اکسپرس 24
کتاب یادگیری عمیق با R و Keras: آموزش عملی و کاربردی

کتاب یادگیری عمیق با R و Keras: آموزش عملی و کاربردی

تگ‌ها: Keras الگوریتم یادگیری برنامه نویسی R تحلیل داده داده کاوی شبکه عصبی 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 یادگیری عمیق با R و Keras: آموزش عملی و کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی عمیق

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری عمیق
  • 2. معرفی پایتون برای یادگیری عمیق
  • 3. نصب و پیکربندی R و Keras
  • 4. مبانی ریاضی یادگیری عمیق: حساب دیفرانسیل و انتگرال
  • 5. مبانی ریاضی یادگیری عمیق: جبر خطی
  • 6. مبانی ریاضی یادگیری عمیق: آمار و احتمال
  • 7. مقدمه‌ای بر شبکه‌های عصبی
  • 8. نورون مصنوعی و تابع فعال‌سازی
  • 9. لایه های شبکه عصبی
  • 10. معماری‌های پایه شبکه‌های عصبی
  • 11. یادگیری با نظارت
  • 12. یادگیری بدون نظارت
  • 13. یادگیری تقویتی
  • 14. الگوریتم پس‌انتشار خطا (Backpropagation)
  • 15. بهینه‌سازها (Optimizers)
  • 16. نرخ یادگیری و تنظیم آن
  • 17. تنظیم‌کننده‌های Regularization برای جلوگیری از بیش‌برازش
  • 18. اعتبارسنجی متقابل (Cross-Validation)
  • 19. شبکه‌های عصبی کانولوشنال (CNN)
  • 20. کاربردهای CNN در پردازش تصویر
  • 21. شبکه‌های عصبی بازگشتی (RNN)
  • 22. شبکه‌های حافظه بلندمدت (LSTM)
  • 23. شبکه‌های گیت‌گذاری بازگشتی (GRU)
  • 24. پردازش زبان طبیعی (NLP) با RNN و LSTM
  • 25. مدل‌های زبانی (Language Models)
  • 26. تولید متن با شبکه‌های عصبی
  • 27. شبکه‌های مولد تخاصمی (GAN)
  • 28. کاربردهای GAN در تولید تصویر و داده
  • 29. انتقال یادگیری (Transfer Learning)
  • 30. مدل‌های از پیش آموزش‌دیده (Pre-trained Models)
  • 31. Fine-tuning مدل‌های از پیش آموزش‌دیده
  • 32. یادگیری خودنظارتی (Self-Supervised Learning)
  • 33. Autoencoders و کاربردهای آن‌ها
  • 34. کاهش ابعاد با Autoencoders
  • 35. تشخیص ناهنجاری با Autoencoders
  • 36. شبکه‌های عصبی گراف (GNN)
  • 37. کاربردهای GNN در تحلیل شبکه‌ها
  • 38. یادگیری عمیق در سری‌های زمانی
  • 39. پیش‌بینی سری‌های زمانی با شبکه‌های عصبی
  • 40. یادگیری عمیق در داده‌های جدولی
  • 41. استفاده از Keras برای ساخت مدل‌های یادگیری عمیق
  • 42. ذخیره و بارگذاری مدل‌ها در Keras
  • 43. ارزیابی عملکرد مدل‌های یادگیری عمیق
  • 44. متریک‌های ارزیابی (Metrics)
  • 45. Visualizing آموزش مدل
  • 46. تنظیم هایپرپارامترها (Hyperparameter Tuning)
  • 47. روش‌های جستجوی هایپرپارامتر
  • 48. استفاده از GPU برای آموزش سریع‌تر
  • 49. بهینه‌سازی مصرف حافظه در آموزش مدل‌ها
  • 50. استقرار مدل‌های یادگیری عمیق
  • 51. APIهای استقرار مدل
  • 52. مقدمه‌ای بر یادگیری تقویتی عمیق (Deep Reinforcement Learning)
  • 53. Q-learning و Deep Q-Networks (DQN)
  • 54. Policy Gradient Methods
  • 55. کاربردهای یادگیری تقویتی در بازی‌ها و رباتیک
  • 56. یادگیری عمیق در پزشکی
  • 57. یادگیری عمیق در تشخیص بیماری‌ها
  • 58. یادگیری عمیق در پردازش سیگنال
  • 59. یادگیری عمیق در تشخیص تقلب
  • 60. یادگیری عمیق و امنیت سایبری
  • 61. یادگیری عمیق و سیستم‌های توصیه گر
  • 62. یادگیری عمیق و بینایی ماشین
  • 63. یادگیری عمیق و پردازش صدا
  • 64. آینده یادگیری عمیق و روندهای نوظهور
  • 65. اخلاق در یادگیری عمیق و مسائل مربوط به سوگیری
  • 66. تفسیرپذیری مدل‌های یادگیری عمیق
  • 67. استفاده از ابزارهای تفسیرپذیری
  • 68. بهبود مدل‌های یادگیری عمیق با تحلیل خطا
  • 69. منابع و ابزارهای بیشتر برای 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.