کتاب مهندسی هوش مصنوعی: از مبانی تا پیاده‌سازی سامانه‌های کاربردی

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

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

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی هوش مصنوعی: از مبانی تا پیاده‌سازی سامانه‌های کاربردی

موضوع کلی: مهندسی نرم‌افزار و هوش مصنوعی

موضوع میانی: توسعهٔ سامانه‌های هوشمند

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی هوش مصنوعی
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، تقویتی
  • 4. پیش‌پردازش داده‌ها برای یادگیری ماشین
  • 5. مهندسی ویژگی و انتخاب ویژگی
  • 6. مدل‌های خطی: رگرسیون خطی
  • 7. مدل‌های خطی: رگرسیون لجستیک
  • 8. مبانی شبکه‌های عصبی مصنوعی
  • 9. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 10. تابع فعال‌سازی در شبکه‌های عصبی
  • 11. بهینه‌سازی شبکه‌های عصبی: گرادیان کاهشی
  • 12. الگوریتم‌های بهینه‌سازی پیشرفته
  • 13. تنظیم ابرپارامترها و اعتبارسنجی متقابل
  • 14. مقدمه‌ای بر یادگیری عمیق
  • 15. شبکه‌های عصبی کانولوشنی (CNN)
  • 16. کاربرد CNN در بینایی ماشین
  • 17. شبکه‌های عصبی بازگشتی (RNN)
  • 18. کاربرد RNN در پردازش زبان طبیعی
  • 19. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 20. شبکه‌های حافظه طولانی کوتاه (GRU)
  • 21. معماری ترنسفورمر و توجه
  • 22. مبانی پردازش زبان طبیعی (NLP)
  • 23. پیش‌پردازش متن برای NLP
  • 24. مدل‌سازی زبان
  • 25. تشخیص موجودیت نام‌دار (NER)
  • 26. تحلیل احساسات
  • 27. ترجمه ماشینی
  • 28. سیستم‌های پرسش و پاسخ
  • 29. کاربرد NLP در دستیارهای صوتی
  • 30. مبانی بینایی ماشین
  • 31. پردازش تصویر پایه
  • 32. تشخیص لبه و مرز
  • 33. استخراج ویژگی از تصاویر
  • 34. تشخیص و ردیابی اشیاء
  • 35. تشخیص چهره
  • 36. طبقه‌بندی تصاویر
  • 37. تقسیم‌بندی تصاویر (Segmentation)
  • 38. تولید تصویر با مدل‌های مولد
  • 39. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
  • 40. کاربرد GAN در تولید تصویر
  • 41. یادگیری تقویتی: مفاهیم پایه
  • 42. عامل، محیط، پاداش
  • 43. سیاست و تابع ارزش
  • 44. الگوریتم‌های Q-Learning
  • 45. الگوریتم‌های Deep Q-Network (DQN)
  • 46. الگوریتم‌های Actor-Critic
  • 47. کاربرد یادگیری تقویتی در رباتیک
  • 48. کاربرد یادگیری تقویتی در بازی‌ها
  • 49. مقدمه‌ای بر مهندسی هوش مصنوعی
  • 50. چرخه حیات پروژه هوش مصنوعی
  • 51. جمع‌آوری و آماده‌سازی داده‌ها
  • 52. انتخاب و طراحی مدل
  • 53. آموزش و ارزیابی مدل
  • 54. استقرار مدل‌های هوش مصنوعی
  • 55. پایش و نگهداری مدل‌ها
  • 56. اخلاق در هوش مصنوعی
  • 57. سوگیری در داده‌ها و مدل‌ها
  • 58. مسئولیت‌پذیری در هوش مصنوعی
  • 59. شفافیت در مدل‌های هوش مصنوعی
  • 60. امنیت سامانه‌های هوش مصنوعی
  • 61. حریم خصوصی داده‌ها
  • 62. کاربرد هوش مصنوعی در صنعت
  • 63. هوش مصنوعی در سلامت
  • 64. هوش مصنوعی در مالی
  • 65. هوش مصنوعی در حمل و نقل
  • 66. هوش مصنوعی در تولید
  • 67. هوش مصنوعی در کشاورزی
  • 68. هوش مصنوعی در آموزش
  • 69. هوش مصنوعی در خدمات مشتری
  • 70. ابزارها و چارچوب‌های توسعه هوش مصنوعی
  • 71. TensorFlow و Keras
  • 72. PyTorch
  • 73. Scikit-learn
  • 74. کتابخانه‌های پردازش زبان طبیعی
  • 75. کتابخانه‌های بینایی ماشین
  • 76. مبانی داده‌کاوی
  • 77. الگوریتم‌های خوشه‌بندی
  • 78. قوانین وابستگی (Association Rules)
  • 79. پیش‌بینی سری‌های زمانی
  • 80. تشخیص ناهنجاری
  • 81. مقدمه‌ای بر سامانه‌های توصیه‌گر
  • 82. فیلترینگ مبتنی بر محتوا
  • 83. فیلترینگ مشارکتی
  • 84. ترکیب روش‌ها در سامانه‌های توصیه‌گر
  • 85. مباحث پیشرفته در هوش مصنوعی
  • 86. یادگیری انتقالی (Transfer Learning)
  • 87. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 88. یادگیری فدرال (Federated Learning)
  • 89. هوش مصنوعی قابل تفسیر (XAI)
  • 90. سیستم‌های خبره
  • 91. پردازش تصویر پیشرفته
  • 92. پردازش زبان طبیعی پیشرفته
  • 93. پیاده‌سازی سامانه هوشمند کاربردی
  • 94. مدیریت پروژه نرم‌افزار در ایران
  • 95. قوانین و مقررات فضای مجازی در ایران
  • 96. اصول معماری نرم‌افزار در سامانه‌های کلان
  • 97. مهندسی نیازمندی‌ها برای سامانه‌های هوشمند
  • 98. طراحی پایگاه داده برای داده‌های حجیم
  • 99. امنیت سامانه‌های نرم‌افزاری در ایران
  • 100. تست و تضمین کیفیت نرم‌افزار

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.