کتاب کاربرد شبکه‌های عصبی در تحلیل داده‌ها

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 کاربرد شبکه‌های عصبی در تحلیل داده‌ها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
  • 2. مبانی شبکه‌های عصبی مصنوعی
  • 3. تاریخچه مختصر شبکه‌های عصبی
  • 4. انواع شبکه‌های عصبی
  • 5. نورون مصنوعی و تابع فعال‌سازی
  • 6. ساختار لایه‌ای شبکه‌های عصبی
  • 7. ورودی، خروجی و لایه‌های پنهان
  • 8. فرآیند یادگیری در شبکه‌های عصبی
  • 9. پس‌انتشار خطا (Backpropagation)
  • 10. تابع هزینه (Loss Function)
  • 11. بهینه‌سازها (Optimizers)
  • 12. گرادیان کاهشی (Gradient Descent)
  • 13. نرخ یادگیری (Learning Rate)
  • 14. تنظیم نرخ یادگیری
  • 15. بیش‌برازش (Overfitting)
  • 16. کم‌برازش (Underfitting)
  • 17. روش‌های تنظیم (Regularization)
  • 18. کران‌گذاری (Dropout)
  • 19. اعتبارسنجی متقابل (Cross-Validation)
  • 20. پیش‌پردازش داده‌ها
  • 21. نرمال‌سازی و استانداردسازی داده‌ها
  • 22. مدیریت داده‌های گمشده
  • 23. مهندسی ویژگی (Feature Engineering)
  • 24. شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 25. کاربرد MLP در مسائل طبقه‌بندی
  • 26. کاربرد MLP در مسائل رگرسیون
  • 27. شبکه‌های عصبی کانولوشنی (CNN)
  • 28. لایه‌های کانولوشن و Pooling
  • 29. کاربرد CNN در پردازش تصویر
  • 30. تشخیص اشیاء با CNN
  • 31. شبکه‌های عصبی بازگشتی (RNN)
  • 32. حافظه در RNN
  • 33. کاربرد RNN در پردازش زبان طبیعی
  • 34. مدل‌سازی زبانی با RNN
  • 35. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 36. واحد گیت در LSTM
  • 37. کاربرد LSTM در تحلیل سری‌های زمانی
  • 38. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 39. مقایسه LSTM و GRU
  • 40. شبکه‌های عصبی ترنسفورمر (Transformer)
  • 41. مکانیسم توجه (Attention Mechanism)
  • 42. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 43. ترجمه ماشینی با ترنسفورمر
  • 44. شبکه‌های مولد تخاصمی (GAN)
  • 45. شبکه مولد و شبکه ممیز
  • 46. کاربرد GAN در تولید تصویر
  • 47. تولید داده‌های مصنوعی
  • 48. یادگیری تقویتی (Reinforcement Learning)
  • 49. عامل و محیط در یادگیری تقویتی
  • 50. پاداش و جریمه
  • 51. الگوریتم‌های یادگیری تقویتی
  • 52. یادگیری عمیق (Deep Learning)
  • 53. معماری‌های عمیق
  • 54. مفاهیم اساسی یادگیری عمیق
  • 55. کاربرد یادگیری عمیق در پزشکی
  • 56. کاربرد یادگیری عمیق در مالی
  • 57. کاربرد یادگیری عمیق در صنعت
  • 58. شبکه‌های عصبی گراف (GNN)
  • 59. کاربرد GNN در شبکه‌های اجتماعی
  • 60. شبکه‌های عصبی خودرمزگذار (Autoencoder)
  • 61. فشرده‌سازی و حذف نویز با Autoencoder
  • 62. کاربرد Autoencoder در تشخیص ناهنجاری
  • 63. یادگیری انتقالی (Transfer Learning)
  • 64. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
  • 65. مجموعه داده‌های بزرگ و کوچک
  • 66. ملاحظات اخلاقی در هوش مصنوعی
  • 67. سوگیری در الگوریتم‌های هوش مصنوعی
  • 68. شفافیت و تفسیرپذیری مدل‌ها
  • 69. مسئولیت‌پذیری در هوش مصنوعی
  • 70. امنیت در شبکه‌های عصبی
  • 71. حریم خصوصی داده‌ها
  • 72. مقررات و قوانین مرتبط با هوش مصنوعی در ایران
  • 73. بانک مرکزی و رمزارزها (اشاره به عدم ترویج خلاف مقررات)
  • 74. رویکردهای نوین در شبکه‌های عصبی
  • 75. شبکه‌های عصبی اسپایکی (SNN)
  • 76. یادگیری فدرال (Federated Learning)
  • 77. پردازش زبان طبیعی پیشرفته
  • 78. تشخیص احساسات با مدل‌های زبانی
  • 79. خلاصه‌سازی متن با مدل‌های زبانی
  • 80. استخراج اطلاعات از متن
  • 81. بینایی ماشین پیشرفته
  • 82. تشخیص چهره با دقت بالا
  • 83. تحلیل ویدئو با شبکه‌های عصبی
  • 84. کاربردهای هوش مصنوعی در بهینه‌سازی
  • 85. بهینه‌سازی تولید با هوش مصنوعی
  • 86. مدیریت زنجیره تأمین با هوش مصنوعی
  • 87. تحلیل پیش‌بینانه در کسب‌وکار
  • 88. سیستم‌های توصیه‌گر
  • 89. توصیه‌گرهای مبتنی بر محتوا
  • 90. توصیه‌گرهای مبتنی بر همکاری
  • 91. ترکیب روش‌های توصیه‌گر
  • 92. هوش مصنوعی در آموزش
  • 93. شخصی‌سازی فرآیند یادگیری
  • 94. ارزیابی خودکار دانش‌آموزان
  • 95. توسعه ابزارهای آموزشی هوشمند
  • 96. هوش مصنوعی در کشاورزی
  • 97. کشاورزی دقیق و بهینه‌سازی مصرف منابع
  • 98. پیش‌بینی آفات و بیماری‌های گیاهی
  • 99. مدیریت خودکار مزارع
  • 100. هوش مصنوعی در حمل‌ونقل

📚 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.