اکسپرس 24
کتاب مقدمه‌ای کاربردی بر شبکه‌های عصبی با پایتورچ

کتاب مقدمه‌ای کاربردی بر شبکه‌های عصبی با پایتورچ

تگ‌ها: PyTorch پایتورچ شبکه‌های عصبی شبکه‌های عصبی با پایتورچ مقدمه‌ای بر هوش مصنوعی هوش مصنوعی یادگیری عمیق 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 مقدمه‌ای کاربردی بر شبکه‌های عصبی با پایتورچ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مبانی یادگیری ماشین و هوش مصنوعی
  • 2. تاریخچه شبکه‌های عصبی
  • 3. مفاهیم پایه نورون مصنوعی
  • 4. توابع فعال‌سازی در شبکه‌های عصبی
  • 5. شبکه‌های پرسپترون تک‌لایه
  • 6. آموزش پرسپترون تک‌لایه
  • 7. شبکه‌های پرسپترون چندلایه
  • 8. انتشار رو به عقب خطا (Backpropagation)
  • 9. بهینه‌سازی در شبکه‌های عصبی
  • 10. نرخ یادگیری و تنظیم آن
  • 11. روش‌های بهینه‌سازی پیشرفته (Momentum, Adam)
  • 12. تابع هزینه (Loss Function)
  • 13. انتخاب تابع هزینه مناسب
  • 14. مقدمه‌ای بر پایتورچ (PyTorch)
  • 15. نصب و پیکربندی پایتورچ
  • 16. مبانی تنسورها در پایتورچ
  • 17. عملیات پایه بر روی تنسورها
  • 18. چارچوب محاسبات گرادیان در پایتورچ
  • 19. تعریف مدل‌های شبکه‌های عصبی در پایتورچ
  • 20. ماژول `nn.Module` در پایتورچ
  • 21. لایه‌های خطی (Linear Layers)
  • 22. لایه‌های کانولوشن (Convolutional Layers)
  • 23. لایه‌های تجمعی (Pooling Layers)
  • 24. لایه‌های بازگشتی (Recurrent Layers)
  • 25. مقدمه‌ای بر یادگیری عمیق
  • 26. شبکه‌های عصبی کانولوشنال (CNN)
  • 27. معماری‌های معروف CNN (LeNet, AlexNet)
  • 28. کاربردهای CNN در پردازش تصویر
  • 29. شبکه‌های عصبی بازگشتی (RNN)
  • 30. حافظه کوتاه‌مدت طولانی (LSTM)
  • 31. واحد بازگشتی دروازه‌ای (GRU)
  • 32. کاربردهای RNN در پردازش زبان طبیعی
  • 33. یادگیری تقویتی (Reinforcement Learning)
  • 34. مقدمه‌ای بر یادگیری بدون نظارت
  • 35. کدگذاری کننده‌ها (Autoencoders)
  • 36. شبکه‌های مولد تخاصمی (GANs)
  • 37. تکنیک‌های پیش‌پردازش داده
  • 38. نرمال‌سازی داده‌ها
  • 39. افزایش داده (Data Augmentation)
  • 40. تقسیم داده به مجموعه‌های آموزش، اعتبارسنجی و آزمون
  • 41. ارزیابی مدل‌های یادگیری ماشین
  • 42. معیارهای ارزیابی طبقه‌بندی (دقت، صحت، فراخوانی)
  • 43. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 44. معیارهای ارزیابی رگرسیون (MSE, MAE)
  • 45. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 46. جستجوی شبکه‌ای (Grid Search)
  • 47. جستجوی تصادفی (Random Search)
  • 48. اعتبارسنجی متقابل (Cross-Validation)
  • 49. مدیریت داده‌های نامتوازن
  • 50. تکنیک‌های کاهش ابعاد (PCA)
  • 51. یادگیری انتقالی (Transfer Learning)
  • 52. استفاده از مدل‌های از پیش آموزش‌دیده
  • 53. تنظیم دقیق (Fine-tuning) مدل‌ها
  • 54. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 55. توکنایز کردن متن (Tokenization)
  • 56. بردارسازی کلمات (Word Embeddings)
  • 57. Word2Vec و GloVe
  • 58. شبکه‌های عصبی ترنسفورمر (Transformers)
  • 59. مکانیسم توجه (Attention Mechanism)
  • 60. مدل‌های زبانی بزرگ (LLMs)
  • 61. کاربردهای LLMs در تولید متن
  • 62. ترجمه ماشینی با شبکه‌های عصبی
  • 63. خلاصه‌سازی متن با یادگیری عمیق
  • 64. تحلیل احساسات (Sentiment Analysis)
  • 65. تشخیص موجودیت نام‌دار (Named Entity Recognition)
  • 66. مدل‌سازی موضوعی (Topic Modeling)
  • 67. مقدمه‌ای بر بینایی ماشین
  • 68. تشخیص اشیاء (Object Detection)
  • 69. تقسیم‌بندی تصویر (Image Segmentation)
  • 70. تولید تصویر با شبکه‌های مولد
  • 71. یادگیری عمیق در پزشکی
  • 72. تشخیص بیماری‌ها با CNN
  • 73. تحلیل تصاویر پزشکی
  • 74. کاربرد هوش مصنوعی در اقتصاد اسلامی
  • 75. مبانی بانکداری بدون ربا
  • 76. عقود اسلامی در نظام بانکی
  • 77. اقتصاد مقاومتی و هوش مصنوعی
  • 78. کاربرد هوش مصنوعی در مدیریت ریسک مالی
  • 79. مدل‌سازی پیش‌بینی تقاضا
  • 80. تحلیل داده‌های سری زمانی
  • 81. آموزش مدل‌های سری زمانی در پایتورچ
  • 82. شبکه‌های عصبی برای پیش‌بینی سری زمانی
  • 83. شبکه‌های عصبی گراف (Graph Neural Networks)
  • 84. مقدمه‌ای بر شبکه‌های عصبی گرافی
  • 85. کاربرد GNN در تحلیل شبکه‌ها
  • 86. شبکه‌های عصبی مولد پیشرفته
  • 87. GANs برای تولید داده‌های واقع‌گرایانه
  • 88. پیشرفت‌های اخیر در GANs
  • 89. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
  • 90. حفظ حریم خصوصی در یادگیری ماشین
  • 91. پیاده‌سازی مدل‌های یادگیری فدرال
  • 92. مقدمه‌ای بر هوش مصنوعی اخلاقی
  • 93. سوگیری در الگوریتم‌های هوش مصنوعی
  • 94. عدالت و انصاف در هوش مصنوعی
  • 95. شفافیت و توضیح‌پذیری در مدل‌ها (XAI)
  • 96. کاربردهای هوش مصنوعی در صنعت
  • 97. بهینه‌سازی فرآیندهای تولید
  • 98. نگهداری پیش‌بینانه
  • 99. رباتیک و اتوماسیون صنعتی
  • 100. مقدمه‌ای بر یادگیری تقویتی عمیق (DRL)

📚 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.