اکسپرس 24
کتاب تسلط بر یادگیری عمیق با تنسور فلو ۲.x و کراس: از مبانی تا کاربردهای پیشرفته

کتاب تسلط بر یادگیری عمیق با تنسور فلو ۲.x و کراس: از مبانی تا کاربردهای پیشرفته

تگ‌ها: Keras Tensorflow 2.x پردازش تصویر پردازش زبان طبیعی تنسور فلو شبکه‌های عصبی کراس 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 تسلط بر یادگیری عمیق با تنسور فلو ۲.x و کراس: از مبانی تا کاربردهای پیشرفته

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق با تنسور فلو و کراس

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. مقدمه‌ای بر یادگیری عمیق
  • 5. شبکه‌های عصبی مصنوعی
  • 6. ساختار و عملکرد نورون مصنوعی
  • 7. توابع فعال‌سازی در شبکه‌های عصبی
  • 8. پس‌انتشار خطا (Backpropagation)
  • 9. بهینه‌سازی شبکه‌های عصبی
  • 10. گرادیان کاهشی و انواع آن
  • 11. مقدمه‌ای بر تنسور فلو ۲.x
  • 12. نصب و پیکربندی تنسور فلو
  • 13. تنسورها در تنسور فلو
  • 14. عملیات بر روی تنسورها
  • 15. سفارشی‌سازی توابع در تنسور فلو
  • 16. تابع‌سازی (Functionals) در تنسور فلو
  • 17. مقدمه‌ای بر کراس (Keras)
  • 18. معماری کراس: لایه‌ها، مدل‌ها، بهینه‌سازها
  • 19. ساخت مدل‌های ترتیبی (Sequential Models)
  • 20. لایه‌های متراکم (Dense Layers)
  • 21. توابع فعال‌سازی در کراس
  • 22. کامپایل کردن مدل‌ها
  • 23. آموزش مدل‌ها
  • 24. ارزیابی مدل‌ها
  • 25. پیش‌بینی با مدل‌های آموزش دیده
  • 26. شبکه‌های عصبی کانولوشنال (CNN)
  • 27. مقدمه‌ای بر CNN
  • 28. لایه‌های کانولوشنال
  • 29. لایه‌های پولینگ (Pooling Layers)
  • 30. لایه‌های نرمال‌سازی دسته‌ای (Batch Normalization)
  • 31. معماری‌های معروف CNN (مانند LeNet، AlexNet)
  • 32. کاربرد CNN در تشخیص تصویر
  • 33. مقدمه‌ای بر شبکه‌های عصبی بازگشتی (RNN)
  • 34. مبانی RNN
  • 35. حافظه در RNN
  • 36. انواع RNN: LSTM و GRU
  • 37. لایه‌های LSTM
  • 38. لایه‌های GRU
  • 39. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 40. مقدمه‌ای بر پردازش زبان طبیعی
  • 41. نمایش کلمات (Word Embeddings)
  • 42. Word2Vec
  • 43. GloVe
  • 44. کاربرد Embeddings در مدل‌های یادگیری عمیق
  • 45. مدل‌های زبانی
  • 46. شبکه‌های عصبی ترنسفورمر (Transformer Networks)
  • 47. مقدمه‌ای بر ترنسفورمر
  • 48. مکانیزم توجه (Attention Mechanism)
  • 49. خود-توجهی (Self-Attention)
  • 50. معماری ترنسفورمر
  • 51. کاربرد ترنسفورمر در NLP
  • 52. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
  • 53. عناصر کلیدی یادگیری تقویتی
  • 54. عامل، محیط، پاداش
  • 55. سیاست و تابع ارزش
  • 56. یادگیری Q (Q-Learning)
  • 57. Deep Q-Networks (DQN)
  • 58. کاربرد یادگیری تقویتی
  • 59. مقدمه‌ای بر کاربردهای پیشرفته یادگیری عمیق
  • 60. یادگیری انتقالی (Transfer Learning)
  • 61. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 62. مولد شبکه‌های تخاصمی (GANs)
  • 63. مقدمه‌ای بر GANs
  • 64. مولد و ممیز
  • 65. کاربرد GANs در تولید تصویر
  • 66. خودرمزگذارها (Autoencoders)
  • 67. مقدمه‌ای بر خودرمزگذارها
  • 68. کدگذاری و رمزگشایی
  • 69. کاربرد خودرمزگذارها در کاهش ابعاد
  • 70. شبکه‌های گراف عصبی (GNNs)
  • 71. مقدمه‌ای بر GNNs
  • 72. عملیات انتشار در GNNs
  • 73. کاربرد GNNs
  • 74. یادگیری عمیق برای داده‌های سری زمانی
  • 75. مدل‌سازی داده‌های سری زمانی با تنسور فلو
  • 76. کاربرد در پیش‌بینی و تحلیل
  • 77. مقدمه‌ای بر بهینه‌سازی در یادگیری عمیق
  • 78. تکنیک‌های پیشرفته بهینه‌سازی
  • 79. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 80. اعتبارسنجی متقابل (Cross-Validation)
  • 81. روش‌های منظم‌سازی (Regularization Techniques)
  • 82. کاهش بیش‌برازش (Overfitting)
  • 83. مقدمه‌ای بر اخلاق و مسئولیت‌پذیری در هوش مصنوعی
  • 84. سوگیری در داده‌ها و مدل‌ها
  • 85. حریم خصوصی و امنیت داده‌ها
  • 86. شفافیت و تفسیرپذیری مدل‌های هوش مصنوعی
  • 87. کاربرد هوش مصنوعی در حوزه‌های مختلف (سلامت، مالی، صنعت)
  • 88. نوآوری‌های اخیر در یادگیری عمیق
  • 89. چالش‌های پیش رو در هوش مصنوعی
  • 90. مسیر شغلی در حوزه هوش مصنوعی و یادگیری عمیق
  • 91. 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.