اکسپرس 24
کتاب توابع پایه شعاعی سلسله‌مراتبی مقیاس‌پذیر؛ حل مسائل داده‌های حجیم با RBF

کتاب توابع پایه شعاعی سلسله‌مراتبی مقیاس‌پذیر؛ حل مسائل داده‌های حجیم با RBF

تگ‌ها: Big Data Fast Multipole Method GPU Computing Hierarchical RBF Low-Rank Approximation RBF Scattered Data Interpolation تقریب پراکنده توابع پایه شعاعی توابع پایه شعاعی سلسله‌مراتبی داده‌های حجیم درون‌یابی عددی ماتریس‌های H ماتریس‌های کم‌رتبه محاسبات موازی

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 توابع پایه شعاعی سلسله‌مراتبی مقیاس‌پذیر؛ حل مسائل داده‌های حجیم با RBF

موضوع کلی: محاسبات عددی و یادگیری ماشینی مقیاس‌پذیر

موضوع میانی: توابع پایه شعاعی سلسله‌مراتبی برای تقریب داده‌های حجیم

📋 سرفصل‌های دوره

  • 1. مسئله مقیاس‌پذیری در تقریب با توابع پایه شعاعی
  • 2. مروری بر کاربردهای داده‌های حجیم در مدل‌سازی عددی
  • 3. پیش‌نیازهای جبر خطی برای الگوریتم‌های RBF
  • 4. داده‌های پراکنده و نمایش هندسی آن‌ها
  • 5. تعریف و ساختار توابع پایه شعاعی
  • 6. تابع‌های هسته رایج در RBF
  • 7. درون‌یابی، برازش و تقریب با RBF
  • 8. افزایش چندجمله‌ای و پایداری مدل
  • 9. عدد شرطی و حساس‌پذیری سیستم‌های RBF
  • 10. انتخاب پارامتر شکل و تأثیر آن بر دقت
  • 11. خطاهای تقریب و معیارهای ارزیابی
  • 12. محدودیت ماتریس‌های چگال در داده‌های بزرگ
  • 13. تحلیل پیچیدگی زمان و حافظه
  • 14. ویژگی‌های محاسباتی داده‌های حجیم
  • 15. پیش‌پردازش و پاک‌سازی داده‌های مکانی
  • 16. خوشه‌بندی و کاهش ساخت‌یافته داده‌ها
  • 17. ساختارهای درختی برای جست‌وجوی همسایگی
  • 18. تجزیه سلسله‌مراتبی دامنه
  • 19. معیارهای پذیرش و تفکیک تعاملات نزدیک و دور
  • 20. نمایش چندسطحی خطا و بازسازی تدریجی
  • 21. توابع پایه شعاعی با پشتیبانی فشرده
  • 22. پایه‌های محلی و تنک‌سازی ماتریس RBF
  • 23. تقریب‌های کم‌رتبه برای بلوک‌های دور
  • 24. تقریب چندجمله‌ای و بسط‌های سریع
  • 25. روش ضرب سریع چندقطبی
  • 26. ماتریس‌های H و H2
  • 27. فشرده‌سازی سلسله‌مراتبی عملگرها
  • 28. ضرب سریع بردار–ماتریس در ساختار RBF
  • 29. اسمبل سریع ماتریس و بهینه‌سازی حافظه
  • 30. روش‌های مستقیم سلسله‌مراتبی
  • 31. روش‌های تکراری کریدف و گرادیان مزدوج
  • 32. پیش‌شرطی‌سازی برای سیستم‌های RBF
  • 33. روش‌های چندشبکه‌ای و چندمقیاسی
  • 34. روش واحد از واحد برای RBF محلی
  • 35. روش‌های تجزیه دامنه
  • 36. زیردامنه‌های همپوشان و اتصال مرزها
  • 37. توزیع خودکار مراکز RBF
  • 38. انتخاب همسایگان مؤثر در مدل‌های محلی
  • 39. برآرش مقیاس‌پذیر پارامتر شکل
  • 40. اعتبارسنجی متقاطع در مقیاس بزرگ
  • 41. منظم‌سازی و مقابله با نوفه
  • 42. داده‌های ناهمسانگرد و مختصات مقیاس‌ناهمگون
  • 43. RBF برای داده‌های با ابعاد بالا
  • 44. مدل‌سازی ناپایستاری مکانی
  • 45. برخورد با داده‌های پرت و نمونه‌برداری نامتوازن
  • 46. داده‌های پویا و جریان‌های اطلاعاتی
  • 47. به‌روزرسانی افزایشی مدل‌های RBF
  • 48. پیاده‌سازی ساختارهای داده کارآمد
  • 49. مدیریت سربار ارتباطات در محاسبات توزیع‌شده
  • 50. محاسبات موازی اشتراک‌حافظه‌ای
  • 51. محاسبات توزیع‌شده با MPI
  • 52. شتاب‌دهی GPU برای عملیات RBF
  • 53. توازن بار در محاسبات ناهمگن
  • 54. پایداری عددی و خطاهای گردکردن
  • 55. پیاده‌سازی ماتریس‌های فشرده و دسترسی حافظه‌نهان
  • 56. طراحی خط لوله کامل برازش و ارزیابی مدل
  • 57. معیارهای کارایی، سرعت‌پذیری و مقیاس‌پذیری
  • 58. طراحی مجموعه‌داده‌های آزمون و مقایسه مبنا
  • 59. کاربرد در مدل‌سازی مکانی و نقشه‌برداری
  • 60. کاربرد در شبیه‌سازی معادلات دیفرانسیل
  • 61. کاربرد در یادگیری ماشینی و رگرسیون غیرپارامتری
  • 62. مطالعه موردی یک مسئله بزرگ‌مقیاس از ابتدا تا انتها
  • 63. خطاهای رایج، عیب‌یابی و بهینه‌سازی نهایی

📚 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.