اکسپرس 24
کتاب مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی

کتاب مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی

تگ‌ها: HPC الگوریتم هوش مصنوعی برنامه نویسی پردازش داده تحلیل داده داده کاوی محاسبات علمی محاسبات高性能 هوش مصنوعی 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 پردازش و تحلیل داده‌های هوش مصنوعی

موضوع کلی: برنامه نویسی

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

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی
  • 2. مفاهیم پایه‌ای ریاضیات مورد نیاز در هوش مصنوعی
  • 3. آمار و احتمال در داده‌کاوی
  • 4. مقدمه‌ای بر جبر خطی و کاربرد آن در هوش مصنوعی
  • 5. ماتریس‌ها و عملیات ماتریسی
  • 6. بردارها و فضاهای برداری
  • 7. مقادیر ویژه و بردارهای ویژه
  • 8. تجزیه ماتریس
  • 9. مقدمه‌ای بر حساب دیفرانسیل و انتگرال
  • 10. مشتق و کاربردهای آن در بهینه‌سازی
  • 11. انتگرال و کاربردهای آن در احتمال
  • 12. بهینه‌سازی توابع چند متغیره
  • 13. روش‌های گرادیان کاهشی
  • 14. روش‌های نیوتن و شبه نیوتن
  • 15. مقدمه‌ای بر برنامه‌نویسی پایتون برای هوش مصنوعی
  • 16. ساختارهای داده در پایتون
  • 17. کتابخانه‌های پایتون برای محاسبات علمی (NumPy, SciPy)
  • 18. کتابخانه‌های پایتون برای تحلیل داده (Pandas)
  • 19. تصویرسازی داده‌ها با Matplotlib و Seaborn
  • 20. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
  • 21. مهندسی ویژگی: ایجاد ویژگی‌های جدید
  • 22. انتخاب ویژگی: انتخاب مهم‌ترین ویژگی‌ها
  • 23. مقدمه‌ای بر یادگیری ماشین
  • 24. یادگیری نظارت شده
  • 25. رگرسیون خطی و چندگانه
  • 26. رگرسیون لجستیک
  • 27. درخت‌های تصمیم‌گیری
  • 28. جنگل تصادفی
  • 29. ماشین‌های بردار پشتیبان (SVM)
  • 30. یادگیری بدون نظارت
  • 31. خوشه‌بندی K-Means
  • 32. خوشه‌بندی سلسله مراتبی
  • 33. تحلیل مولفه‌های اصلی (PCA)
  • 34. کاهش ابعاد
  • 35. ارزیابی مدل‌های یادگیری ماشین
  • 36. اعتبارسنجی متقابل
  • 37. معیارهای ارزیابی رگرسیون
  • 38. معیارهای ارزیابی طبقه‌بندی
  • 39. بیش‌برازش و کم‌برازش
  • 40. تنظیم پارامترهای مدل
  • 41. مقدمه‌ای بر شبکه‌های عصبی
  • 42. پرceptron
  • 43. شبکه‌های عصبی چند لایه
  • 44. تابع فعال‌سازی
  • 45. انتشار پس‌رو (Backpropagation)
  • 46. بهینه‌سازها (Optimizers)
  • 47. شبکه‌های عصبی کانولوشنال (CNN)
  • 48. پردازش تصویر با CNN
  • 49. شبکه‌های عصبی بازگشتی (RNN)
  • 50. پردازش زبان طبیعی با RNN
  • 51. یادگیری عمیق
  • 52. Autoencoders
  • 53. Generative Adversarial Networks (GANs)
  • 54. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
  • 55. توکنایز کردن متن
  • 56. برچسب‌زنی اجزای گفتار (POS Tagging)
  • 57. مدل‌های زبانی
  • 58. تحلیل احساسات
  • 59. خلاصه‌سازی متن
  • 60. مقدمه‌ای بر بینایی کامپیوتر
  • 61. تشخیص اشیا
  • 62. تقسیم‌بندی تصویر
  • 63. مقدمه‌ای بر سیستم‌های توصیه‌گر
  • 64. فیلتر محتوایی
  • 65. فیلتر مشارکتی
  • 66. روش‌های ترکیبی
  • 67. اخلاق در هوش مصنوعی
  • 68. حریم خصوصی داده‌ها
  • 69. سوگیری در هوش مصنوعی
  • 70. تفسیرپذیری مدل‌های هوش مصنوعی
  • 71. مقدمه‌ای بر Big Data و Hadoop
  • 72. مقدمه‌ای بر Spark
  • 73. ماشین‌یابی و یادگیری تقویتی

📚 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.