اکسپرس 24
کتاب شبکه‌های عصبی کانولوشنی مدرن با استفاده از تنسورفلو

کتاب شبکه‌های عصبی کانولوشنی مدرن با استفاده از تنسورفلو

تگ‌ها: CNN Tensorflow تنسورفلو شبکه‌های عصبی شبکه‌های عصبی کانولوشنی علوم کامپیوتر مهندسی نرم‌افزار 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 شبکه‌های عصبی کانولوشنی مدرن با استفاده از تنسورفلو

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر علوم کامپیوتر و مهندسی نرم‌افزار
  • 2. مبانی برنامه‌نویسی پایتون
  • 3. ساختارهای داده در پایتون
  • 4. الگوریتم‌های پایه
  • 5. مفاهیم اولیه هوش مصنوعی
  • 6. مقدمه‌ای بر یادگیری ماشین
  • 7. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
  • 8. مقدمه‌ای بر شبکه‌های عصبی
  • 9. نورون مصنوعی و توابع فعال‌سازی
  • 10. معماری شبکه‌های عصبی ساده
  • 11. پس‌انتشار خطا (Backpropagation)
  • 12. بهینه‌سازها در شبکه‌های عصبی
  • 13. تنظیم پارامترهای شبکه‌های عصبی
  • 14. معرفی تنسورفلو (TensorFlow)
  • 15. نصب و راه‌اندازی تنسورفلو
  • 16. مبانی تنسورها در تنسورفلو
  • 17. عملیات پایه با تنسورها
  • 18. ایجاد مدل‌های خطی با تنسورفلو
  • 19. آموزش مدل‌های خطی
  • 20. مقدمه‌ای بر شبکه‌های عصبی کانولوشنی (CNN)
  • 21. معماری شبکه‌های کانولوشنی
  • 22. لایه کانولوشن (Convolutional Layer)
  • 23. لایه پولینگ (Pooling Layer)
  • 24. لایه فعال‌سازی در CNN
  • 25. لایه تماماً متصل (Fully Connected Layer)
  • 26. معماری LeNet-5
  • 27. آموزش شبکه‌های کانولوشنی با تنسورفلو
  • 28. کار با مجموعه داده‌های تصویری
  • 29. پیش‌پردازش داده‌های تصویری
  • 30. استفاده از داده‌افزایی (Data Augmentation)
  • 31. مدل‌های CNN پیشرفته
  • 32. معماری AlexNet
  • 33. معماری VGG
  • 34. معماری ResNet
  • 35. معماری Inception
  • 36. تکنیک‌های تنظیم (Regularization) در CNN
  • 37. کاهش بیش‌برازش (Overfitting)
  • 38. تنظیم‌گرهای (Regularizers) L1 و L2
  • 39. خروجی‌های نرمال‌سازی (Batch Normalization)
  • 40. بهبود عملکرد شبکه‌های کانولوشنی
  • 41. بهینه‌سازی هایپرتيون (Hyperparameter Tuning)
  • 42. جستجوی شبکه‌ای (Grid Search)
  • 43. جستجوی تصادفی (Random Search)
  • 44. استفاده از ابزارهای تنسورفلو برای تنظیم
  • 45. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
  • 46. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 47. کاربرد CNN در NLP
  • 48. مدل‌های زبانی
  • 49. آموزش مدل‌های زبانی با تنسورفلو
  • 50. شبکه‌های عصبی ترنسفورمر (Transformer Networks)
  • 51. معماری ترنسفورمر
  • 52. کاربرد ترنسفورمر در NLP
  • 53. مدل‌های از پیش آموزش دیده (Pre-trained Models)
  • 54. استفاده از مدل‌های از پیش آموزش دیده
  • 55. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
  • 56. شبکه‌های مولد تخاصمی (GANs)
  • 57. معماری GAN
  • 58. کاربرد GAN در تولید تصویر
  • 59. یادگیری تقویتی (Reinforcement Learning)
  • 60. مبانی یادگیری تقویتی
  • 61. کاربرد یادگیری تقویتی در CNN
  • 62. کار با داده‌های غیرمتوازن
  • 63. ارزیابی مدل‌های طبقه‌بندی تصویر
  • 64. معیارهای ارزیابی (دقت، صحت، بازیابی)
  • 65. ماتریس درهم‌ریختگی (Confusion Matrix)
  • 66. تشخیص اشیاء (Object Detection)
  • 67. معرفی مدل‌های تشخیص اشیاء
  • 68. معماری YOLO
  • 69. معماری SSD
  • 70. کاربرد CNN در تشخیص اشیاء
  • 71. تقسیم‌بندی تصویر (Image Segmentation)
  • 72. معرفی مدل‌های تقسیم‌بندی تصویر
  • 73. معماری U-Net
  • 74. کاربرد CNN در تقسیم‌بندی تصویر
  • 75. شبکه‌های عصبی گراف (Graph Neural Networks - GNNs)
  • 76. مقدمه‌ای بر GNNs
  • 77. کاربرد GNNs در مسائل مختلف
  • 78. مفاهیم پیشرفته در شبکه‌های عصبی
  • 79. یادگیری انتقالی (Transfer Learning)
  • 80. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 81. یادگیری خودنظارتی (Self-supervised Learning)
  • 82. شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
  • 83. معماری‌های عصبی الهام گرفته از مغز
  • 84. کاربرد شبکه‌های عصبی در پزشکی
  • 85. کاربرد شبکه‌های عصبی در امور مالی
  • 86. کاربرد شبکه‌های عصبی در صنعت
  • 87. ملاحظات اخلاقی در هوش مصنوعی
  • 88. امنیت و حریم خصوصی در شبکه‌های عصبی
  • 89. تفسیرپذیری مدل‌های یادگیری ماشین
  • 90. آینده هوش مصنوعی و شبکه‌های عصبی
  • 91. پروژه‌های عملی با تنسورفلو
  • 92. ساخت یک طبقه‌بند تصویر ساده
  • 93. پیاده‌سازی یک مدل تشخیص شیء
  • 94. طراحی یک شبکه مولد ساده
  • 95. پیاده‌سازی یک مدل پردازش زبان طبیعی
  • 96. ساخت یک سیستم توصیه‌گر
  • 97. کار با داده‌های سری زمانی
  • 98. مقدمه‌ای بر یادگیری عمیق در ایران
  • 99. چارچوب‌های قانونی و شرعی در هوش مصنوعی
  • 100. استانداردهای حاکم بر داده در ایران

📚 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.