کتاب یادگیری گراف پویا برای پیش‌بینی سری‌های زمانی: از مبانی تا پروژهٔ عملی

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 گراف پویا برای پیش‌بینی سری‌های زمانی: از مبانی تا پروژهٔ عملی

موضوع کلی: یادگیری عمیق و شبکه‌های عصبی

موضوع میانی: شبکه‌های عصبی گراف برای سری‌های زمانی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای برای پیش‌بینی سری‌های زمانی
  • 2. بازنگری شبکه‌های عصبی رکurrent در سری‌های زمانی
  • 3. معماری Transformer و تأثیر آن بر پیش‌بینی
  • 4. مقدمه‌ای برای نظریهٔ گراف و نظریهٔ گراف‌ها
  • 5. نمایش داده‌های واقعی به‌صورت گراف
  • 6. شبکه‌های عصبی گراف (GCN) و آموزش آن‌ها
  • 7. آتن‌تنت (GAT) و مکانیزم توجه گرافی
  • 8. ساختار گراف پویا و تفاوت با گراف ثابت
  • 9. گراف فاصله و گراف کوساین در سری‌های زمانی
  • 10. DCRNN: شبکه رکurrent روی گراف انتشار
  • 11. STGCN: شبکه کانولوشنی گراف-زمانی
  • 12. Graph WaveNet: پیش‌بینی با کنترل انتشار تطبیقی
  • 13. MTGNN: چند-طرح‌واره گراف برای پیش‌بینی چند-مقیاس
  • 14. معماری چند-وجهی فوژ فضا-زمان
  • 15. توجه زمانی در شبکه‌های گراف
  • 16. گراف‌های پویای تطبیقی و یادگیری ساختار
  • 17. یادگیری نمایش گراف با خود-رگرسیون
  • 18. پیش‌بینی چند‌مرحله‌ای با مدل‌های گرافی
  • 19. مدل‌های انتشار-تبدیل برای سری‌های زمانی
  • 20. Graph Isomorphism Network در سری‌های زمانی
  • 21. یادگیری نمایش گراف با اتلاف‌کننده
  • 22. معماری ترکیبی CNN-Graph برای سری‌های زمانی
  • 23. مدل‌های مبتنی بر فرایند نقطه-عمدی
  • 24. پیش‌بینی ترافیک شهری با گراف پویا
  • 25. پیش‌بینی هواشناسی فضایی-زمانی
  • 26. پیش‌بینی بورس و سرمایه با گراف پویا
  • 27. تشخیص شاذ در سری‌های زمانی گرافی
  • 28. شبکه‌های گرافی عمیق برای انحراف
  • 29. یادگیری منتقل در گراف‌های زمانی
  • 30. یادگیری چند-پیوندی برای گراف‌های پویا
  • 31. مدل‌های تکاملی گراف با LSTM
  • 32. مدل‌های تکاملی گراف با Transformer
  • 33. توجه سفت‌سخت در شبکه‌های گراف زمانی
  • 34. فشرده‌سازی گراف برای پیش‌بینی سریع‌تر
  • 35. یادگیری بدون نظارت روی گراف‌های زمانی
  • 36. شبکه‌های رقابتی مولد برای سری‌های زمانی گرافی
  • 37. تقویت داده با تولید گراف مصنوعی
  • 38. مدل‌های ترکیبی گراف و فرکانس
  • 39. تجزیه فرکانسی-فضایی با گراف
  • 40. پیش‌بینی سری‌های زمانی چندپایه
  • 41. مدل‌های چند-مقیاس برای گراف پویا
  • 42. شبکه‌های فرا-گراف برای تعاملات پیچیده
  • 43. یادگیری بازنمایی گراف به‌صورت آنلاین
  • 44. بهینه‌سازی ساختار گراف با یادگیری
  • 45. گراف‌های جهت‌دار وزنی در سری‌های زمانی
  • 46. مدل‌های پنهان‌مارکووی گرافی
  • 47. فیلترهای گرافی در حوزهٔ فرکانس
  • 48. کانولوشن گرافی سریع با FFT
  • 49. معماری ترکیبی گراف-رکurrent-توجه
  • 50. پیش‌بینی با داده‌های ناقص و گراف‌های ناقص
  • 51. مدیریت گراف‌های متغیر-اندازه
  • 52. یادگیری از گراف‌های ناهمگن
  • 53. یکپارچه‌سازی داده‌های متنوع در گراف
  • 54. مدل‌های چند-وظیفه‌ای گرافی
  • 55. تخمین عدم‌قطعی در پیش‌بینی گرافی
  • 56. بیزین گرافی برای سری‌های زمانی
  • 57. یادگیری تقویتی برای ساختار گراف
  • 58. بهینه‌سازی هذیولوژیک در مدل‌های گرافی
  • 59. مقایسه عملکرد مدل‌های گرافی
  • 60. معیارهای ارزیابی پیش‌بینی فضا-زمانی
  • 61. بیس‌لاین‌های رقابتی: ARIMA, Prophet, LSTM
  • 62. استقرار مدل در مقیاس بزرگ
  • 63. بهینه‌سازی سرعت استنتاج در مدل‌های گرافی
  • 64. کاهش مصرف حافظه در آموزش گرافی
  • 65. پارالل‌سازی آموزش شبکه‌های گراف
  • 66. پایش و دیباگ مدل‌های گراف پویا
  • 67. تفسیرپذیری مدل‌های یادگیری گراف
  • 68. توضیح‌پذیری پیش‌بینی‌ها با SHAP و Grad-CAM
  • 69. اخلاق و عدالت در پیش‌بینی‌های گرافی
  • 70. کاربرد در اینترنت اشیا و سنسورها
  • 71. کاربرد در شبکه‌های اجتماعی پویا
  • 72. کاربرد در بهداشت و سلامت
  • 73. کاربرد در انرژی و برق
  • 74. کاربرد در حمل‌ونقل هوایی
  • 75. کاربرد در زلزله‌شناسی
  • 76. کاربرد در مالی و بیمه
  • 77. پروژهٔ عملی: پیش‌بینی ترافیک با Graph WaveNet
  • 78. پروژهٔ عملی: پیش‌بینی هواشناسی با STGCN
  • 79. پروژهٔ عملی: پیش‌بینی بورس با DCRNN
  • 80. آماده‌سازی محیط کدنویسی PyTorch Geometric
  • 81. آماده‌سازی محیط کدنویسی DGL
  • 82. پیاده‌سازی GCN از صفر برای سری‌های زمانی
  • 83. پیاده‌سازی مدل انتشار-تبدیل
  • 84. آموزش مدل با داده‌های واقعی شهری
  • 85. تنظیم ابرپارامترها در مدل‌های گرافی
  • 86. تعادل بیش‌برازش و کم‌برازش
  • 87. یادگیری انتقالی بین شهرها با گراف
  • 88. مدل‌های پیش‌آموزشی برای گراف‌های زمانی
  • 89. مدل‌های زیرباندی و فوق‌باندی
  • 90. کانولوشن گرافی نرم با اتلاف‌کننده
  • 91. گراف‌های پویای چند-نمایه
  • 92. یادگیری با برچسب‌های کم در گراف‌های زمانی
  • 93. مدل‌های ترکیبی گراف و حالت-فضایی
  • 94. مدل‌های ترکیبی گراف و خروجی-فضایی
  • 95. معماری ترکیبی عمیق فضا-زمان-گراف
  • 96. مدل‌های انتشار چند-مرحله‌ای
  • 97. جمع‌بندی و روندهای آیندهٔ یادگیری گراف پویا

📚 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.