اکسپرس 24
کتاب مبانی درخت‌های تصمیم، ماشین‌های بردار پشتیبان و یادگیری بدون نظارت در هوش مصنوعی

کتاب مبانی درخت‌های تصمیم، ماشین‌های بردار پشتیبان و یادگیری بدون نظارت در هوش مصنوعی

تگ‌ها: الگوریتم های یادگیری ماشین داده کاوی درخت تصمیم ماشین بردار پشتیبان هوش مصنوعی یادگیری بدون نظارت 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 مبانی درخت‌های تصمیم، ماشین‌های بردار پشتیبان و یادگیری بدون نظارت در هوش مصنوعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین نظارت شده و بدون نظارت

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم پایه یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
  • 4. اهمیت یادگیری ماشین در حل مسائل علمی و صنعتی
  • 5. مراحل کلی در یک پروژه یادگیری ماشین
  • 6. جمع‌آوری و آماده‌سازی داده‌ها
  • 7. ویژگی‌ها و انواع داده‌ها
  • 8. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
  • 9. انتخاب ویژگی و مهندسی ویژگی
  • 10. مقدمه‌ای بر درخت‌های تصمیم
  • 11. ساختار درخت تصمیم
  • 12. معیارهای تقسیم گره: اطلاعات متقابل و ضریب جینی
  • 13. الگوریتم ID3 برای ساخت درخت تصمیم
  • 14. الگوریتم C4.5 و بهبودهای آن
  • 15. الگوریتم CART
  • 16. مزایا و معایب درخت‌های تصمیم
  • 17. کاربرد درخت‌های تصمیم در طبقه‌بندی
  • 18. کاربرد درخت‌های تصمیم در رگرسیون
  • 19. تنظیم پارامترهای درخت تصمیم (هرس)
  • 20. مقدمه‌ای بر ماشین‌های بردار پشتیبان (SVM)
  • 21. مفهوم جداسازی خطی داده‌ها
  • 22. فضای ویژگی و نگاشت هسته (Kernel Trick)
  • 23. تابع هسته خطی
  • 24. تابع هسته چندجمله‌ای
  • 25. تابع هسته گوسی (RBF)
  • 26. تابع هسته سیگموئید
  • 27. ساختار SVM برای طبقه‌بندی
  • 28. توابع هدف و محدودیت‌ها در SVM
  • 29. بهینه‌سازی لاگرانژین در SVM
  • 30. حل مسئله SVM با نرم‌افزار
  • 31. مزایا و معایب SVM
  • 32. کاربرد SVM در طبقه‌بندی دودویی
  • 33. کاربرد SVM در طبقه‌بندی چندکلاسه
  • 34. کاربرد SVM در رگرسیون (SVR)
  • 35. مقدمه‌ای بر یادگیری بدون نظارت
  • 36. تفاوت یادگیری بدون نظارت با نظارت شده
  • 37. کاربرد یادگیری بدون نظارت
  • 38. خوشه‌بندی (Clustering)
  • 39. هدف خوشه‌بندی
  • 40. معیارهای اندازه‌گیری شباهت و فاصله
  • 41. الگوریتم K-Means
  • 42. انتخاب تعداد خوشه‌ها (k)
  • 43. الگوریتم K-Medoids
  • 44. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
  • 45. روش پیوندی (Agglomerative)
  • 46. روش تقسیم‌شونده (Divisive)
  • 47. شاخص‌های ارزیابی خوشه‌بندی
  • 48. کاربرد خوشه‌بندی در بخش‌بندی بازار
  • 49. کاربرد خوشه‌بندی در تحلیل داده‌های زیستی
  • 50. کاربرد خوشه‌بندی در تشخیص ناهنجاری
  • 51. کاهش ابعاد (Dimensionality Reduction)
  • 52. هدف کاهش ابعاد
  • 53. تحلیل مؤلفه‌های اصلی (PCA)
  • 54. مراحل اجرای PCA
  • 55. تفسیر مؤلفه‌های اصلی
  • 56. کاربرد PCA در مصورسازی داده‌ها
  • 57. کاربرد PCA در پیش‌پردازش داده‌ها
  • 58. فاکتور آنالیز (Factor Analysis)
  • 59. مقدمه‌ای بر تفکیک مؤلفه‌ها (ICA)
  • 60. یادگیری نمایش (Representation Learning)
  • 61. یادگیری نمایش در یادگیری بدون نظارت
  • 62. شبکه‌های مولد و یادگیری نمایش
  • 63. توزیع‌های مولد (Generative Models)
  • 64. مدل‌های گرافیکی مولد
  • 65. مدل‌های آماری مولد
  • 66. مقدمه‌ای بر شبکه‌های عصبی مولد (GANs)
  • 67. ساختار GANs: مولد و ممیز
  • 68. آموزش GANs
  • 69. کاربرد GANs در تولید تصاویر
  • 70. کاربرد GANs در افزایش داده
  • 71. کاربرد GANs در انتقال سبک (Style Transfer)
  • 72. مقدمه‌ای بر خودرمزگذارها (Autoencoders)
  • 73. ساختار خودرمزگذار: رمزگذار و رمزگشا
  • 74. خودرمزگذارهای تنک (Sparse Autoencoders)
  • 75. خودرمزگذارهای واریانس‌بگیر (Variational Autoencoders - VAEs)
  • 76. کاربرد VAEs در تولید داده
  • 77. کاربرد خودرمزگذارها در کاهش ابعاد
  • 78. کاربرد خودرمزگذارها در تشخیص ناهنجاری
  • 79. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 80. مفاهیم پایه یادگیری تقویتی: عامل، محیط، پاداش
  • 81. فرایند تصمیم‌گیری مارکوف (MDP)
  • 82. تابع ارزش (Value Function)
  • 83. تابع سیاست (Policy Function)
  • 84. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 85. الگوریتم‌های یادگیری تقویتی: SARSA
  • 86. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 87. کاربرد یادگیری تقویتی در رباتیک
  • 88. کاربرد یادگیری تقویتی در بازی‌ها
  • 89. کاربرد یادگیری تقویتی در بهینه‌سازی سیستم‌ها
  • 90. اصول اخلاقی در هوش مصنوعی و یادگیری ماشین
  • 91. سوگیری در داده‌ها و مدل‌ها
  • 92. تفسیرپذیری مدل‌های یادگیری ماشین
  • 93. امنیت در سیستم‌های یادگیری ماشین
  • 94. ملاحظات حریم خصوصی در جمع‌آوری و استفاده از داده‌ها
  • 95. آینده هوش مصنوعی و یادگیری ماشین
  • 96. روندهای نوظهور در یادگیری ماشین
  • 97. چالش‌های پیش رو در توسعه هوش مصنوعی
  • 98. نقش هوش مصنوعی در تحول جوامع
  • 99. اخلاق در کاربرد هوش مصنوعی در صنعت

📚 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.