اکسپرس 24
کتاب پیاده‌سازی شبکه‌های عصبی با پایتون و NumPy

کتاب پیاده‌سازی شبکه‌های عصبی با پایتون و NumPy

تگ‌ها: NumPy آموزش یادگیری عمیق الگوریتم‌های یادگیری ماشین برنامه‌نویسی پایتون پایتون پیاده‌سازی شبکه عصبی شبکه‌های عصبی شبکه‌های عصبی با NumPy هوش مصنوعی یادگیری عمیق

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 پیاده‌سازی شبکه‌های عصبی با پایتون و NumPy

موضوع کلی: برنامه نویسی

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و شبکه‌های عصبی
  • 2. مفاهیم اساسی شبکه‌های عصبی
  • 3. ساختار یک نورون مصنوعی
  • 4. تابع فعال‌سازی: اهمیت و انواع
  • 5. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
  • 6. لایه ورودی، لایه‌های پنهان و لایه خروجی
  • 7. پس‌انتشار خطا (Backpropagation)
  • 8. گرادیان کاهشی (Gradient Descent)
  • 9. بهینه‌سازها: SGD، Adam، RMSprop
  • 10. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 11. مدل‌سازی رگرسیون خطی با شبکه‌های عصبی
  • 12. مدل‌سازی رگرسیون لجستیک با شبکه‌های عصبی
  • 13. طبقه‌بندی با شبکه‌های عصبی
  • 14. شبکه‌های عصبی چندلایه (MLP)
  • 15. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
  • 16. نرمال‌سازی و استانداردسازی داده‌ها
  • 17. مدیریت داده‌های گمشده
  • 18. تکنیک‌های افزایش داده (Data Augmentation)
  • 19. تابع هزینه (Loss Function) و انواع آن
  • 20. تنظیم فراپارامترها (Hyperparameter Tuning)
  • 21. اعتبارسنجی متقابل (Cross-validation)
  • 22. جلوگیری از بیش‌برازش (Overfitting)
  • 23. روش‌های منظم‌سازی (Regularization): L1 و L2
  • 24. قطع کردن (Dropout)
  • 25. معماری شبکه‌های عصبی کانولوشنی (CNN)
  • 26. لایه کانولوشن و فیلترها
  • 27. عمق، عرض و ارتفاع در CNN
  • 28. لایه‌های تجمیع (Pooling Layers)
  • 29. CNN برای تشخیص تصویر
  • 30. CNN برای طبقه‌بندی تصویر
  • 31. CNN برای تشخیص اشیاء
  • 32. معماری شبکه‌های عصبی بازگشتی (RNN)
  • 33. حافظه کوتاه‌مدت و بلندمدت (LSTM)
  • 34. شبکه‌های حافظه کوتاه‌مدت (GRU)
  • 35. RNN برای پردازش زبان طبیعی (NLP)
  • 36. RNN برای تحلیل سری‌های زمانی
  • 37. RNN برای تولید متن
  • 38. مدل‌های زبانی آماری
  • 39. استخراج ویژگی از متن
  • 40. تعبیه‌سازی کلمات (Word Embeddings): Word2Vec
  • 41. تعبیه‌سازی کلمات: GloVe
  • 42. تعبیه‌سازی کلمات: FastText
  • 43. مدل‌های ترنسفورمر (Transformer Models)
  • 44. مکانیزم توجه (Attention Mechanism)
  • 45. ترنسفورمر برای ترجمه ماشینی
  • 46. ترنسفورمر برای خلاصه‌سازی متن
  • 47. مدل‌های از پیش آموزش‌دیده (Pre-trained Models)
  • 48. BERT و کاربردهای آن
  • 49. GPT و کاربردهای آن
  • 50. شبکه‌های عصبی مولد (GANs)
  • 51. معماری مولد و ممیز
  • 52. کاربردهای GANs در تولید تصویر
  • 53. GANs برای افزایش کیفیت تصویر
  • 54. شبکه‌های عصبی خودرمزگذار (Autoencoders)
  • 55. خودرمزگذارها برای کاهش ابعاد
  • 56. خودرمزگذارها برای تشخیص ناهنجاری
  • 57. خودرمزگذارها برای تولید تصویر
  • 58. شبکه‌های عصبی گراف (GNNs)
  • 59. پردازش داده‌های ساختاریافته روی گراف
  • 60. کاربردهای GNNs در شبکه‌های اجتماعی
  • 61. GNNs برای پیش‌بینی خواص مولکولی
  • 62. شبکه‌های عصبی برای یادگیری تقویتی (RL)
  • 63. محیط، عامل و پاداش در RL
  • 64. الگوریتم‌های یادگیری تقویتی
  • 65. DQN (Deep Q-Network)
  • 66. Actor-Critic Methods
  • 67. RL برای بازی‌ها
  • 68. RL برای رباتیک
  • 69. RL برای بهینه‌سازی سیستم‌ها
  • 70. پیاده‌سازی شبکه‌های عصبی با NumPy
  • 71. ماتریس‌ها و عملیات ماتریسی در NumPy
  • 72. پیاده‌سازی یک لایه عصبی با NumPy
  • 73. پیاده‌سازی یک شبکه عصبی پیشخور با NumPy
  • 74. پیاده‌سازی تابع فعال‌سازی با NumPy
  • 75. پیاده‌سازی پس‌انتشار خطا با NumPy
  • 76. پیاده‌سازی گرادیان کاهشی با NumPy
  • 77. تنظیمات اولیه شبکه عصبی
  • 78. شبیه‌سازی داده‌های ساده برای تست
  • 79. آموزش مدل با داده‌های شبیه‌سازی شده
  • 80. ارزیابی عملکرد مدل
  • 81. دیباگ کردن و رفع اشکال در شبکه‌های عصبی
  • 82. بهینه‌سازی پیاده‌سازی NumPy
  • 83. استفاده از GPU برای تسریع محاسبات
  • 84. مقدمه‌ای بر کتابخانه‌های یادگیری عمیق
  • 85. معرفی TensorFlow
  • 86. معرفی PyTorch
  • 87. مقایسه TensorFlow و PyTorch
  • 88. ساخت یک مدل ساده با TensorFlow/Keras
  • 89. ساخت یک مدل ساده با PyTorch
  • 90. کاربرد شبکه‌های عصبی در مسائل اقتصادی مبتنی بر چارچوب اسلامی
  • 91. مدل‌سازی ریسک در نظام بانکداری بدون ربا
  • 92. تحلیل داده‌های بازار با رویکرد اسلامی
  • 93. کاربرد شبکه‌های عصبی در پیش‌بینی تقاضا
  • 94. مدل‌سازی قراردادهای مالی اسلامی
  • 95. بهینه‌سازی پرتفوی سرمایه‌گذاری با رویکرد فقهی
  • 96. شبکه‌های عصبی و تحلیل رفتار مصرف‌کننده
  • 97. کاربرد در مدیریت زنجیره تأمین اسلامی
  • 98. تحلیل داده‌های سلامت با رعایت موازین شرعی
  • 99. کاربرد در آموزش مجازی و ارتقاء دانش
  • 100. مدل‌سازی پیشرفت تحصیلی دانش‌آموزان

📚 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.