اکسپرس 24
کتاب برنامه‌نویسی پیشرفته شبکه‌های عصبی عمیق با پایتون

کتاب برنامه‌نویسی پیشرفته شبکه‌های عصبی عمیق با پایتون

تگ‌ها: برنامه‌نویسی پایتون پایتون دیپ لرنینگ شبکه‌های عصبی مباحث پیشرفته هوش مصنوعی مدل‌های یادگیری عمیق 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 برنامه‌نویسی پیشرفته شبکه‌های عصبی عمیق با پایتون

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق با پایتون

📋 سرفصل‌های دوره

  • 1. مبانی شبکه‌های عصبی مصنوعی
  • 2. مقدمه‌ای بر یادگیری عمیق
  • 3. نصب و راه‌اندازی ابزارهای پایتون
  • 4. مفاهیم اساسی یادگیری ماشین
  • 5. آشنایی با کتابخانه NumPy
  • 6. کار با داده‌ها با استفاده از Pandas
  • 7. تجسم داده‌ها با Matplotlib و Seaborn
  • 8. پیش‌پردازش داده‌ها برای یادگیری عمیق
  • 9. نرمال‌سازی و استانداردسازی داده‌ها
  • 10. کدگذاری ویژگی‌های دسته‌ای
  • 11. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و آزمون
  • 12. معرفی شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 13. تابع فعال‌سازی و اهمیت آن
  • 14. بهینه‌سازی گرادیان کاهشی
  • 15. روش‌های مختلف گرادیان کاهشی (SGD, Adam, RMSprop)
  • 16. تابع هزینه و انتخاب آن
  • 17. تنظیم ابرپارامترها در شبکه‌های عصبی
  • 18. مدیریت بیش‌برازش (Overfitting)
  • 19. تکنیک‌های منظم‌سازی (Regularization)
  • 20. Dropout و کاربرد آن
  • 21. معرفی شبکه‌های عصبی کانولوشنی (CNN)
  • 22. لایه کانولوشن و فیلترها
  • 23. لایه پولینگ و انواع آن
  • 24. معماری‌های رایج CNN (LeNet, AlexNet, VGG)
  • 25. کاربرد CNN در تشخیص تصویر
  • 26. آموزش مدل‌های CNN با Keras
  • 27. تنظیمات پیشرفته CNN
  • 28. معرفی شبکه‌های عصبی بازگشتی (RNN)
  • 29. حافظه در شبکه‌های RNN
  • 30. مشکل محوشدگی گرادیان در RNN
  • 31. شبکه‌های LSTM و GRU
  • 32. کاربرد RNN در پردازش زبان طبیعی
  • 33. آموزش مدل‌های RNN با Keras
  • 34. تنظیمات پیشرفته RNN
  • 35. شبکه‌های عصبی ترنسفورمر
  • 36. مکانیزم توجه (Attention Mechanism)
  • 37. معماری ترنسفورمر برای پردازش زبان طبیعی
  • 38. مدل‌های زبانی بزرگ (LLM)
  • 39. کاربرد ترنسفورمر در ترجمه ماشینی
  • 40. مدل‌های پیش‌آموزش‌دیده (Pre-trained Models)
  • 41. تنظیم دقیق (Fine-tuning) مدل‌های ترنسفورمر
  • 42. معرفی مدل‌های Embeddings (Word2Vec, GloVe)
  • 43. مدل‌های Embeddings مبتنی بر ترنسفورمر (BERT, GPT)
  • 44. کاربرد Embeddings در وظایف NLP
  • 45. پردازش متن با استفاده از Embeddings
  • 46. تحلیل احساسات با استفاده از شبکه‌های عصبی
  • 47. طبقه‌بندی متن با استفاده از شبکه‌های عصبی
  • 48. تولید متن با استفاده از شبکه‌های عصبی
  • 49. خلاصه‌سازی متن با استفاده از شبکه‌های عصبی
  • 50. ترجمه ماشینی با استفاده از شبکه‌های عصبی
  • 51. کاربرد شبکه‌های عصبی در سیستم‌های توصیه‌گر
  • 52. فیلترینگ مشارکتی با استفاده از شبکه‌های عصبی
  • 53. یادگیری عمیق برای سیستم‌های توصیه‌گر
  • 54. شبکه‌های مولد تخاصمی (GAN)
  • 55. معماری GAN و اجزای آن
  • 56. کاربرد GAN در تولید تصویر
  • 57. آموزش GAN با Keras
  • 58. تنظیمات پیشرفته GAN
  • 59. یادگیری تقویتی (Reinforcement Learning)
  • 60. مفاهیم پایه یادگیری تقویتی
  • 61. عامل، محیط، پاداش و حالت
  • 62. الگوریتم‌های یادگیری تقویتی (Q-Learning, Policy Gradients)
  • 63. شبکه‌های عصبی عمیق در یادگیری تقویتی (DQN)
  • 64. کاربرد یادگیری تقویتی در بازی‌ها
  • 65. کاربرد یادگیری تقویتی در رباتیک
  • 66. کاربرد یادگیری تقویتی در بهینه‌سازی
  • 67. معرفی شبکه‌های گراف عصبی (GNN)
  • 68. مفاهیم پایه شبکه‌های گراف عصبی
  • 69. لایه GNN و عملیات آن
  • 70. کاربرد GNN در پیش‌بینی خواص مولکولی
  • 71. کاربرد GNN در شبکه‌های اجتماعی
  • 72. کاربرد GNN در سیستم‌های توصیه‌گر
  • 73. آموزش مدل‌های GNN با PyTorch Geometric
  • 74. آموزش مدل‌های GNN با Deep Graph Library
  • 75. ملاحظات اخلاقی در هوش مصنوعی
  • 76. سوگیری در داده‌ها و مدل‌ها
  • 77. تفسیرپذیری مدل‌های یادگیری عمیق (XAI)
  • 78. حریم خصوصی و امنیت در هوش مصنوعی
  • 79. هوش مصنوعی مسئولانه و پایدار
  • 80. کاربرد هوش مصنوعی در صنعت (با رویکرد داخلی)
  • 81. کاربرد هوش مصنوعی در سلامت (با رویکرد داخلی)
  • 82. کاربرد هوش مصنوعی در کشاورزی (با رویکرد داخلی)
  • 83. کاربرد هوش مصنوعی در آموزش (با رویکرد داخلی)
  • 84. کاربرد هوش مصنوعی در حمل و نقل (با رویکرد داخلی)
  • 85. آینده هوش مصنوعی و یادگیری عمیق
  • 86. تحقیقات پیشرو در یادگیری عمیق
  • 87. چالش‌های فعلی در هوش مصنوعی
  • 88. نقش هوش مصنوعی در توسعه علمی و فناوری کشور
  • 89. توسعه مدل‌های هوش مصنوعی بومی
  • 90. پروژه‌های عملی یادگیری عمیق
  • 91. ساخت یک سیستم تشخیص تصویر سفارشی
  • 92. پیاده‌سازی یک مدل پردازش زبان طبیعی پیشرفته
  • 93. طراحی یک سیستم توصیه‌گر مبتنی بر یادگیری عمیق
  • 94. توسعه یک عامل یادگیری تقویتی برای یک بازی ساده
  • 95. مرور و جمع‌بندی مباحث پیشرفته
  • 96. راهنمایی برای پروژه‌های تحقیقاتی
  • 97. منابع برای مطالعه بیشتر

📚 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.