اکسپرس 24
کتاب یادگیری ماشین: از صفر تا استادی (Machine Learning Mastery)

کتاب یادگیری ماشین: از صفر تا استادی (Machine Learning Mastery)

تگ‌ها: ai data science deep learning machine learning machine learning mastery model deployment pytorch tensorflow آموزش یادگیری ماشین الگوریتم علم داده فارسی 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 ماشین: از صفر تا استادی (Machine Learning Mastery)

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
  • 2. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت، نیمه نظارت‌شده
  • 3. مفاهیم اساسی آمار و احتمال برای یادگیری ماشین
  • 4. پیش‌پردازش داده‌ها: پاکسازی، تبدیل و نرمال‌سازی
  • 5. انتخاب ویژگی (Feature Selection) و استخراج ویژگی (Feature Extraction)
  • 6. مدل‌سازی خطی: رگرسیون ساده و چندگانه
  • 7. ارزیابی مدل‌های رگرسیون: معیارها و روش‌ها
  • 8. رگرسیون لجستیک: طبقه‌بندی باینری
  • 9. ارزیابی مدل‌های طبقه‌بندی: دقت، صحت، فراخوانی و F1-score
  • 10. درخت‌های تصمیم‌گیری: اصول و الگوریتم‌ها
  • 11. جنگل تصادفی (Random Forest): بهبود عملکرد درخت‌های تصمیم‌گیری
  • 12. ماشین‌های بردار پشتیبان (SVM): مفاهیم و کاربردها
  • 13. یادگیری خوشه‌ای (Clustering): K-Means و روش‌های دیگر
  • 14. تحلیل مولفه‌های اصلی (PCA): کاهش ابعاد داده‌ها
  • 15. یادگیری تقویتی (Reinforcement Learning): مفاهیم پایه
  • 16. شبکه‌های عصبی مصنوعی (ANN): معرفی و ساختار
  • 17. یادگیری عمیق (Deep Learning): لایه‌های پنهان و معماری‌ها
  • 18. شبکه‌های عصبی کانولوشنی (CNN): پردازش تصویر
  • 19. شبکه‌های عصبی بازگشتی (RNN): پردازش زبان طبیعی
  • 20. مدل‌های زبانی بزرگ (LLM) و ترانسفورمرها
  • 21. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 22. تنظیم پارامترها (Hyperparameter Tuning): Grid Search و Randomized Search
  • 23. اعتبارسنجی متقابل (Cross-Validation): ارزیابی دقیق‌تر مدل
  • 24. روش‌های Ensemble Learning: Boosting و Bagging
  • 25. کار با داده‌های نامتوازن (Imbalanced Data)
  • 26. معماری‌های پیشرفته یادگیری عمیق: Autoencoders و GANs
  • 27. استفاده از TensorFlow و Keras برای ساخت مدل‌های یادگیری ماشین
  • 28. استفاده از PyTorch برای ساخت مدل‌های یادگیری ماشین
  • 29. استقرار مدل‌های یادگیری ماشین (Model Deployment)
  • 30. یادگیری انتقالی (Transfer Learning): استفاده از مدل‌های از پیش آموزش‌دیده
  • 31. یادگیری خودنظارتی (Self-Supervised Learning)
  • 32. بهینه‌سازی مدل‌های یادگیری ماشین: گرادیان کاهشی و الگوریتم‌های مرتبط
  • 33. تفسیرپذیری مدل‌های یادگیری ماشین (Model Interpretability)
  • 34. یادگیری ماشین توضیح‌پذیر (Explainable AI - XAI)
  • 35. اخلاق در یادگیری ماشین: سوگیری و انصاف
  • 36. یادگیری ماشین در مقیاس بزرگ (Large-Scale Machine Learning)
  • 37. یادگیری ماشین ابری (Cloud Machine Learning)
  • 38. کاربردهای یادگیری ماشین در حوزه‌های مختلف: پزشکی، مالی، بازاریابی
  • 39. انتخاب الگوریتم مناسب برای مسئله مورد نظر
  • 40. مبانی یادگیری ماشین Bayesian
  • 41. مدل‌های گرافیکی احتمالی (Probabilistic Graphical Models)
  • 42. روش‌های نیمه نظارتی (Semi-Supervised Learning)
  • 43. یادگیری ماشین فعال (Active Learning)

📚 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.