اکسپرس 24
کتاب مبانی و کاربردهای یادگیری عمیق در داده‌کاوی

کتاب مبانی و کاربردهای یادگیری عمیق در داده‌کاوی

تگ‌ها: داده کاوی شبکه عصبی مبانی یادگیری عمیق هوش مصنوعی یادگیری عمیق یادگیری عمیق پیشرفته یادگیری عمیق کاربردی 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 مبانی و کاربردهای یادگیری عمیق در داده‌کاوی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. تاریخچه و تکامل یادگیری عمیق
  • 3. الگوریتم‌های یادگیری ماشین کلاسیک
  • 4. شبکه‌های عصبی مصنوعی
  • 5. تابع فعال‌سازی در شبکه‌های عصبی
  • 6. پس‌انتشار خطا (Backpropagation)
  • 7. بهینه‌سازی در شبکه‌های عصبی
  • 8. گرادیان کاهشی تصادفی (SGD)
  • 9. انبوه گرادیان تصادفی (Mini-batch SGD)
  • 10. نرخ یادگیری و تنظیم آن
  • 11. تنظیم‌کننده‌ها (Regularizers)
  • 12. نرمال‌سازی دسته‌ای (Batch Normalization)
  • 13. کاهش و حذف بیش‌برازش (Overfitting)
  • 14. شبکه‌های عصبی کانولوشنال (CNN)
  • 15. لایه کانولوشن و فیلترها
  • 16. لایه‌های پولینگ (Pooling)
  • 17. معماری‌های معروف CNN (مانند AlexNet)
  • 18. کاربرد CNN در پردازش تصویر
  • 19. شبکه‌های عصبی بازگشتی (RNN)
  • 20. سلول‌های حافظه طولانی کوتاه‌مدت (LSTM)
  • 21. واحد بازگشتی دروازه‌ای (GRU)
  • 22. کاربرد RNN در پردازش زبان طبیعی
  • 23. شبکه‌های مولد تخاصمی (GAN)
  • 24. معماری GAN و اجزای آن
  • 25. آموزش GAN و چالش‌ها
  • 26. کاربرد GAN در تولید داده
  • 27. شبکه‌های عصبی ترنسفورمر
  • 28. مکانیسم توجه (Attention Mechanism)
  • 29. کاربرد ترنسفورمر در NLP
  • 30. یادگیری انتقالی (Transfer Learning)
  • 31. تنظیم دقیق مدل‌های از پیش آموزش‌دیده
  • 32. کاربرد یادگیری انتقالی در داده‌کاوی
  • 33. یادگیری تقویتی (Reinforcement Learning)
  • 34. عناصر یادگیری تقویتی
  • 35. الگوریتم‌های Q-Learning
  • 36. الگوریتم‌های Deep Q-Network (DQN)
  • 37. کاربرد یادگیری تقویتی در رباتیک
  • 38. تفسیرپذیری مدل‌های یادگیری عمیق (XAI)
  • 39. مقدمه‌ای بر داده‌کاوی
  • 40. مراحل فرآیند داده‌کاوی
  • 41. پاکسازی و پیش‌پردازش داده‌ها
  • 42. مهندسی ویژگی (Feature Engineering)
  • 43. انتخاب ویژگی
  • 44. تکنیک‌های کاهش ابعاد (PCA)
  • 45. خوشه‌بندی (Clustering)
  • 46. الگوریتم K-Means
  • 47. خوشه‌بندی سلسله مراتبی
  • 48. دسته‌بندی (Classification)
  • 49. الگوریتم درخت تصمیم
  • 50. الگوریتم ماشین بردار پشتیبان (SVM)
  • 51. رگرسیون (Regression)
  • 52. رگرسیون خطی
  • 53. رگرسیون لجستیک
  • 54. قوانین انجمنی (Association Rules)
  • 55. الگوریتم Apriori
  • 56. تشخیص ناهنجاری (Anomaly Detection)
  • 57. کاربرد یادگیری عمیق در داده‌کاوی
  • 58. کاربرد CNN در تشخیص تصویر
  • 59. کاربرد RNN در تحلیل سری‌های زمانی
  • 60. کاربرد GAN در تولید داده‌های مصنوعی
  • 61. کاربرد ترنسفورمر در خلاصه‌سازی متن
  • 62. کاربرد یادگیری انتقالی در تشخیص بیماری
  • 63. کاربرد یادگیری تقویتی در بهینه‌سازی فرآیندها
  • 64. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
  • 65. معماری ترنسفورمر در LLMs
  • 66. آموزش LLMs (Pre-training)
  • 67. تنظیم دقیق LLMs (Fine-tuning)
  • 68. کاربرد LLMs در تولید متن
  • 69. کاربرد LLMs در ترجمه ماشینی
  • 70. کاربرد LLMs در پاسخگویی به سوالات
  • 71. کاربرد LLMs در تحلیل احساسات
  • 72. ملاحظات اخلاقی در یادگیری عمیق
  • 73. حریم خصوصی و امنیت داده‌ها
  • 74. سوگیری در مدل‌های یادگیری عمیق
  • 75. شفافیت و قابلیت توضیح مدل‌ها
  • 76. مسئولیت‌پذیری در استفاده از هوش مصنوعی
  • 77. آینده یادگیری عمیق و داده‌کاوی
  • 78. چالش‌های پیش روی یادگیری عمیق
  • 79. روندهای جدید در داده‌کاوی
  • 80. کاربردهای نوظهور هوش مصنوعی
  • 81. ابزارها و کتابخانه‌های یادگیری عمیق (TensorFlow)
  • 82. ابزارها و کتابخانه‌های یادگیری عمیق (PyTorch)
  • 83. محیط‌های برنامه‌نویسی (Jupyter Notebook)
  • 84. شبکه‌های عصبی گراف (GNN)
  • 85. یادگیری خودنظارتی (Self-supervised Learning)
  • 86. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
  • 87. یادگیری با انتقال چندوظیفه‌ای (Multi-task Transfer Learning)
  • 88. شبکه‌های عصبی اسپایکی (SNN)
  • 89. معماری‌های عصبی بیولوژیکی الهام گرفته
  • 90. محاسبات کوانتومی و یادگیری عمیق
  • 91. یادگیری عمیق در پزشکی
  • 92. یادگیری عمیق در امور مالی
  • 93. یادگیری عمیق در حمل و نقل
  • 94. یادگیری عمیق در انرژی
  • 95. یادگیری عمیق در آموزش
  • 96. یادگیری عمیق در کشاورزی
  • 97. یادگیری عمیق در رباتیک پیشرفته
  • 98. یادگیری عمیق در بازی‌ها
  • 99. یادگیری عمیق در کشف دارو
  • 100. یادگیری عمیق در پیش‌بینی آب و هوا

📚 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.