اکسپرس 24
کتاب مبانی یادگیری تقویتی با تنسورفلو برای متخصصان

کتاب مبانی یادگیری تقویتی با تنسورفلو برای متخصصان

تگ‌ها: تخصص هوش مصنوعی تنسورفلو هوش مصنوعی یادگیری تقویتی یادگیری تقویتی با پایتون یادگیری عمیق یادگیری عمیق با تنسورفلو 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 یادگیری تقویتی با تنسورفلو برای متخصصان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و یادگیری تقویتی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین
  • 4. یادگیری نظارت شده
  • 5. یادگیری بدون نظارت
  • 6. یادگیری تقویتی
  • 7. مقدمه‌ای بر تنسورفلو
  • 8. نصب و پیکربندی تنسورفلو
  • 9. مفاهیم پایه تنسورفلو
  • 10. تنسورها در تنسورفلو
  • 11. عملیات پایه تنسورفلو
  • 12. گراف‌های محاسباتی
  • 13. جلسات (Sessions) در تنسورفلو
  • 14. متغیرها (Variables) در تنسورفلو
  • 15. placeholders در تنسورفلو
  • 16. تابع هزینه (Loss Functions)
  • 17. بهینه‌سازها (Optimizers)
  • 18. گرادیان کاهشی (Gradient Descent)
  • 19. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
  • 20. نورون‌های مصنوعی
  • 21. توابع فعال‌سازی
  • 22. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 23. پس‌انتشار خطا (Backpropagation)
  • 24. آموزش شبکه‌های عصبی
  • 25. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 26. رگولاریزاسیون (Regularization)
  • 27. شبکه‌های عصبی کانولوشنی (CNNs)
  • 28. لایه کانولوشن
  • 29. لایه پولینگ
  • 30. معماری‌های معروف CNN
  • 31. کاربرد CNN در بینایی ماشین
  • 32. شبکه‌های عصبی بازگشتی (RNNs)
  • 33. سلول‌های حافظه بلند کوتاه (LSTM)
  • 34. واحدهای بازگشتی دروازه‌ای (GRU)
  • 35. کاربرد RNN در پردازش زبان طبیعی
  • 36. مقدمه‌ای بر یادگیری تقویتی
  • 37. عناصر یادگیری تقویتی
  • 38. عامل (Agent)
  • 39. محیط (Environment)
  • 40. حالت (State)
  • 41. عمل (Action)
  • 42. پاداش (Reward)
  • 43. سیاست (Policy)
  • 44. تابع ارزش (Value Function)
  • 45. مارکوف تصمیم‌گیری (MDP)
  • 46. فرمول بلمن (Bellman Equation)
  • 47. یادگیری آفلاین در مقابل یادگیری آنلاین
  • 48. روش‌های ارزش‌محور (Value-Based Methods)
  • 49. یادگیری Q (Q-Learning)
  • 50. یادگیری Q عمیق (Deep Q-Learning - DQN)
  • 51. شبکه‌های DQN
  • 52. بهبودهای DQN
  • 53. روش‌های سیاست‌محور (Policy-Based Methods)
  • 54. گرادیان سیاست (Policy Gradient)
  • 55. روش Actor-Critic
  • 56. یادگیری تقویتی در تنسورفلو
  • 57. پیاده‌سازی DQN با تنسورفلو
  • 58. پیاده‌سازی Actor-Critic با تنسورفلو
  • 59. بازی‌های Atari با یادگیری تقویتی
  • 60. محیط‌های Gym OpenAI
  • 61. پیاده‌سازی یک عامل DQN برای بازی Pong
  • 62. پیاده‌سازی یک عامل Actor-Critic برای بازی CartPole
  • 63. تنظیمات پیشرفته در یادگیری تقویتی
  • 64. اکتشاف در مقابل بهره‌برداری (Exploration vs. Exploitation)
  • 65. تکنیک‌های اکتشاف
  • 66. کاهش نویز در یادگیری تقویتی
  • 67. آموزش توزیع شده در یادگیری تقویتی
  • 68. ملاحظات اخلاقی در هوش مصنوعی
  • 69. مسئولیت‌پذیری در هوش مصنوعی
  • 70. حریم خصوصی و داده‌ها
  • 71. عدالت و سوگیری در الگوریتم‌ها
  • 72. تفسیرپذیری در هوش مصنوعی
  • 73. مقدمه‌ای بر یادگیری عمیق برای متخصصان
  • 74. شبکه‌های عصبی عمیق و کاربردهای آن
  • 75. تکنیک‌های پیشرفته در شبکه‌های عصبی
  • 76. یادگیری انتقالی (Transfer Learning)
  • 77. یادگیری چند وظیفه‌ای (Multi-task Learning)
  • 78. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
  • 79. یادگیری خودنظارتی (Self-supervised Learning)
  • 80. شبکه‌های مولد تخاصمی (GANs)
  • 81. معماری‌های GAN
  • 82. کاربرد GANها
  • 83. یادگیری تقویتی عمیق در رباتیک
  • 84. کنترل ربات با یادگیری تقویتی
  • 85. یادگیری حرکات رباتیک
  • 86. یادگیری تقویتی برای بهینه‌سازی سیستم‌ها
  • 87. بهینه‌سازی زمان‌بندی
  • 88. بهینه‌سازی تخصیص منابع
  • 89. کاربرد یادگیری تقویتی در سیستم‌های توصیه‌گر
  • 90. توصیه‌گرهای تعاملی
  • 91. یادگیری تقویتی برای پردازش زبان طبیعی پیشرفته
  • 92. تولید متن با یادگیری تقویتی
  • 93. ترجمه ماشینی با یادگیری تقویتی
  • 94. یادگیری تقویتی برای تحلیل داده‌های سری زمانی
  • 95. پیش‌بینی قیمت سهام
  • 96. تشخیص ناهنجاری در داده‌ها
  • 97. مباحث پیشرفته در تنسورفلو
  • 98. TensorFlow Extended (TFX)
  • 99. TensorFlow Lite
  • 100. TensorFlow.js

📚 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.