اکسپرس 24
کتاب ایجاد مدل‌های یادگیری ماشین با استفاده از آزمایش‌های تکرارپذیر

کتاب ایجاد مدل‌های یادگیری ماشین با استفاده از آزمایش‌های تکرارپذیر

تگ‌ها: MLOps آزمایش تکرارپذیر ارزیابی مدل بهبود مدل توسعه مدل علم داده مدل بهتر مدل سازی ماشین هوش مصنوعی یادگیری ماشین

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 ایجاد مدل‌های یادگیری ماشین با استفاده از آزمایش‌های تکرارپذیر

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: توسعه و ارزیابی مدل‌های یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه: اهمیت تکرارپذیری در یادگیری ماشین
  • 2. مروری بر اصول یادگیری ماشین
  • 3. مبانی علم داده و مهندسی ویژگی
  • 4. چرخه حیات پروژه یادگیری ماشین
  • 5. انتخاب مجموعه داده مناسب
  • 6. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 7. مدیریت داده‌های گمشده
  • 8. مهندسی ویژگی: ایجاد ویژگی‌های جدید
  • 9. انتخاب ویژگی: روش‌های مبتنی بر فیلتر
  • 10. انتخاب ویژگی: روش‌های مبتنی بر Wrapper
  • 11. انتخاب ویژگی: روش‌های مبتنی بر Embedded
  • 12. تقسیم داده‌ها: آموزش، اعتبارسنجی و آزمون
  • 13. اعتبارسنجی متقابل (Cross-Validation)
  • 14. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 15. معرفی مدل‌های پایه یادگیری ماشین
  • 16. رگرسیون خطی و ارزیابی آن
  • 17. رگرسیون لجستیک و کاربردهای آن
  • 18. ماشین‌های بردار پشتیبان (SVM)
  • 19. درخت‌های تصمیم و جنگل‌های تصادفی
  • 20. یادگیری جمعی (Ensemble Learning)
  • 21. معرفی مدل‌های یادگیری عمیق
  • 22. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 23. شبکه‌های عصبی کانولوشنال (CNN)
  • 24. شبکه‌های عصبی بازگشتی (RNN)
  • 25. شبکه‌های حافظه طولانی کوتاه (LSTM)
  • 26. شبکه‌های مولد تخاصمی (GAN)
  • 27. معیارهای ارزیابی مدل‌های طبقه‌بندی
  • 28. دقت، صحت و بازیابی
  • 29. امتیاز F1 و منحنی ROC
  • 30. متریک‌های ارزیابی مدل‌های رگرسیون
  • 31. خطای میانگین مربعات (MSE)
  • 32. خطای مطلق میانگین (MAE)
  • 33. ضریب تعیین (R-squared)
  • 34. تفسیرپذیری مدل‌ها (Model Interpretability)
  • 35. روش‌های توضیح مدل‌های جعبه سیاه
  • 36. اهمیت مستندسازی در آزمایش‌ها
  • 37. نکات کلیدی در طراحی آزمایش‌های تکرارپذیر
  • 38. مدیریت نسخه کد و داده‌ها
  • 39. استفاده از ابزارهای کنترل نسخه (Git)
  • 40. مدیریت محیط‌های توسعه (Virtual Environments)
  • 41. استفاده از ابزارهای ردیابی آزمایش (Experiment Tracking)
  • 42. معرفی ابزار MLflow
  • 43. ثبت پارامترها و متریک‌ها در MLflow
  • 44. مدیریت مصنوعات (Artifacts) در MLflow
  • 45. مقایسه نتایج آزمایش‌ها در MLflow
  • 46. استفاده از ابزار DVC برای مدیریت داده‌ها
  • 47. مدیریت نسخه داده‌ها با DVC
  • 48. ادغام DVC با Git
  • 49. استفاده از DVC برای ذخیره‌سازی داده‌های بزرگ
  • 50. اهمیت قابلیت اطمینان در مدل‌ها
  • 51. تست واحد برای کد یادگیری ماشین
  • 52. تست یکپارچگی برای پایپلاین‌ها
  • 53. تست مدل در برابر داده‌های جدید
  • 54. استقرار مدل‌ها (Model Deployment)
  • 55. مراحل استقرار مدل
  • 56. استقرار مدل به عنوان API
  • 57. استقرار مدل در محیط‌های ابری
  • 58. مدیریت چرخه حیات مدل مستقر شده
  • 59. پایش عملکرد مدل در تولید
  • 60. بازآموزی مدل‌ها (Model Retraining)
  • 61. استراتژی‌های بازآموزی
  • 62. هشدارهای مربوط به انحراف داده (Data Drift)
  • 63. هشدارهای مربوط به انحراف مفهوم (Concept Drift)
  • 64. اهمیت اخلاق در هوش مصنوعی
  • 65. سوگیری در داده‌ها و مدل‌ها
  • 66. روش‌های کاهش سوگیری
  • 67. شفافیت و پاسخگویی در هوش مصنوعی
  • 68. حریم خصوصی و امنیت داده‌ها
  • 69. کاربرد هوش مصنوعی در حوزه‌های مختلف
  • 70. هوش مصنوعی در پردازش زبان طبیعی
  • 71. هوش مصنوعی در بینایی ماشین
  • 72. هوش مصنوعی در سیستم‌های توصیه‌گر
  • 73. هوش مصنوعی در حوزه سلامت
  • 74. هوش مصنوعی در حوزه مالی
  • 75. هوش مصنوعی در حوزه تولید
  • 76. هوش مصنوعی در حوزه حمل و نقل
  • 77. هوش مصنوعی در حوزه کشاورزی
  • 78. هوش مصنوعی در حوزه انرژی
  • 79. هوش مصنوعی در حوزه آموزش
  • 80. کاربردهای هوش مصنوعی با رویکرد اسلامی
  • 81. اصول فقهی در توسعه هوش مصنوعی
  • 82. ملاحظات اخلاقی در کاربردهای اسلامی
  • 83. فناوری‌های نوین در یادگیری ماشین
  • 84. یادگیری تقویتی (Reinforcement Learning)
  • 85. یادگیری عمیق توزیع‌شده
  • 86. محاسبات کوانتومی و یادگیری ماشین
  • 87. یادگیری ماشین قابل توضیح (XAI)
  • 88. مباحث پیشرفته در تفسیرپذیری
  • 89. مدل‌های گراف عصبی (GNN)
  • 90. هوش مصنوعی مولد پیشرفته
  • 91. چالش‌های آینده در یادگیری ماشین
  • 92. مسیر شغلی در حوزه هوش مصنوعی
  • 93. مهارت‌های لازم برای متخصصان هوش مصنوعی
  • 94. منابع برای یادگیری بیشتر
  • 95. پروژه‌های عملی برای تقویت مهارت
  • 96. جمع‌بندی و نگاه به آینده

📚 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.