اکسپرس 24
کتاب اصول یادگیری ماشین: از مفاهیم پایه تا الگوریتم‌های کاربردی

کتاب اصول یادگیری ماشین: از مفاهیم پایه تا الگوریتم‌های کاربردی

تگ‌ها: اصول یادگیری ماشین الگوریتم‌های یادگیری ماشین پردازش زبان طبیعی علم داده مبانی یادگیری ماشین هوش مصنوعی یادگیری عمیق یادگیری ماشین یادگیری نظارت شده یادگیری نظارت نشده

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 اصول یادگیری ماشین: از مفاهیم پایه تا الگوریتم‌های کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و مفاهیم یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مفاهیم بنیادین یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. داده‌ها در یادگیری ماشین: جمع‌آوری، پیش‌پردازش و مهندسی ویژگی
  • 5. ماتریس ویژگی و بردار هدف
  • 6. یادگیری تحت نظارت: رگرسیون و طبقه‌بندی
  • 7. رگرسیون خطی و مفاهیم آن
  • 8. تنظیم رگرسیون خطی: روش گرادیان کاهشی
  • 9. رگرسیون چندجمله‌ای
  • 10. مدل‌های ارزیابی رگرسیون: MSE، MAE، R-squared
  • 11. طبقه‌بندی: مفاهیم و الگوریتم‌ها
  • 12. رگرسیون لجستیک
  • 13. طبقه‌بندی‌کننده‌های بیز ساده
  • 14. دسته‌بندی‌کننده بیز نایو
  • 15. درخت‌های تصمیم: ساختار و قوانین
  • 16. ارزیابی درخت‌های تصمیم: دقت، صحت، بازیابی، امتیاز F1
  • 17. تقویت درختان تصمیم: الگوریتم AdaBoost
  • 18. تقویت گرادیان: الگوریتم Gradient Boosting
  • 19. ماشین‌های بردار پشتیبان (SVM): مفاهیم پایه
  • 20. هسته‌های SVM و نگاشت به فضاهای بالاتر
  • 21. مدل‌های ارزیابی طبقه‌بندی: ماتریس درهم‌ریختگی
  • 22. یادگیری بدون نظارت: خوشه‌بندی
  • 23. الگوریتم K-Means برای خوشه‌بندی
  • 24. ارزیابی خوشه‌بندی: شاخص Silhouette
  • 25. خوشه‌بندی سلسله مراتبی
  • 26. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 27. کاربرد PCA در پیش‌پردازش داده‌ها
  • 28. شبکه‌های عصبی مصنوعی: مفاهیم پایه
  • 29. نورون مصنوعی و تابع فعال‌سازی
  • 30. معماری شبکه‌های عصبی: لایه‌ها و اتصالات
  • 31. آموزش شبکه‌های عصبی: پس‌انتشار خطا (Backpropagation)
  • 32. بهینه‌سازی شبکه‌های عصبی: بهینه‌سازهای مختلف
  • 33. تنظیم ابرپارامترهای شبکه‌های عصبی
  • 34. شبکه‌های عصبی کانولوشنی (CNN)
  • 35. کاربرد CNN در پردازش تصویر
  • 36. شبکه‌های عصبی بازگشتی (RNN)
  • 37. کاربرد RNN در پردازش زبان طبیعی
  • 38. یادگیری تقویتی: مفاهیم اولیه
  • 39. عامل، محیط، حالت، عمل و پاداش
  • 40. فرآیندهای تصمیم‌گیری مارکوف (MDP)
  • 41. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 42. شبکه‌های عصبی عمیق (Deep Learning)
  • 43. مبانی یادگیری عمیق
  • 44. معماری‌های پرکاربرد در یادگیری عمیق
  • 45. مدل‌های زبانی بزرگ (LLM) و کاربردهای آن‌ها
  • 46. پردازش زبان طبیعی (NLP): مفاهیم و کاربردها
  • 47. پیش‌پردازش متن برای مدل‌های NLP
  • 48. مدل‌سازی موضوعی: LDA
  • 49. تشخیص موجودیت نام‌گذاری شده (NER)
  • 50. تحلیل احساسات
  • 51. ترجمه ماشینی
  • 52. سیستم‌های توصیه‌گر
  • 53. مبانی سیستم‌های توصیه‌گر
  • 54. روش‌های مبتنی بر محتوا
  • 55. روش‌های مبتنی بر فیلترینگ مشارکتی
  • 56. ترکیب روش‌ها در سیستم‌های توصیه‌گر
  • 57. یادگیری ماشین در عمل: چالش‌ها و ملاحظات
  • 58. داده‌های نامتوازن و روش‌های مقابله
  • 59. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 60. اعتبارسنجی متقابل (Cross-validation)
  • 61. انتخاب مدل و ارزیابی عملکرد
  • 62. تفسیرپذیری مدل‌های یادگیری ماشین
  • 63. اخلاق در یادگیری ماشین
  • 64. سوگیری در داده‌ها و مدل‌ها
  • 65. حریم خصوصی و امنیت در یادگیری ماشین
  • 66. کاربردهای عملی یادگیری ماشین در صنایع مختلف
  • 67. یادگیری ماشین در پزشکی و سلامت
  • 68. یادگیری ماشین در مالی و اقتصاد
  • 69. یادگیری ماشین در بازاریابی و تجارت الکترونیک
  • 70. یادگیری ماشین در پردازش تصویر و بینایی ماشین
  • 71. یادگیری ماشین در رباتیک و سیستم‌های خودران
  • 72. یادگیری ماشین در علوم محیطی
  • 73. یادگیری ماشین در آموزش
  • 74. یادگیری ماشین در حقوق و قضایا
  • 75. یادگیری ماشین در امنیت سایبری
  • 76. مقدمه‌ای بر یادگیری فعال (Active Learning)
  • 77. مبانی یادگیری انتقالی (Transfer Learning)
  • 78. یادگیری چند وظیفه‌ای (Multi-task Learning)
  • 79. یادگیری نمایشی (Representation Learning)
  • 80. یادگیری عمیق مولد (Generative Deep Learning)
  • 81. شبکه‌های مولد تخاصمی (GANs)
  • 82. مدل‌های مبتنی بر واکد خودکار متغیر (VAEs)
  • 83. کاربرد مدل‌های مولد در تولید محتوا
  • 84. پردازش سیگنال با یادگیری ماشین
  • 85. تحلیل سری‌های زمانی با یادگیری ماشین
  • 86. یادگیری ماشین در تحلیل شبکه‌های اجتماعی
  • 87. مبانی یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 88. کاربرد یادگیری تقویتی عمیق در بازی‌ها
  • 89. کاربرد یادگیری تقویتی عمیق در رباتیک
  • 90. مباحث پیشرفته در شبکه‌های عصبی
  • 91. شبکه‌های گراف عصبی (GNNs)
  • 92. معماری‌های ترنسفورمر (Transformers)
  • 93. کاربرد ترنسفورمرها در NLP و بینایی ماشین
  • 94. مدل‌های زبانی پیش‌پردازش شده (Pre-trained Language Models)
  • 95. تکنیک‌های تنظیم دقیق (Fine-tuning) مدل‌های زبانی
  • 96. یادگیری ماشین توضیحی (Explainable AI - XAI)
  • 97. ابزارها و روش‌های XAI
  • 98. ارزیابی و اعتبارسنجی مدل‌های XAI
  • 99. ملاحظات امنیتی در پیاده‌سازی یادگیری ماشین
  • 100. تکنیک‌های مقاوم‌سازی مدل‌ها در برابر حملات

📚 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.