اکسپرس 24
کتاب یادگیری ماشین: از اصول تا کاربرد در مهندسی

کتاب یادگیری ماشین: از اصول تا کاربرد در مهندسی

تگ‌ها: ساخت ماشین لرنینگ کاربرد یادگیری ماشین ماشین لرنینگ مهندسی هوش مصنوعی هوش مصنوعی در مهندسی هوش مصنوعی کاربردی یادگیری ماشین یادگیری ماشین مهندسی

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 یادگیری ماشین: از اصول تا کاربرد در مهندسی

موضوع کلی: هوش مصنوعی و یادگیری ماشین در مهندسی

موضوع میانی: مبانی یادگیری ماشین برای کاربردهای مهندسی

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی و یادگیری ماشین
  • 2. کاربرد یادگیری ماشین در مهندسی
  • 3. تاریخچه هوش مصنوعی
  • 4. انواع یادگیری ماشین
  • 5. یادگیری نظارت شده
  • 6. رگرسیون خطی
  • 7. رگرسیون لجستیک
  • 8. ماشین‌های بردار پشتیبان
  • 9. درختان تصمیم
  • 10. جنگل‌های تصادفی
  • 11. تقویت گرادیان
  • 12. یادگیری نظارت نشده
  • 13. خوشه‌بندی
  • 14. K-Means
  • 15. خوشه‌بندی سلسله مراتبی
  • 16. تحلیل مؤلفه‌های اصلی (PCA)
  • 17. کاهش ابعاد
  • 18. شبکه‌های عصبی مصنوعی
  • 19. معماری پرسپترون
  • 20. توابع فعال‌سازی
  • 21. پس‌انتشار خطا (Backpropagation)
  • 22. شبکه‌های عصبی عمیق
  • 23. شبکه‌های کانولوشنی (CNN)
  • 24. شبکه‌های عصبی بازگشتی (RNN)
  • 25. یادگیری تقویتی
  • 26. مفاهیم اساسی یادگیری تقویتی
  • 27. عامل و محیط
  • 28. پاداش و جریمه
  • 29. سیاست و تابع ارزش
  • 30. یادگیری Q
  • 31. یادگیری Actor-Critic
  • 32. کاربرد یادگیری تقویتی در مهندسی
  • 33. پردازش داده‌ها و مهندسی ویژگی
  • 34. پاکسازی داده‌ها
  • 35. مقیاس‌بندی ویژگی‌ها
  • 36. انتخاب ویژگی
  • 37. مهندسی ویژگی
  • 38. ارزیابی مدل
  • 39. معیارهای ارزیابی برای رگرسیون
  • 40. خطای میانگین مربعات (MSE)
  • 41. خطای میانگین قدر مطلق (MAE)
  • 42. ضریب تعیین (R-squared)
  • 43. معیارهای ارزیابی برای طبقه‌بندی
  • 44. دقت (Accuracy)
  • 45. صحت (Precision)
  • 46. بازیابی (Recall)
  • 47. امتیاز F1
  • 48. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 49. اعتبارسنجی متقابل (Cross-Validation)
  • 50. تنظیم ابرپارامترها
  • 51. جستجوی شبکه‌ای (Grid Search)
  • 52. جستجوی تصادفی (Random Search)
  • 53. بهینه‌سازی بیزی
  • 54. مدل‌های پیشرفته یادگیری ماشین
  • 55. یادگیری عمیق برای پردازش تصویر
  • 56. تشخیص اشیاء
  • 57. تقسیم‌بندی تصویر
  • 58. یادگیری عمیق برای پردازش زبان طبیعی
  • 59. تحلیل احساسات
  • 60. ترجمه ماشینی
  • 61. مدل‌های زبانی
  • 62. یادگیری ماشین در سیستم‌های توصیه‌گر
  • 63. فیلترینگ مشارکتی
  • 64. فیلترینگ مبتنی بر محتوا
  • 65. یادگیری ماشین در سیستم‌های کنترل
  • 66. کنترل تطبیقی
  • 67. بهینه‌سازی فرایند
  • 68. یادگیری ماشین در تشخیص ناهنجاری
  • 69. تشخیص نفوذ
  • 70. تشخیص خطا
  • 71. یادگیری ماشین در رباتیک
  • 72. ناوبری ربات
  • 73. کنترل ربات
  • 74. یادگیری ماشین در مهندسی پزشکی
  • 75. تشخیص بیماری
  • 76. کشف دارو
  • 77. یادگیری ماشین در مهندسی عمران
  • 78. پیش‌بینی رفتار سازه‌ها
  • 79. بهینه‌سازی مصرف انرژی
  • 80. یادگیری ماشین در مهندسی مکانیک
  • 81. طراحی و شبیه‌سازی
  • 82. تعمیر و نگهداری پیش‌بینانه
  • 83. یادگیری ماشین در مهندسی برق
  • 84. تحلیل شبکه‌های توزیع
  • 85. بهینه‌سازی تولید انرژی
  • 86. ملاحظات اخلاقی و اجتماعی در هوش مصنوعی
  • 87. سوگیری در الگوریتم‌ها
  • 88. شفافیت و قابلیت توضیح
  • 89. حریم خصوصی داده‌ها
  • 90. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
  • 91. آینده هوش مصنوعی و یادگیری ماشین در مهندسی
  • 92. روندهای نوظهور
  • 93. چالش‌های پیش رو
  • 94. فرصت‌های جدید
  • 95. توسعه سیستم‌های هوش مصنوعی مسئولانه
  • 96. کاربرد یادگیری ماشین در بهینه‌سازی مصرف منابع
  • 97. یادگیری ماشین در پیش‌بینی و مدیریت بحران
  • 98. یادگیری ماشین در بهداشت عمومی
  • 99. یادگیری ماشین در آموزش مهندسی
  • 100. مبانی یادگیری ماشین برای مهندسان 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.