اکسپرس 24
کتاب مسلط شو به یادگیری ماشین: از صفر تا قهرمانی

کتاب مسلط شو به یادگیری ماشین: از صفر تا قهرمانی

تگ‌ها: data science deep learning keras NLP python tensorflow آموزش یادگیری ماشین الگوریتم پردازش زبان طبیعی داده کاوی علم داده ماشین لرنینگ مدل 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 مسلط شو به یادگیری ماشین: از صفر تا قهرمانی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته و کاربردی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر یادگیری ماشین: مفاهیم کلیدی و انواع الگوریتم‌ها
  • 2. یادگیری نظارت‌شده: رگرسیون خطی و چندگانه
  • 3. ارزیابی مدل‌های رگرسیونی: معیارهای عملکرد و خطا
  • 4. یادگیری نظارت‌شده: طبقه‌بندی باینری و چندکلاسه
  • 5. درخت‌های تصمیم‌گیری: اصول، ساختار و کاربردها
  • 6. جنگل تصادفی: بهبود دقت و کاهش بیش‌برازش
  • 7. ماشین‌های بردار پشتیبان (SVM): مفاهیم و کاربردها
  • 8. بهینه‌سازی مدل‌های SVM: هسته‌ها و پارامترها
  • 9. یادگیری غیرنظارت‌شده: خوشه‌بندی K-Means
  • 10. ارزیابی خوشه‌بندی: معیارهای Silhouette و Davies-Bouldin
  • 11. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
  • 12. یادگیری تقویتی: مفاهیم پایه و الگوریتم‌های اصلی
  • 13. شبکه‌های عصبی: نورون مصنوعی و پرسپترون چندلایه
  • 14. تابع فعال‌سازی: انواع و کاربردها
  • 15. پس‌انتشار خطا: الگوریتم آموزش شبکه‌های عصبی
  • 16. بهینه‌سازها: گرادیان کاهشی، Adam و RMSprop
  • 17. شبکه‌های عصبی کانولوشنال (CNN): مقدمه و کاربردها در پردازش تصویر
  • 18. لایه های کانولوشن، Pooling و Fully Connected
  • 19. شبکه‌های عصبی بازگشتی (RNN): مقدمه و کاربردها در پردازش زبان طبیعی
  • 20. حافظه کوتاه مدت طولانی (LSTM) و گیت‌های تکرارشونده (GRU)
  • 21. پردازش زبان طبیعی (NLP): توکنایز کردن، ریشه‌یابی و حذف کلمات توقف
  • 22. مدل‌های زبانی: N-gram و Word Embedding
  • 23. یادگیری عمیق با TensorFlow و Keras: مفاهیم پایه
  • 24. ساخت و آموزش مدل‌های یادگیری ماشین با TensorFlow
  • 25. ساخت و آموزش مدل‌های یادگیری ماشین با Keras
  • 26. تنظیم هایپرپارامترها: Grid Search و Random Search
  • 27. اعتبارسنجی متقابل (Cross-Validation): روش‌ها و کاربردها
  • 28. جلوگیری از بیش‌برازش (Overfitting): روش‌های Regularization
  • 29. نرمال‌سازی داده‌ها: Scaling و Standardization
  • 30. انتخاب ویژگی (Feature Selection): روش‌ها و اهمیت
  • 31. مهندسی ویژگی (Feature Engineering): ایجاد ویژگی‌های جدید
  • 32. مدل‌های Ensemble: Boosting و Bagging
  • 33. مقدمه‌ای بر Autoencoders و کاربردهای آن
  • 34. تشخیص ناهنجاری: Isolation Forest و One-Class SVM
  • 35. کاربرد یادگیری ماشین در تشخیص تقلب
  • 36. کاربرد یادگیری ماشین در پیش‌بینی قیمت
  • 37. کاربرد یادگیری ماشین در توصیه‌گرها
  • 38. کاربرد یادگیری ماشین در پردازش تصویر پزشکی
  • 39. کاربرد یادگیری ماشین در تحلیل احساسات
  • 40. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
  • 41. یادگیری خودنظارتی (Self-Supervised Learning)
  • 42. یادگیری فعال (Active Learning)
  • 43. یادگیری ماشین توضیحی (Explainable AI - XAI)
  • 44. یادگیری ماشین با داده‌های نامتعادل (Imbalanced Data)
  • 45. یادگیری ماشین فدرال (Federated Learning)
  • 46. استقرار مدل‌های یادگیری ماشین (Model Deployment)

📚 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.