اکسپرس 24
کتاب اصول یادگیری ماشین: از مبانی تا پیاده‌سازی با قلم و کاغذ

کتاب اصول یادگیری ماشین: از مبانی تا پیاده‌سازی با قلم و کاغذ

تگ‌ها: الگوریتم های یادگیری ماشین پیاده سازی یادگیری ماشین ماشین لرنینگ مبانی یادگیری ماشین هوش مصنوعی هوش مصنوعی پایه یادگیری ماشین یادگیری ماشین با قلم و کاغذ یادگیری ماشین عملی

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 اصول یادگیری ماشین: از مبانی تا پیاده‌سازی با قلم و کاغذ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی یادگیری ماشین با رویکرد عملی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مجموعه داده‌ها و پیش‌پردازش آن‌ها
  • 5. پاکسازی و آماده‌سازی داده‌ها
  • 6. مهندسی ویژگی: انتخاب و استخراج ویژگی
  • 7. کاهش ابعاد: PCA و t-SNE
  • 8. رگرسیون خطی ساده
  • 9. ارزیابی مدل رگرسیون خطی
  • 10. رگرسیون خطی چندگانه
  • 11. مقدمه‌ای بر رگرسیون لجستیک
  • 12. طبقه‌بندی با رگرسیون لجستیک
  • 13. معیارهای ارزیابی طبقه‌بندی: دقت، صحت، بازیابی
  • 14. ماتریس درهم‌ریختگی
  • 15. منحنی ROC و AUC
  • 16. ماشین‌های بردار پشتیبان (SVM)
  • 17. هسته‌های SVM
  • 18. درخت‌های تصمیم
  • 19. قوانین انجمنی و الگوریتم Apriori
  • 20. خوشه‌بندی: K-Means
  • 21. ارزیابی خوشه‌بندی: شاخص سیلوئت
  • 22. خوشه‌بندی سلسله مراتبی
  • 23. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 24. نورون مصنوعی و تابع فعال‌سازی
  • 25. شبکه‌های عصبی پیش‌خور
  • 26. آموزش شبکه‌های عصبی: پس‌انتشار خطا
  • 27. بهینه‌سازی در شبکه‌های عصبی: گرادیان کاهشی
  • 28. نرخ یادگیری و تنظیم آن
  • 29. بسته‌بندی داده‌ها (Batch Gradient Descent)
  • 30. گرادیان کاهشی تصادفی (SGD)
  • 31. گرادیان کاهشی مینی‌بچ
  • 32. تنظیم‌کننده‌ها (Regularization): L1 و L2
  • 33. مقدمه‌ای بر یادگیری عمیق
  • 34. شبکه‌های عصبی کانولوشنی (CNN)
  • 35. کاربرد CNN در پردازش تصویر
  • 36. شبکه‌های عصبی بازگشتی (RNN)
  • 37. کاربرد RNN در پردازش زبان طبیعی
  • 38. حافظه طولانی کوتاه مدت (LSTM)
  • 39. واحد بازگشتی دروازه‌ای (GRU)
  • 40. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 41. توکن‌سازی و نرمال‌سازی متن
  • 42. مدل‌های زبانی آماری
  • 43. مدل‌های زبانی مبتنی بر یادگیری عمیق
  • 44. یادگیری نمایش کلمات (Word Embeddings): Word2Vec
  • 45. یادگیری نمایش کلمات: GloVe
  • 46. تحلیل احساسات
  • 47. سیستم‌های توصیه‌گر
  • 48. فیلترینگ مشارکتی
  • 49. فیلترینگ مبتنی بر محتوا
  • 50. مقدمه‌ای بر یادگیری تقویتی
  • 51. عامل و محیط در یادگیری تقویتی
  • 52. پاداش و حالت
  • 53. سیاست عامل
  • 54. تابع ارزش
  • 55. الگوریتم Q-Learning
  • 56. الگوریتم SARSA
  • 57. مقدمه‌ای بر مدل‌های گرافیکی
  • 58. شبکه‌های بیزی
  • 59. ماشین‌های بولتزمن
  • 60. شبکه‌های عصبی گراف (GNN)
  • 61. مقدمه‌ای بر یادگیری بدون نظارت
  • 62. کاهش ابعاد با Autoencoders
  • 63. مقدمه‌ای بر روش‌های نیمه نظارت شده
  • 64. یادگیری انتقالی (Transfer Learning)
  • 65. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 66. معرفی ابزارها و کتابخانه‌ها: Scikit-learn
  • 67. پیاده‌سازی مدل‌ها با Scikit-learn
  • 68. معرفی ابزارها و کتابخانه‌ها: TensorFlow
  • 69. معرفی ابزارها و کتابخانه‌ها: PyTorch
  • 70. ساخت مدل‌های سفارشی با TensorFlow
  • 71. ساخت مدل‌های سفارشی با PyTorch
  • 72. اعتبارسنجی متقابل (Cross-validation)
  • 73. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 74. جستجوی شبکه‌ای (Grid Search)
  • 75. جستجوی تصادفی (Random Search)
  • 76. روش‌های پیشرفته تنظیم ابرپارامترها: Bayesian Optimization
  • 77. نکات عملی در ساخت و استقرار مدل‌ها
  • 78. مدیریت نسخه مدل‌ها
  • 79. اصول اخلاقی در هوش مصنوعی
  • 80. تعصب در الگوریتم‌ها و روش‌های کاهش آن
  • 81. شفافیت و قابلیت تفسیر مدل‌ها
  • 82. حریم خصوصی در داده‌ها و مدل‌ها
  • 83. امنیت مدل‌های یادگیری ماشین
  • 84. هوش مصنوعی مولد
  • 85. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 86. کاربرد LLMs در تولید متن
  • 87. کاربرد LLMs در خلاصه‌سازی
  • 88. کاربرد LLMs در ترجمه
  • 89. کاربرد LLMs در پاسخ به سوالات
  • 90. ملاحظات فنی در کار با LLMs
  • 91. تنظیم دقیق LLMs برای وظایف خاص
  • 92. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 93. کاربرد یادگیری فعال در کاهش نیاز به داده‌های برچسب‌دار
  • 94. مقدمه‌ای بر یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 95. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 96. کاربرد یادگیری فدرال در حفظ حریم خصوصی
  • 97. مقدمه‌ای بر یادگیری تقویتی عمیق
  • 98. کاربرد یادگیری تقویتی عمیق در رباتیک
  • 99. کاربرد یادگیری تقویتی عمیق در بازی‌ها
  • 100. مقدمه‌ای بر بینایی ماشین (Computer Vision)

📚 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.