اکسپرس 24
کتاب یادگیری ماشین با تنسورفلو در Google Cloud (مخصوص کاربران فارسی‌زبان)

کتاب یادگیری ماشین با تنسورفلو در Google Cloud (مخصوص کاربران فارسی‌زبان)

تگ‌ها: Google Cloud TensorFlow تنسور فلو گوگل کلود ماشین لرنینگ 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 یادگیری ماشین با تنسورفلو در Google Cloud (مخصوص کاربران فارسی‌زبان)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق با فریم‌ورک‌های پیشرفته

📋 سرفصل‌های دوره

  • 1. مقدمه بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی یادگیری ماشین
  • 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 4. پیش‌پردازش داده‌ها برای یادگیری ماشین
  • 5. پاکسازی و نرمال‌سازی داده‌ها
  • 6. مهندسی ویژگی در یادگیری ماشین
  • 7. معرفی تنسورفلو (TensorFlow)
  • 8. نصب و راه‌اندازی تنسورفلو
  • 9. مبانی تنسور (Tensors) در تنسورفلو
  • 10. عملیات پایه تنسور
  • 11. گراف‌های محاسباتی در تنسورفلو
  • 12. تابع `tf.function` و بهینه‌سازی
  • 13. مقدمه بر شبکه‌های عصبی
  • 14. نورون مصنوعی و تابع فعال‌سازی
  • 15. ساختار شبکه‌های عصبی عمیق (DNN)
  • 16. آموزش شبکه‌های عصبی: انتشار رو به عقب (Backpropagation)
  • 17. تابع هزینه (Loss Function)
  • 18. بهینه‌سازها (Optimizers): گرادیان کاهشی
  • 19. نرخ یادگیری (Learning Rate)
  • 20. تنظیم هایپرپارامترها
  • 21. اعتبارسنجی مدل (Validation)
  • 22. تنظیم‌گری (Regularization) برای جلوگیری از بیش‌برازش (Overfitting)
  • 23. معرفی گوگل کلود (Google Cloud Platform)
  • 24. مقدمه بر خدمات یادگیری ماشین گوگل کلود
  • 25. Google Cloud Storage برای ذخیره‌سازی داده‌ها
  • 26. Google Compute Engine برای محاسبات
  • 27. Google Kubernetes Engine برای مقیاس‌پذیری
  • 28. TensorFlow Enterprise در گوگل کلود
  • 29. TensorFlow Extended (TFX) برای خطوط لوله یادگیری ماشین
  • 30. مراحل یک خط لوله TFX
  • 31. تحلیل و ارزیابی داده‌ها در TFX
  • 32. انتخاب ویژگی در TFX
  • 33. آموزش مدل در TFX
  • 34. اعتبارسنجی مدل در TFX
  • 35. استقرار مدل در TFX
  • 36. مقدمه بر شبکه‌های عصبی کانولوشنی (CNN)
  • 37. معماری CNN برای پردازش تصویر
  • 38. لایه‌های کانولوشن و پولینگ
  • 39. کاربرد CNN در تشخیص تصویر
  • 40. مقدمه بر شبکه‌های عصبی بازگشتی (RNN)
  • 41. ساختار RNN برای داده‌های ترتیبی
  • 42. مشکل گرادیان محوشونده و راه‌حل‌ها
  • 43. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 44. واحد بازگشتی دروازه‌دار (GRU)
  • 45. کاربرد RNN در پردازش زبان طبیعی (NLP)
  • 46. مقدمه بر پردازش زبان طبیعی
  • 47. توکنایز کردن (Tokenization) و بردارسازی متن
  • 48. مدل‌های زبانی
  • 49. تعبیه‌سازی کلمات (Word Embeddings)
  • 50. شبکه‌های ترنسفورمر (Transformers)
  • 51. مکانیزم توجه (Attention Mechanism)
  • 52. کاربرد ترنسفورمرها در NLP
  • 53. یادگیری نیمه‌نظارت شده (Semi-Supervised Learning)
  • 54. یادگیری تقویتی (Reinforcement Learning)
  • 55. عوامل و محیط در یادگیری تقویتی
  • 56. یادگیری Q (Q-Learning)
  • 57. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
  • 58. کاربرد یادگیری تقویتی
  • 59. معرفی مدل‌های پیش‌آموزش‌دیده (Pre-trained Models)
  • 60. انتقال یادگیری (Transfer Learning)
  • 61. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده
  • 62. کاربرد انتقال یادگیری در پردازش تصویر
  • 63. کاربرد انتقال یادگیری در NLP
  • 64. مقدمه بر استقرار مدل (Model Deployment)
  • 65. استقرار مدل در گوگل کلود
  • 66. استقرار مدل با استفاده از TensorFlow Serving
  • 67. استقرار مدل با استفاده از AI Platform Prediction
  • 68. استقرار مدل بر روی دستگاه‌های لبه (Edge Devices)
  • 69. مانیتورینگ و مدیریت مدل‌های مستقر شده
  • 70. مفاهیم حاکمیت داده و اخلاق در هوش مصنوعی
  • 71. امنیت و حریم خصوصی در یادگیری ماشین
  • 72. تفسیرپذیری مدل‌های یادگیری ماشین (Explainable AI)
  • 73. چالش‌های اخلاقی در هوش مصنوعی
  • 74. چارچوب‌های اخلاقی برای توسعه هوش مصنوعی
  • 75. مقدمه بر شبکه‌های مولد تخاصمی (GANs)
  • 76. معماری GAN
  • 77. کاربرد GAN در تولید تصویر
  • 78. مقدمه بر یادگیری فدرال (Federated Learning)
  • 79. کاربرد یادگیری فدرال در حفظ حریم خصوصی
  • 80. مقدمه بر یادگیری خودنظارت شده (Self-Supervised Learning)
  • 81. کاربردهای یادگیری خودنظارت شده
  • 82. مباحث پیشرفته در معماری‌های عصبی
  • 83. شبکه‌های گراف عصبی (Graph Neural Networks - GNNs)
  • 84. کاربرد GNNs در تحلیل شبکه‌ها
  • 85. معرفی الگوریتم‌های خوشه‌بندی
  • 86. کاهش ابعاد (Dimensionality Reduction)
  • 87. تحلیل مؤلفه‌های اصلی (PCA)
  • 88. تکنیک‌های یادگیری عمیق برای داده‌های جدولی
  • 89. استقرار مدل‌های یادگیری ماشین در محیط‌های عملیاتی
  • 90. تست و اعتبارسنجی مدل‌ها در دنیای واقعی
  • 91. مدیریت چرخه عمر مدل‌های یادگیری ماشین
  • 92. نوآوری‌های اخیر در یادگیری ماشین
  • 93. آینده هوش مصنوعی و یادگیری ماشین
  • 94. نکات و بهترین شیوه‌ها در توسعه یادگیری ماشین

📚 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.