کتاب مبانی ریاضیاتی یادگیری عمیق برای هوش مصنوعی 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 مبانی ریاضیاتی یادگیری عمیق برای هوش مصنوعی کاربردی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی جبر خطی برای یادگیری عمیق
  • 3. ماتریس‌ها و عملیات روی آن‌ها
  • 4. بردارها و فضاهای برداری
  • 5. مقادیر ویژه و بردارهای ویژه
  • 6. تحلیل مؤلفه‌های اصلی (PCA)
  • 7. مبانی حساب دیفرانسیل و انتگرال
  • 8. مشتقات توابع چند متغیره
  • 9. قاعده زنجیره‌ای در حساب دیفرانسیل
  • 10. گرادیان و کاربرد آن در بهینه‌سازی
  • 11. بهینه‌سازی تابع با چند متغیر
  • 12. مبانی احتمال و آمار
  • 13. متغیرهای تصادفی و توزیع‌های احتمال
  • 14. توزیع‌های گسسته و پیوسته
  • 15. امید ریاضی و واریانس
  • 16. قضیه بیز و استنتاج احتمالاتی
  • 17. برآورد حداکثر درست‌نمایی (MLE)
  • 18. روش گشتاورها (MoM)
  • 19. مبانی بهینه‌سازی
  • 20. روش‌های بهینه‌سازی بدون قید
  • 21. گرادیان کاهشی (Gradient Descent)
  • 22. گرادیان کاهشی تصادفی (SGD)
  • 23. بهینه‌سازهای تطبیقی (Adam, RMSprop)
  • 24. بهینه‌سازی مقید
  • 25. روش لاگرانژین
  • 26. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 27. نورون مصنوعی و توابع فعال‌سازی
  • 28. شبکه‌های عصبی پیشخور (Feedforward Networks)
  • 29. پس‌انتشار خطا (Backpropagation)
  • 30. یادگیری پارامترها در شبکه‌های عصبی
  • 31. تکنیک‌های تنظیم (Regularization)
  • 32. کاهش بیش‌برازش (Overfitting)
  • 33. L1 و L2 Regularization
  • 34. Dropout
  • 35. Early Stopping
  • 36. شبکه‌های عصبی کانولوشنی (CNN)
  • 37. لایه‌های کانولوشن و پولینگ
  • 38. کاربرد CNN در بینایی ماشین
  • 39. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 40. شبکه‌های عصبی بازگشتی (RNN)
  • 41. حافظه کوتاه‌مدت طولانی (LSTM)
  • 42. واحد بازگشتی دروازه‌ای (GRU)
  • 43. کاربرد RNN در NLP
  • 44. یادگیری بازنمایی کلمات (Word Embeddings)
  • 45. Word2Vec و GloVe
  • 46. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 47. مکانیزم توجه (Attention Mechanism)
  • 48. کاربرد ترنسفورمر در NLP
  • 49. یادگیری تقویتی (Reinforcement Learning)
  • 50. عناصر یادگیری تقویتی
  • 51. فرایند تصمیم‌گیری مارکوف (MDP)
  • 52. الگوریتم‌های Q-Learning
  • 53. Policy Gradients
  • 54. یادگیری عمیق مولد (Generative Deep Learning)
  • 55. شبکه‌های مولد تخاصمی (GAN)
  • 56. شبکه‌های واریشنال اتوانکودر (VAE)
  • 57. کاربرد مدل‌های مولد
  • 58. معماری‌های پیشرفته در یادگیری عمیق
  • 59. شبکه‌های عصبی گراف (GNN)
  • 60. یادگیری عمیق در داده‌های سری زمانی
  • 61. کاربرد یادگیری عمیق در پزشکی
  • 62. کاربرد یادگیری عمیق در اقتصاد
  • 63. کاربرد یادگیری عمیق در علوم زیستی
  • 64. کاربرد یادگیری عمیق در مهندسی
  • 65. اخلاق در هوش مصنوعی و یادگیری عمیق
  • 66. سوگیری در الگوریتم‌های یادگیری ماشین
  • 67. شفافیت و قابلیت توضیح‌پذیری مدل‌ها
  • 68. حریم خصوصی و امنیت داده‌ها
  • 69. ملاحظات نظارتی و قانونی در هوش مصنوعی
  • 70. روش‌های ارزیابی مدل‌های یادگیری عمیق
  • 71. متریک‌های ارزیابی برای رگرسیون
  • 72. متریک‌های ارزیابی برای طبقه‌بندی
  • 73. متریک‌های ارزیابی برای مدل‌های مولد
  • 74. مقدمه‌ای بر پردازش سیگنال برای یادگیری عمیق
  • 75. تبدیل فوریه و کاربردهای آن
  • 76. پردازش سیگنال‌های صوتی
  • 77. پردازش سیگنال‌های تصویری
  • 78. مبانی یادگیری نیمه‌نظارتی
  • 79. یادگیری انتقالی (Transfer Learning)
  • 80. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 81. مفاهیم پیشرفته در شبکه‌های عصبی
  • 82. شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
  • 83. یادگیری عمیق کوانتومی
  • 84. کاربرد یادگیری عمیق در رباتیک
  • 85. مقدمه‌ای بر مهندسی ویژگی (Feature Engineering)
  • 86. مدل‌های یادگیری ماشین سنتی
  • 87. مقایسه مدل‌های سنتی و یادگیری عمیق
  • 88. ملاحظات پیاده‌سازی و استقرار مدل‌ها
  • 89. بهینه‌سازی مدل‌ها برای محیط‌های عملیاتی
  • 90. مدیریت چرخه عمر مدل‌های یادگیری ماشین
  • 91. مقدمه‌ای بر داده‌های بزرگ (Big Data) و یادگیری عمیق
  • 92. پلتفرم‌های پردازش داده‌های بزرگ
  • 93. کاربرد یادگیری عمیق در تحلیل داده‌های بزرگ
  • 94. ملاحظات امنیتی در سیستم‌های هوش مصنوعی

📚 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.