اکسپرس 24
کتاب پیاده‌سازی پروژه‌های یادگیری ماشین عملی با XGBoost و شتاب‌دهنده‌های سخت‌افزاری

کتاب پیاده‌سازی پروژه‌های یادگیری ماشین عملی با XGBoost و شتاب‌دهنده‌های سخت‌افزاری

تگ‌ها: GPU NVIDIA XGBoost پردازش موازی پروژه‌های عملی یادگیری ماشین هوش مصنوعی یادگیری عمیق یادگیری ماشین یادگیری ماشین پیشرفته

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 پیاده‌سازی پروژه‌های یادگیری ماشین عملی با XGBoost و شتاب‌دهنده‌های سخت‌افزاری

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته و کاربردها

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری نظارت نشده
  • 6. یادگیری تقویتی
  • 7. پیش‌پردازش داده‌ها
  • 8. پاکسازی داده‌ها
  • 9. مهندسی ویژگی
  • 10. انتخاب ویژگی
  • 11. مدل‌های یادگیری ماشین پایه
  • 12. رگرسیون خطی
  • 13. رگرسیون لجستیک
  • 14. ماشین‌های بردار پشتیبان (SVM)
  • 15. درختان تصمیم
  • 16. جنگل‌های تصادفی
  • 17. تقویت گرادیان
  • 18. معرفی XGBoost
  • 19. مبانی XGBoost
  • 20. کاربرد XGBoost
  • 21. پارامترهای XGBoost
  • 22. تنظیم ابرپارامترها در XGBoost
  • 23. ارزیابی مدل‌های یادگیری ماشین
  • 24. معیارهای ارزیابی رگرسیون
  • 25. معیارهای ارزیابی طبقه‌بندی
  • 26. اعتبارسنجی متقابل
  • 27. مدیریت داده‌های نامتوازن
  • 28. روش‌های نمونه‌برداری
  • 29. تکنیک‌های تولید داده مصنوعی (SMOTE)
  • 30. کاربردهای یادگیری ماشین در صنعت
  • 31. یادگیری ماشین در امور مالی
  • 32. یادگیری ماشین در پزشکی
  • 33. یادگیری ماشین در بازاریابی
  • 34. یادگیری ماشین در پردازش زبان طبیعی (NLP)
  • 35. مبانی پردازش زبان طبیعی
  • 36. مدل‌های زبانی
  • 37. تحلیل احساسات
  • 38. طبقه‌بندی متن
  • 39. یادگیری ماشین در بینایی ماشین
  • 40. مبانی بینایی ماشین
  • 41. تشخیص اشیاء
  • 42. تقسیم‌بندی تصویر
  • 43. شناسایی چهره
  • 44. معرفی شتاب‌دهنده‌های سخت‌افزاری
  • 45. مبانی GPU
  • 46. معماری GPU
  • 47. کاربرد GPU در یادگیری ماشین
  • 48. مقدمه‌ای بر CUDA
  • 49. برنامه‌نویسی CUDA
  • 50. بهینه‌سازی کد CUDA
  • 51. استفاده از کتابخانه‌های GPU تسریع شده
  • 52. رابط‌های پایتون برای GPU
  • 53. RAPIDS
  • 54. Dask-CUDA
  • 55. آموزش مدل‌های عمیق روی GPU
  • 56. شبکه‌های عصبی کانولوشنی (CNN)
  • 57. شبکه‌های عصبی بازگشتی (RNN)
  • 58. معماری‌های پیشرفته یادگیری عمیق
  • 59. ترانسفورمرها
  • 60. یادگیری انتقالی
  • 61. تنظیم دقیق مدل‌های از پیش آموزش دیده
  • 62. پیاده‌سازی پروژه‌های یادگیری ماشین عملی
  • 63. تعریف مسئله و جمع‌آوری داده
  • 64. آماده‌سازی و پیش‌پردازش داده‌ها
  • 65. انتخاب و آموزش مدل
  • 66. ارزیابی و تنظیم مدل
  • 67. مستندسازی پروژه
  • 68. مدیریت نسخه کد
  • 69. استقرار مدل‌های یادگیری ماشین
  • 70. مقدمه‌ای بر استقرار مدل
  • 71. روش‌های استقرار مدل
  • 72. APIهای یادگیری ماشین
  • 73. پلتفرم‌های ابری برای یادگیری ماشین
  • 74. AWS SageMaker
  • 75. Google AI Platform
  • 76. Azure Machine Learning
  • 77. ملاحظات اخلاقی در هوش مصنوعی
  • 78. سوگیری در داده‌ها و مدل‌ها
  • 79. شفافیت و توضیح‌پذیری مدل‌ها
  • 80. حریم خصوصی داده‌ها
  • 81. مسئولیت‌پذیری در هوش مصنوعی
  • 82. آینده هوش مصنوعی و یادگیری ماشین
  • 83. روندهای نوظهور در یادگیری ماشین
  • 84. هوش مصنوعی مولد
  • 85. یادگیری تقویتی عمیق
  • 86. یادگیری فدرال
  • 87. یادگیری ماشین قابل اعتماد
  • 88. کاربرد هوش مصنوعی در حل مسائل اجتماعی
  • 89. نوآوری در هوش مصنوعی برای توسعه پایدار
  • 90. هوش مصنوعی و اقتصاد دیجیتال
  • 91. کارآفرینی با هوش مصنوعی
  • 92. چالش‌های پیاده‌سازی هوش مصنوعی در سازمان‌ها
  • 93. مدیریت تغییر و پذیرش هوش مصنوعی
  • 94. آموزش نیروی انسانی برای عصر هوش مصنوعی
  • 95. تفکر طراحی در پروژه‌های هوش مصنوعی
  • 96. خلاقیت و نوآوری با هوش مصنوعی
  • 97. اخلاق حرفه‌ای در پروژه‌های هوش مصنوعی
  • 98. همکاری انسان و ماشین
  • 99. آینده شغلی در حوزه هوش مصنوعی
  • 100. یادگیری مستمر و به‌روزرسانی دانش

📚 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.