اکسپرس 24
کتاب یادگیری عمیق برای تصمیم‌گیری خودکار

کتاب یادگیری عمیق برای تصمیم‌گیری خودکار

تگ‌ها: ai autonomous decision making computer vision deep learning machine learning neural networks reinforcement learning robotics بینایی ماشین تصمیم‌گیری خودکار شبکه‌های عصبی هوش مصنوعی یادگیری تقویتی یادگیری عمیق یادگیری ماشین

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 یادگیری عمیق برای تصمیم‌گیری خودکار

موضوع کلی: هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

  • 1. مقدمه‌ای بر تصمیم‌گیری خودکار و یادگیری عمیق
  • 2. مروری بر کاربردهای یادگیری عمیق در تصمیم‌گیری خودکار
  • 3. مبانی شبکه‌های عصبی: پرسپترون و MLP
  • 4. توابع فعال‌سازی و نقش آن‌ها در یادگیری
  • 5. انتشار پس‌رو و الگوریتم‌های بهینه‌سازی گرادیان کاهشی
  • 6. شبکه‌های عصبی کانولوشنی (CNN): اصول و معماری
  • 7. CNN برای پردازش تصویر و بینایی ماشین
  • 8. شبکه‌های عصبی بازگشتی (RNN): اصول و کاربردها
  • 9. RNN برای پردازش زبان طبیعی و سری‌های زمانی
  • 10. شبکه‌های LSTM و GRU: غلبه بر مشکل ناپدید شدن گرادیان
  • 11. Autoencoders و کاهش ابعاد داده
  • 12. یادگیری تقویتی (Reinforcement Learning): مفاهیم پایه
  • 13. Q-learning و Deep Q-Network (DQN)
  • 14. Policy Gradient Methods
  • 15. Actor-Critic Methods
  • 16. یادگیری عمیق نظارت شده برای پیش‌بینی پاداش
  • 17. یادگیری عمیق تقلیدی (Imitation Learning)
  • 18. یادگیری عمیق معکوس (Inverse Reinforcement Learning)
  • 19. مدل‌های Markov Decision Process (MDP)
  • 20. حل مسائل MDP با استفاده از الگوریتم‌های یادگیری عمیق
  • 21. یادگیری عمیق برای ناوبری ربات‌ها
  • 22. یادگیری عمیق برای کنترل خودکار خودروها
  • 23. یادگیری عمیق برای مدیریت منابع
  • 24. یادگیری عمیق برای تشخیص تقلب
  • 25. یادگیری عمیق برای پیش‌بینی بازار سهام
  • 26. یادگیری عمیق برای تشخیص الگو در داده‌های مالی
  • 27. یادگیری عمیق برای بهینه‌سازی زنجیره تامین
  • 28. یادگیری عمیق برای تشخیص ناهنجاری در سیستم‌های صنعتی
  • 29. یادگیری عمیق برای نگهداری پیش‌بینانه
  • 30. یادگیری عمیق و اخلاق در تصمیم‌گیری خودکار
  • 31. محدودیت‌ها و چالش‌های یادگیری عمیق در تصمیم‌گیری خودکار
  • 32. امنیت و Robustness در سیستم‌های تصمیم‌گیری خودکار مبتنی بر یادگیری عمیق
  • 33. تفسیرپذیری مدل‌های یادگیری عمیق
  • 34. روش‌های Explainable AI (XAI)
  • 35. استفاده از attention mechanisms برای تفسیرپذیری
  • 36. Regularization Techniques برای جلوگیری از overfitting
  • 37. Data Augmentation برای بهبود عملکرد مدل
  • 38. Hyperparameter Tuning و بهینه‌سازی مدل
  • 39. Transfer Learning و استفاده از مدل‌های از پیش آموزش‌دیده
  • 40. Fine-tuning مدل‌های از پیش آموزش‌دیده برای وظایف خاص
  • 41. یادگیری چندوظیفه‌ای (Multi-task Learning)
  • 42. Meta-Learning و یادگیری برای یادگیری
  • 43. یادگیری فعال (Active Learning)
  • 44. یادگیری عمیق Federated
  • 45. یادگیری عمیق Incremental
  • 46. یادگیری عمیق Online
  • 47. یادگیری عمیق با داده‌های نامتوازن
  • 48. یادگیری عمیق و داده‌های پرت
  • 49. یادگیری عمیق و داده‌های ناقص
  • 50. یادگیری عمیق Graph Neural Networks (GNN)
  • 51. یادگیری عمیق Transformer Networks
  • 52. یادگیری عمیق برای پردازش سری‌های زمانی طولانی
  • 53. یادگیری عمیق و reinforcement learning در محیط‌های پیچیده
  • 54. یادگیری عمیق برای بازی‌ها (Games)
  • 55. یادگیری عمیق و رباتیک
  • 56. یادگیری عمیق و سیستم‌های توصیه گر
  • 57. یادگیری عمیق برای تشخیص اشیاء و ردیابی آن‌ها
  • 58. یادگیری عمیق برای تحلیل ویدئو
  • 59. یادگیری عمیق و پردازش صدا
  • 60. یادگیری عمیق و پردازش گفتار
  • 61. یادگیری عمیق و پردازش زبان طبیعی (NLP) پیشرفته
  • 62. یادگیری عمیق و تولید متن
  • 63. یادگیری عمیق و خلاصه‌سازی متن
  • 64. یادگیری عمیق و ترجمه ماشینی
  • 65. یادگیری عمیق و پاسخ به سوالات
  • 66. یادگیری عمیق و تحلیل احساسات
  • 67. یادگیری عمیق و تشخیص چهره
  • 68. یادگیری عمیق و تشخیص حالات چهره
  • 69. یادگیری عمیق و تشخیص گفتار احساسی
  • 70. یادگیری عمیق و پردازش داده‌های حسگر
  • 71. یادگیری عمیق و تحلیل داده‌های بزرگ
  • 72. یادگیری عمیق و محاسبات ابری
  • 73. یادگیری عمیق و سخت‌افزارهای تخصصی (TPU, GPU)
  • 74. یادگیری عمیق و اینترنت اشیا (IoT)

📚 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.