اکسپرس 24
کتاب مقدمه‌ای بر محاسبات در بهینه‌سازی مدل‌های یادگیری عمیق

کتاب مقدمه‌ای بر محاسبات در بهینه‌سازی مدل‌های یادگیری عمیق

تگ‌ها: HPC بهینه‌سازی مدل بهینه‌سازی یادگیری عمیق پردازش موازی شبکه‌های عصبی محاسبات سطح بالا یادگیری عمیق یادگیری عمیق فارسی 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 مقدمه‌ای بر محاسبات در بهینه‌سازی مدل‌های یادگیری عمیق

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

  • 1. مبانی بهینه‌سازی در یادگیری عمیق
  • 2. مقدمه‌ای بر حساب دیفرانسیل و انتگرال برای یادگیری ماشین
  • 3. مبانی جبر خطی برای یادگیری ماشین
  • 4. مفاهیم اساسی بهینه‌سازی: گرادیان و مشتق
  • 5. روش‌های نزول گرادیان پایه
  • 6. بهینه‌سازی با شتاب: مومنتوم
  • 7. بهینه‌سازی آدام (Adam)
  • 8. بهینه‌سازی RMSprop
  • 9. بهینه‌سازی AdaGrad
  • 10. تنظیم نرخ یادگیری (Learning Rate Scheduling)
  • 11. روش‌های انحلال نرخ یادگیری (Learning Rate Decay)
  • 12. مفهوم تابع هزینه (Loss Function)
  • 13. توابع هزینه متداول در رگرسیون
  • 14. توابع هزینه متداول در طبقه‌بندی
  • 15. تابع هزینه اطلاعات متقاطع (Cross-Entropy Loss)
  • 16. تابع هزینه خطای میانگین مربعات (MSE Loss)
  • 17. تابع هزینه خطای میانگین مطلق (MAE Loss)
  • 18. تنظیم‌گرهای وزن (Weight Regularization)
  • 19. تنظیم‌گر L1 (Lasso Regularization)
  • 20. تنظیم‌گر L2 (Ridge Regularization)
  • 21. تنظیم‌گر Dropout
  • 22. مفهوم بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 23. تشخیص بیش‌برازش
  • 24. روش‌های جلوگیری از بیش‌برازش
  • 25. اعتبارسنجی متقابل (Cross-Validation)
  • 26. اعتبارسنجی K-Fold
  • 27. تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و تست
  • 28. ارزیابی مدل‌ها: معیارهای دقت (Accuracy)
  • 29. ارزیابی مدل‌ها: معیارهای صحت (Precision) و بازخوانی (Recall)
  • 30. ارزیابی مدل‌ها: امتیاز F1
  • 31. منحنی ROC و مساحت زیر منحنی (AUC)
  • 32. مفهوم بهینه‌سازی محدب (Convex Optimization)
  • 33. توابع محدب و غیرمحدب
  • 34. شرایط بهینگی برای توابع محدب
  • 35. حل مسائل بهینه‌سازی محدب
  • 36. مفهوم بهینه‌سازی غیرمحدب
  • 37. چالش‌های بهینه‌سازی غیرمحدب
  • 38. نقاط بحرانی و مینیمم‌های محلی
  • 39. روش‌های جستجوی سراسری (Global Search Methods)
  • 40. بهینه‌سازی تصادفی (Stochastic Optimization)
  • 41. روش‌های گرادیان تصادفی (SGD)
  • 42. بهینه‌سازی دسته‌ای (Batch Optimization)
  • 43. مفهوم گرادیان در فضاهای چندبعدی
  • 44. محاسبه گرادیان با استفاده از قاعده زنجیره‌ای
  • 45. پیاده‌سازی گرادیان خودکار (Automatic Differentiation)
  • 46. کتابخانه‌های بهینه‌سازی در یادگیری عمیق (TensorFlow, PyTorch)
  • 47. مقدمه‌ای بر شبکه‌های عصبی پرسپترون چندلایه (MLP)
  • 48. آموزش شبکه‌های MLP با گرادیان کاهشی
  • 49. بهینه‌سازی در شبکه‌های کانولوشنی (CNN)
  • 50. بهینه‌سازی در شبکه‌های بازگشتی (RNN)
  • 51. بهینه‌سازی در مدل‌های ترنسفورمر (Transformer)
  • 52. تنظیم ابرپارامترها (Hyperparameter Tuning)
  • 53. جستجوی شبکه‌ای (Grid Search)
  • 54. جستجوی تصادفی (Random Search)
  • 55. بهینه‌سازی بیزی (Bayesian Optimization)
  • 56. استفاده از ابزارهای تنظیم ابرپارامتر (Optuna, Hyperopt)
  • 57. مفهوم بهینه‌سازی توزیع‌شده (Distributed Optimization)
  • 58. آموزش موازی (Data Parallelism)
  • 59. آموزش موازی مدل (Model Parallelism)
  • 60. بهینه‌سازی بر روی چندین GPU
  • 61. بهینه‌سازی بر روی چندین ماشین
  • 62. چالش‌های بهینه‌سازی توزیع‌شده
  • 63. مفهوم بهینه‌سازی تطبیقی (Adaptive Optimization)
  • 64. بهینه‌سازی با حافظه (Memory-based Optimization)
  • 65. روش‌های بهینه‌سازی برای مدل‌های بزرگ
  • 66. بهینه‌سازی مدل‌های با پارامترهای زیاد
  • 67. استفاده از تکنیک‌های کاهش بعد (Dimensionality Reduction)
  • 68. تحلیل مولفه‌های اصلی (PCA)
  • 69. تعبیه‌سازی کلمات (Word Embeddings)
  • 70. بهینه‌سازی در سیستم‌های توصیه‌گر
  • 71. بهینه‌سازی در پردازش زبان طبیعی (NLP)
  • 72. بهینه‌سازی در بینایی ماشین (Computer Vision)
  • 73. بهینه‌سازی در رباتیک
  • 74. مفهوم بهینه‌سازی پایدار (Stable Optimization)
  • 75. روش‌های جلوگیری از واگرایی در بهینه‌سازی
  • 76. بهینه‌سازی برای داده‌های نامتوازن
  • 77. مفهوم یادگیری تقویتی (Reinforcement Learning)
  • 78. بهینه‌سازی سیاست (Policy Optimization)
  • 79. الگوریتم‌های Actor-Critic
  • 80. بهینه‌سازی با استفاده از مدل (Model-Based Optimization)
  • 81. بهینه‌سازی بدون استفاده از مدل (Model-Free Optimization)
  • 82. مفهوم بهینه‌سازی در زمان واقعی (Real-time Optimization)
  • 83. بهینه‌سازی برای سیستم‌های پویا
  • 84. کاربرد بهینه‌سازی در صنعت
  • 85. کاربرد بهینه‌سازی در تحقیقات علمی
  • 86. ملاحظات اخلاقی در بهینه‌سازی مدل‌ها
  • 87. حفظ حریم خصوصی در داده‌های آموزشی
  • 88. شفافیت در الگوریتم‌های بهینه‌سازی
  • 89. مسئولیت‌پذیری در نتایج بهینه‌سازی
  • 90. آیندهٔ بهینه‌سازی در یادگیری عمیق

📚 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.