اکسپرس 24
کتاب رؤیای هوش مصنوعی محدود: پارادایم‌های یادگیری نظارتی از مبانی تا کاربرد

کتاب رؤیای هوش مصنوعی محدود: پارادایم‌های یادگیری نظارتی از مبانی تا کاربرد

تگ‌ها: Deep Learning MLOps PyTorch Scikit-learn ارزیابی مدل پارادایم‌های یادگیری ماشین پیش‌بینی جنگل تصادفی رگرسیون شبکه‌های عصبی طبقه‌بندی ماشین بردار پشتیبان هوش مصنوعی محدود یادگیری منتقل یادگیری نظارتی

انتخاب پلن

افزودنی‌های اختیاری

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 رؤیای هوش مصنوعی محدود: پارادایم‌های یادگیری نظارتی از مبانی تا کاربرد

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری نظارتی

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر هوش مصنوعی محدود و یادگیری نظارتی
  • 2. تاریخچه و تحول پارادایم‌های نظارتی
  • 3. مفاهیم پایه یادگیری ماشین و اصطلاحات کلیدی
  • 4. تفاوت یادگیری نظارتی، غیرنظارتی و تقویتی
  • 5. انواع داده‌ها: برچسب‌دار، ناقص و متوازن
  • 6. دورهٔ یادگیری: آموزش، اعتبارسنجی و آزمون
  • 7. ویژگی‌ها و برچسب‌ها: ساختار ورودی و خروجی مدل
  • 8. اصول تعمیم‌پذیری و خطای عمومی
  • 9. ازدحام مدل و خطای زیربرازش
  • 10. بی‌سوادی مدل و خطای بیش‌برازش
  • 11. رگرسیون خطی و فرضیات آن
  • 12. رگرسیون چندگانه و انتخاب ویژگی
  • 13. رگرسیون چندجمله‌ای و تعامل ویژگی‌ها
  • 14. رگرسیون ریج و لاسو و تنظیم‌وزن
  • 15. رگرسیون الاستیک نت و ترکیب تنظیم
  • 16. رگرسیون محلی و سایش غیرپارامتری
  • 17. رگرسیون بوست و ادریسین
  • 18. طبقه‌بندی دودویی و چندکلاسه
  • 19. تابع هزینه و گرادیان کاهشی
  • 20. الگوریتم k-nearest neighbors
  • 21. درخت تصمیم: ساختار و معیار تقسیم
  • 22. پیش‌خور درخت تصمیم و هرس
  • 23. جنگل تصادفی و آنsemble درختی
  • 24. الگوریتم Naive Bayes و احتمالی
  • 25. ماشین بردار پشتیبان خطی و هندهٔ سخت
  • 26. ماشین بردار پشتیبان غیرخطی و کرنل
  • 27. بهینه‌سازی در SVM و هندهٔ نرم
  • 28. شبکه‌های عصبی پرسلپترون و حداقل مربعی
  • 29. شبکه‌های عصبی چندلایه و معماری
  • 30. تابع فعال‌سازی و انتخاب آن
  • 31. پس‌انتشار و قاعدهٔ زنجیره‌ای
  • 32. بهینه‌سازی ADAM و تنظیم نرخ یادگیری
  • 33. شبکه‌های کانولوشنی CNN برای تصویر
  • 34. شبکه‌های بازگشتی RNN و LSTM برای متن
  • 35. مکانیزم Attention و مدل‌های Transformer
  • 36. ماتریس درهم‌ریختگی و معیارهای دقیق
  • 37. دقت، بازخوردی، بازیابی و F1
  • 38. منحنی ROC و AUC در ارزیابی مدل
  • 39. تحلیل منحنی دقت-بازیابی
  • 40. اعتبارسنجی متقاطع K-Fold و تکراری
  • 41. Grid Search و Random Search برای فوق‌پارامترها
  • 42. تنظیم فوق‌پارامترها و پایان‌دهی زودهنگام
  • 43. تقویت داده و افزایش نمونهٔ آموزشی
  • 44. انتخاب ویژگی و روش‌های کاهش بُعد
  • 45. اصلاح کلاس‌نبضی و وزن‌دهی نمونه‌ها
  • 46. یادگیری ترکیبی و روش‌های آنsemble
  • 47. XGBoost و LightGBM در عمل
  • 48. یادگیری منتقل و فاین‌تیونینگ مدل‌ها
  • 49. یادگیری چندوجهی و چندگانه
  • 50. مدل‌های ترکیبی و Stacking
  • 51. یادگیری نیمه‌نظارتی و یادگیری فعال
  • 52. مدل‌های گاوسی پروسس و مخلوط گوسی
  • 53. رگرسیون منطقی و درختی برای طبقه‌بندی
  • 54. کدگذاری خطا و دیکدینگ در طبقه‌بندی
  • 55. یادگیری چندنمونه‌ای و چندخروجی
  • 56. آماده‌سازی و پاکسازی دادهٔ خام
  • 57. کدگذاری متغیرهای دسته‌ای و مقیاس‌گذاری
  • 58. مدیریت داده‌های گمشده و نویز
  • 59. پیش‌پردازش متن برای طبقه‌بندی
  • 60. استخراج ویژگی از تصویر و سیگنال
  • 61. پایپ‌لاین یادگیری ماشین و ابزارهای استاندارد
  • 62. پیاده‌سازی با Scikit-learn
  • 63. پیاده‌سازی با TensorFlow/Keras
  • 64. پیاده‌سازی با PyTorch
  • 65. پیاده‌سازی با XGBoost و LightGBM
  • 66. ارزیابی عملکرد در داده‌های واقعی و تغییرپذیری
  • 67. تفسیر مدل و قابلیت توضیح‌پذیری
  • 68. SHAP و LIME برای تفسیر خروجی
  • 69. اخلاق یادگیری نظارتی و سوگیری داده
  • 70. عدالت مدل و کاهش تبعیض
  • 71. پنهان‌کاری و حریم خصوصی در دادهٔ آموزشی
  • 72. پیاده‌سازی API و دیپلوی مدل
  • 73. MLOps و مدیریت چرخهٔ عمر مدل
  • 74. رصد، بازآموزی و به‌روزرسانی مدل
  • 75. تشخیص تصویر و پژوهشگر بینایی ماشین
  • 76. تشخیص متن و طبقه‌بندی احساسات
  • 77. تشخیص صدا و گفتار و تبدیل گفتار به متن
  • 78. تشخیص تقلب و رفتار مشکوک در مالی
  • 79. پیش‌بینی سرمایه‌گذاری و بازار سهام
  • 80. پیش‌بینی بیماری و تشخیص پزشکی
  • 81. پیش‌بینی ریزش و نگهداری پیش‌بینانه صنعتی
  • 82. تشخیص نویسه و OCR هوشمند
  • 83. سیستم توصیه‌گر مبتنی بر نظارتی
  • 84. کشف ساختار در شبکه‌های اجتماعی
  • 85. تشخیص آنومالی نظارتی
  • 86. مدل‌سازی زنجیرهٔ زمانی و پیش‌بینی سری زمانی
  • 87. تشخیص رویداد و هشداردهی زمان واقع
  • 88. بازیابی اطلاعات و رتبه‌بندی سند
  • 89. نمایه‌سازی خودکار و تگ‌گذاری محتوا
  • 90. ترجمه ماشینی نظارتی و خلاصه‌سازی متن

📚 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.