جلد خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)

فایل آموزشی

آموزش پایتون برای هوش مصنوعی و یادگیری ماشین از صفر؛ مقدماتی (خودآموز سرنخ)

خودآموز برنامه‌نویسی پایتون برای هوش مصنوعی، از اولین خط کد: کار با داده، یادگیری ماشین، مدل‌های ازپیش‌آموزش‌دیده و انتشار یک ابزار هوش مصنوعی واقعی، همراه با اندازه‌گیری صادقانهٔ اینکه مدل واقعاً کار می‌کند. همه در Google Colab، بدون نصب. خودآموز دانلودی کامل و مستقل با جواب تمرین‌ها؛ قالب PDF، EPUB و MOBI، دانلود از حساب کاربری پس از پرداخت.

امتیاز خریدارهای این خودآموز

هنوز امتیازی نیست

میانگین از سومین امتیاز

  • ۵ ستاره: ۰ نفر
  • ۴ ستاره: ۰ نفر
  • ۳ ستاره: ۰ نفر
  • ۲ ستاره: ۰ نفر
  • ۱ ستاره: ۰ نفر
یادداشت‌ها و پرسش‌ها
قیمت
۴۹۹٬۰۰۰ تومان
قالب
PDF · EPUB · MOBI
تعداد صفحه
۶۸۵
حجم
۲۷٫۱ مگابایت
زبان
فارسی
خرید و دریافت فایل

برای خرید حساب کاربری لازم است و فایل بعد از پرداخت در حساب من می‌ماند.

هر فایل به نام خریدارش آماده می‌شود: شمارهٔ موبایل و شناسهٔ حساب با خطی ریز در حاشیهٔ صفحه‌ها می‌آید. برای کاربرانِ زیر ۱۸ سال، بخشی از شماره پوشانده می‌شود.

این فایل نسخهٔ دانلودی خودآموز سرنخ — خودآموز پایتون و برنامه‌نویسی برای هوش مصنوعی (مقدماتی) است.

دربارهٔ این فایل

نسخهٔ دانلودی خودآموز «سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)» با ۴۹ فصل و ۶۸۵ صفحه.

خودآموزی کامل و مستقل با جوابِ تمرین‌ها: برای خواندن و تمرین به سایت نیازی نیست. فهرست کامل و چند صفحهٔ نمونه را همین‌جا ببین.

پیش‌نمایش

این تصویرها چند صفحه از همین فایل‌اند.

  • صفحهٔ ۲ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۲
  • صفحهٔ ۳ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۳
  • صفحهٔ ۱۰ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۱۰
  • صفحهٔ ۱۱ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۱۱
  • صفحهٔ ۲۱ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۲۱
  • صفحهٔ ۲۲ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)صفحهٔ ۲۲
صفحهٔ ۲ از خودآموز سرنخ — خودآموز برنامه‌نویسی برای هوش مصنوعی (مقدماتی)
صفحهٔ ۲ · ۱ از ۶

فهرست مطالب

  1. ترم ۱ — پایتون از صفر، داخلِ Colab۱۰
    1. اولین سلول: پایتون در مرورگر۱۰
    2. مقدار، متغیر، نوع۲۱
    3. فهرست: وقتی یک مقدار کافی نیست۳۲
    4. دیکشنری: داده‌ای که اسم دارد۴۶
    5. شرط: کد تصمیم می‌گیرد۵۷
    6. حلقه: کد تکرار می‌کند۶۷
    7. تابع: به کدت اسم بده۷۸
    8. خطا دشمن نیست: خواندنِ traceback۹۰
    9. دستیارِ هوش مصنوعی: همکار، نه جایگزین۱۰۰
    10. چرا نوت‌بوک دروغ می‌گوید۱۱۰
    11. پروژه: یک ابزارِ متنیِ واقعی۱۲۲
  2. ترم ۲ — داده: دیدن، تمیز کردن، فهمیدن۱۳۸
    1. چرا آرایه: اولین قدمِ کارِ داده۱۳۸
    2. کارِ برداری: حلقه ننویس۱۵۰
    3. `DataFrame`: جدولِ واقعی در پایتون۱۶۱
    4. انتخاب، فیلتر، ستونِ تازه۱۷۴
    5. دادهٔ کثیف: کارِ واقعی از اینجا شروع می‌شود۱۸۴
    6. گروه‌بندی: از ردیف به بینش۱۹۹
    7. نمودار: کدام شکل برای کدام سؤال۲۱۰
    8. «اول داده را ببین»: تحلیلِ اکتشافی۲۲۴
    9. دادهٔ متنیِ فارسی۲۳۶
    10. پروژه: یک دیتاستِ واقعی، از فایلِ خام تا گزارش۲۵۳
  3. ترم ۳ — اولین مدل‌ها: یادگیری ماشین۲۶۹
    1. یادگیری ماشین یعنی چه۲۶۹
    2. اولین مدل: از داده تا پیش‌بینی۲۸۰
    3. خطِ پایه: قبل از هر مدلی۲۹۱
    4. نشتیِ داده: چرا عددت دروغ می‌گوید۳۰۳
    5. طبقه‌بندی: جوابِ بله-خیر۳۱۶
    6. `accuracy` دروغ می‌گوید۳۳۰
    7. پیش‌پردازش بدونِ نشتی: `Pipeline`۳۴۳
    8. حفظ‌کردن در برابرِ یادگرفتن: `overfitting`۳۵۸
    9. تنظیمِ مدل بدونِ خراب‌کردنِ تست۳۷۰
    10. درخت، جنگل، boosting۳۸۵
    11. تحلیلِ خطا: به ردیف‌های غلط نگاه کن۳۹۷
    12. پروژه: از سؤال تا مدلِ ارزیابی‌شده۴۱۰
  4. ترم ۴ — مدل‌های آماده: وقتی لازم نیست خودت آموزش بدهی۴۳۰
    1. مدلِ آماده یعنی چه۴۳۰
    2. Hugging Face در سه خط۴۴۳
    3. اولین فراخوانیِ API از پایتون۴۵۵
    4. خروجیِ ساختارمند: از متن به داده۴۶۸
    5. `embedding`: معنا به زبانِ عدد۴۸۱
    6. جست‌وجوی معنایی، از پایه۴۹۴
    7. توکن، هزینه، و مرزها۵۱۳
    8. پروژه: یک دستیارِ پرسش‌وپاسخ روی متن‌های خودت۵۲۹
  5. ترم ۵ — از نوت‌بوک تا چیزی که دیگران استفاده می‌کنند۵۴۶
    1. تکرارپذیری: نتیجه‌ای که فردا هم همان است۵۴۶
    2. از نوت‌بوک به فایلِ `.py`۵۶۱
    3. نسخه‌بندی: `git` از داخلِ Colab۵۸۰
    4. تست: چرا کدِ داده هم تست می‌خواهد۵۹۸
    5. رابط: مدلت را قابلِ‌استفاده کن۶۱۵
    6. انتشار روی Hugging Face Spaces۶۲۹
    7. صداقت بعد از انتشار۶۴۶
    8. پروژهٔ پایانی: از سؤال تا اپِ منتشرشده۶۵۹

از میز خواننده‌ها

یادداشت‌ها و پرسش‌ها

ستاره‌ها را فقط کسانی می‌دهند که آن را خریده‌اند و یادداشتشان مهر «خریدار» دارد. پرسیدن دربارهٔ آن برای همه آزاد است و نوشتهٔ اول هر کس پیش از انتشار خوانده می‌شود.

یادداشت‌ها بعد از بارگذاری صفحه نشان داده می‌شوند.