اکسپرس 24
کتاب مهندسی یادگیری ماشین: از مبانی تا پیاده‌سازی مدل‌های پیشرفته

کتاب مهندسی یادگیری ماشین: از مبانی تا پیاده‌سازی مدل‌های پیشرفته

تگ‌ها: پیاده سازی مدل تحلیل داده شبکه عصبی علم داده مدل سازی پیشرفته مهندسی نرم افزار مهندسی یادگیری ماشین 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 مهندسی یادگیری ماشین: از مبانی تا پیاده‌سازی مدل‌های پیشرفته

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر مهندسی یادگیری ماشین
  • 2. مبانی ریاضیات برای یادگیری ماشین
  • 3. جبر خطی در یادگیری ماشین
  • 4. حساب دیفرانسیل و انتگرال در یادگیری ماشین
  • 5. آمار و احتمالات برای یادگیری ماشین
  • 6. مفاهیم اولیه یادگیری ماشین
  • 7. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
  • 8. مدل‌های یادگیری ماشین: رگرسیون خطی
  • 9. مدل‌های یادگیری ماشین: رگرسیون لجستیک
  • 10. دسته‌بندی‌کننده‌های بیز ساده
  • 11. ماشین‌های بردار پشتیبان (SVM)
  • 12. درختان تصمیم
  • 13. جنگل‌های تصادفی
  • 14. تقویت گرادیان (Gradient Boosting)
  • 15. شبکه‌های عصبی مقدماتی
  • 16. معماری شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 17. توابع فعال‌سازی در شبکه‌های عصبی
  • 18. بهینه‌سازی شبکه‌های عصبی: گرادیان کاهشی
  • 19. روش‌های تنظیم نرخ یادگیری
  • 20. تکنیک‌های تنظیم‌کننده (Regularization)
  • 21. اعتبارسنجی متقابل (Cross-validation)
  • 22. ارزیابی مدل‌ها: معیارهای دقت، صحت، بازیابی، F1-score
  • 23. مهندسی ویژگی (Feature Engineering)
  • 24. انتخاب ویژگی (Feature Selection)
  • 25. یادگیری عمیق (Deep Learning)
  • 26. شبکه‌های عصبی کانولوشنی (CNN)
  • 27. کاربرد CNN در پردازش تصویر
  • 28. شبکه‌های عصبی بازگشتی (RNN)
  • 29. کاربرد RNN در پردازش زبان طبیعی
  • 30. شبکه‌های حافظه طولانی کوتاه مدت (LSTM)
  • 31. شبکه‌های حافظه کوتاه مدت (GRU)
  • 32. توجه (Attention Mechanism)
  • 33. مدل‌های ترنسفورمر (Transformer Models)
  • 34. کاربرد ترنسفورمر در پردازش زبان طبیعی
  • 35. یادگیری تقویتی (Reinforcement Learning)
  • 36. مفاهیم پایه یادگیری تقویتی: عامل، محیط، پاداش
  • 37. الگوریتم‌های یادگیری تقویتی: Q-Learning
  • 38. الگوریتم‌های یادگیری تقویتی: Deep Q-Networks (DQN)
  • 39. یادگیری بدون نظارت (Unsupervised Learning)
  • 40. خوشه‌بندی: K-Means
  • 41. خوشه‌بندی: DBSCAN
  • 42. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 43. کاهش ابعاد: t-SNE
  • 44. تولید مدل (Generative Models)
  • 45. شبکه‌های مولد تخاصمی (GANs)
  • 46. کاربرد GANs در تولید تصویر
  • 47. مدل‌های زبانی بزرگ (LLMs)
  • 48. معماری مدل‌های ترنسفورمر برای LLMs
  • 49. تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ
  • 50. کاربرد LLMs در تولید متن و پاسخ به سوالات
  • 51. نظارت بر مدل‌های یادگیری ماشین (MLOps)
  • 52. پایپ‌لاین‌های یادگیری ماشین
  • 53. مدیریت داده در یادگیری ماشین
  • 54. نسخه‌بندی مدل‌ها
  • 55. استقرار مدل‌ها
  • 56. مانیتورینگ مدل‌ها
  • 57. تست مدل‌ها
  • 58. امنیت در یادگیری ماشین
  • 59. اخلاق در یادگیری ماشین
  • 60. سوگیری در مدل‌های یادگیری ماشین
  • 61. مسئولیت‌پذیری در هوش مصنوعی
  • 62. حریم خصوصی داده‌ها در یادگیری ماشین
  • 63. پردازش زبان طبیعی (NLP)
  • 64. پیش‌پردازش متن
  • 65. مدل‌سازی موضوعی (Topic Modeling)
  • 66. تحلیل احساسات (Sentiment Analysis)
  • 67. ترجمه ماشینی
  • 68. خلاصه‌سازی متن
  • 69. سیستم‌های توصیه‌گر
  • 70. معماری سیستم‌های توصیه‌گر
  • 71. توصیه‌گرهای مبتنی بر محتوا
  • 72. توصیه‌گرهای مبتنی بر فیلترینگ مشارکتی
  • 73. سیستم‌های توصیه‌گر ترکیبی
  • 74. پردازش تصویر (Image Processing)
  • 75. بازشناسی تصویر
  • 76. تشخیص اشیاء
  • 77. تقطیر تصویر (Image Segmentation)
  • 78. تولید تصویر
  • 79. بینایی ماشین (Computer Vision)
  • 80. مبانی بینایی ماشین
  • 81. کاربرد بینایی ماشین در صنعت
  • 82. کاربرد بینایی ماشین در پزشکی
  • 83. کاربرد بینایی ماشین در خودران‌ها
  • 84. یادگیری انتقالی (Transfer Learning)
  • 85. استفاده از مدل‌های از پیش آموزش دیده
  • 86. تنظیم دقیق مدل‌ها برای وظایف جدید
  • 87. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
  • 88. یادگیری جمعی (Ensemble Learning)
  • 89. ترکیب مدل‌ها
  • 90. نکات پیشرفته در یادگیری ماشین
  • 91. مدل‌های سری زمانی
  • 92. یادگیری عمیق برای سری‌های زمانی
  • 93. یادگیری ماشین در لبه (Edge AI)
  • 94. کاربرد یادگیری ماشین در داده‌های حجیم (Big Data)
  • 95. ابزارها و فریم‌ورک‌های یادگیری ماشین (TensorFlow, PyTorch)
  • 96. پیاده‌سازی مدل‌های یادگیری ماشین در پایتون
  • 97. مطالعات موردی در مهندسی یادگیری ماشین
  • 98. آینده یادگیری ماشین و هوش مصنوعی
  • 99. طراحی و توسعه مدل‌های یادگیری ماشین کارآمد
  • 100. بهبود عملکرد مدل‌های 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.