک‌های آن
  • 11. تولید متن با استفاده از مدل‌های مولد
  • 12. تولید تصویر با استفاده از شبکه‌های GAN
  • 13. تولید صدا و موسیقی با هوش مصنوعی
  • 14. تولید ویدئو با استفاده از مدل‌های هوش مصنوعی
  • 15. ارزیابی مدل‌های هوش مصنوعی مولد
  • 16. معیارهای ارزیابی کیفیت متن تولید شده
  • 17. معیارهای ارزیابی کیفیت تصویر تولید شده
  • 18. تنظیم هایپرپارامترها برای بهبود عملکرد مدل
  • 19. روش‌های مقابله با بیش‌برازش (Overfitting)
  • 20. تکنیک‌های افزایش داده‌ها (Data Augmentation)
  • 21. مقدمه‌ای بر یادگیری تقویتی
  • 22. شبکه‌های مولد متغیر (VAE)
  • 23. مدل‌های خودرمزگذار (Autoencoders)
  • 24. انتقال یادگیری (Transfer Learning) در هوش مصنوعی مولد
  • 25. یادگیری بدون نظارت (Unsupervised Learning) و کاربردهای آن
  • 26. یادگیری نیمه‌نظارت (Semi-Supervised Learning) و کاربردهای آن
  • 27. کاربردهای هوش مصنوعی مولد در پزشکی
  • 28. کاربردهای هوش مصنوعی مولد در صنعت مالی
  • 29. کاربردهای هوش مصنوعی مولد در بازاریابی و تبلیغات
  • 30. کاربردهای هوش مصنوعی مولد در آموزش
  • 31. کاربردهای هوش مصنوعی مولد در هنر و خلاقیت
  • 32. اخلاق در هوش مصنوعی مولد
  • 33. مسائل مربوط به حریم خصوصی در هوش مصنوعی مولد
  • 34. تبعیض و سوگیری در مدل‌های هوش مصنوعی مولد
  • 35. تفسیرپذیری مدل‌های هوش مصنوعی مولد
  • 36. تکنیک‌های کاهش سوگیری در مدل‌های هوش مصنوعی
  • 37. مدیریت ریسک در استفاده از هوش مصنوعی مولد
  • 38. ابزارهای توسعه هوش مصنوعی مولد (TensorFlow, PyTorch)
  • 39. معماری‌های پیشرفته شبکه‌های عصبی
  • 40. مدل‌های ترانسفورمر (Transformers) و توجه (Attention)
  • 41. بهینه‌سازی مدل‌های هوش مصنوعی مولد
  • 42. استفاده از GPU و TPU در آموزش مدل‌ها
  • 43. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 44. مدل‌های مولد شرطی (Conditional Generative Models)
  • 45. تولید داده‌های مصنوعی برای آموزش مدل‌ها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.