<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title>بایگانی‌ها آموزش شبکه عصبی - ایران متلب</title>
	<atom:link href="https://iran-matlab.ir/product-category/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c/feed/" rel="self" type="application/rss+xml" />
	<link>https://iran-matlab.ir/product-category/آموزش-شبکه-عصبی/</link>
	<description>بزرگترین مرجع فیلم های آموزشی دانشگاهی و مهندسی</description>
	<lastBuildDate>Wed, 07 Jan 2026 08:58:43 +0000</lastBuildDate>
	<language>fa-IR</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	

<image>
	<url>https://iran-matlab.ir/wp-content/uploads/2022/11/cropped-icon512-32x32.png</url>
	<title>بایگانی‌ها آموزش شبکه عصبی - ایران متلب</title>
	<link>https://iran-matlab.ir/product-category/آموزش-شبکه-عصبی/</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>فیلم آموزشی شبکه عصبی خود رمزگذار autoencoder</title>
		<link>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%ae%d9%88%d8%af-%d8%b1%d9%85%d8%b2%da%af%d8%b0%d8%a7%d8%b1-autoencoder/</link>
					<comments>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%ae%d9%88%d8%af-%d8%b1%d9%85%d8%b2%da%af%d8%b0%d8%a7%d8%b1-autoencoder/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sun, 04 Jan 2026 10:32:19 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=27599</guid>

					<description><![CDATA[<p>شبکه‌های عصبی خودرمزگذار (Autoencoder) یکی از مفاهیم مهم و پرکاربرد در یادگیری عمیق هستند که برای کاهش بُعد داده‌ها، استخراج ویژگی، حذف نویز و فشرده‌سازی اطلاعات استفاده می‌شوند. این شبکه‌ها بدون نیاز به برچسب (Unsupervised Learning) قادر هستند ساختار پنهان داده‌ها را یاد بگیرند. در این فیلم آموزشی، مفهوم Autoencoder به‌صورت ساده، مفهومی و کاملاً [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%ae%d9%88%d8%af-%d8%b1%d9%85%d8%b2%da%af%d8%b0%d8%a7%d8%b1-autoencoder/">فیلم آموزشی شبکه عصبی خود رمزگذار autoencoder</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;">شبکه‌های عصبی خودرمزگذار (Autoencoder) یکی از مفاهیم مهم و پرکاربرد در یادگیری عمیق هستند که برای کاهش بُعد داده‌ها، استخراج ویژگی، حذف نویز و فشرده‌سازی اطلاعات استفاده می‌شوند. این شبکه‌ها بدون نیاز به برچسب (Unsupervised Learning) قادر هستند ساختار پنهان داده‌ها را یاد بگیرند.</p>
<p style="text-align: justify;">در این فیلم آموزشی، مفهوم Autoencoder به‌صورت ساده، مفهومی و کاملاً عملی آموزش داده می‌شود و نحوه پیاده‌سازی آن با مثال‌های واقعی بررسی خواهد شد.</p>
<h2 style="text-align: justify;">Autoencoder چیست؟</h2>
<p style="text-align: justify;">Autoencoder یک شبکه عصبی است که از دو بخش اصلی تشکیل شده است:</p>
<p style="text-align: justify;">Encoder: که داده ورودی را به یک نمایش فشرده (Latent Space) تبدیل می‌کند</p>
<p style="text-align: justify;">Decoder: که تلاش می‌کند داده فشرده‌شده را دوباره بازسازی کند</p>
<p style="text-align: justify;">هدف شبکه این است که خروجی تا حد ممکن شبیه ورودی اولیه باشد.</p>
<p style="text-align: justify;">
<p style="text-align: justify;">
<h2 style="text-align: justify;">کاربردهای Autoencoder</h2>
<p style="text-align: justify;">شبکه‌های خودرمزگذار در حوزه‌های مختلف کاربرد دارند، از جمله:</p>
<p style="text-align: justify;">کاهش بُعد داده‌ها (Dimensionality Reduction)</p>
<p style="text-align: justify;">حذف نویز از سیگنال و تصویر (Denoising)</p>
<p style="text-align: justify;">استخراج ویژگی (Feature Extraction)</p>
<p style="text-align: justify;">فشرده‌سازی داده‌ها</p>
<p style="text-align: justify;">تشخیص ناهنجاری (Anomaly Detection)</p>
<p style="text-align: justify;">
<p style="text-align: justify;">
<p style="text-align: justify;">
<h2 style="text-align: justify;">هدف این آموزش</h2>
<p style="text-align: justify;">در این آموزش یاد می‌گیرید:</p>
<p style="text-align: justify;">مفهوم Autoencoder و نحوه عملکرد آن</p>
<p style="text-align: justify;">تفاوت Autoencoder با PCA</p>
<p style="text-align: justify;">ساختار Encoder و Decoder</p>
<p style="text-align: justify;">آموزش شبکه خودرمزگذار</p>
<p style="text-align: justify;">بررسی فضای نهفته (Latent Space)</p>
<p style="text-align: justify;">تحلیل نتایج و کاربردهای عملی</p>
<p style="text-align: justify;">
<p style="text-align: justify;">
<p style="text-align: justify;">
<h2 style="text-align: justify;">سرفصل‌های آموزش</h2>
<p style="text-align: justify;">مباحث این فیلم آموزشی شامل موارد زیر است:</p>
<p style="text-align: justify;">مقدمه‌ای بر یادگیری بدون ناظر</p>
<p style="text-align: justify;">معرفی Autoencoder و معماری آن</p>
<p style="text-align: justify;">پیاده‌سازی Autoencoder ساده</p>
<p style="text-align: justify;">آموزش شبکه با داده نمونه</p>
<p style="text-align: justify;">ارزیابی کیفیت بازسازی</p>
<p style="text-align: justify;">مثال‌های کاربردی</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%ae%d9%88%d8%af-%d8%b1%d9%85%d8%b2%da%af%d8%b0%d8%a7%d8%b1-autoencoder/">فیلم آموزشی شبکه عصبی خود رمزگذار autoencoder</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d8%ae%d9%88%d8%af-%d8%b1%d9%85%d8%b2%da%af%d8%b0%d8%a7%d8%b1-autoencoder/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>فیلم آموزشی فارسی مدل LSTM در متلب</title>
		<link>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%85%d8%af%d9%84-lstm-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/</link>
					<comments>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%85%d8%af%d9%84-lstm-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Thu, 24 Nov 2022 07:37:39 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=27603</guid>

					<description><![CDATA[<p>در سال‌های اخیر، مدل‌های یادگیری عمیق به‌ویژه شبکه‌های عصبی بازگشتی (Recurrent Neural Networks) و به‌طور خاص LSTM (Long Short-Term Memory) نقش بسیار مهمی در تحلیل داده‌های دنباله‌ای و زمان‌محور ایفا کرده‌اند. متلب با ارائه ابزارهای قدرتمند در حوزه Deep Learning، امکان پیاده‌سازی، آموزش و ارزیابی مدل‌های LSTM را به‌صورت حرفه‌ای فراهم کرده است. در این [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%85%d8%af%d9%84-lstm-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/">فیلم آموزشی فارسی مدل LSTM در متلب</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;">در سال‌های اخیر، مدل‌های یادگیری عمیق به‌ویژه شبکه‌های عصبی بازگشتی (Recurrent Neural Networks) و به‌طور خاص LSTM (Long Short-Term Memory) نقش بسیار مهمی در تحلیل داده‌های دنباله‌ای و زمان‌محور ایفا کرده‌اند. متلب با ارائه ابزارهای قدرتمند در حوزه Deep Learning، امکان پیاده‌سازی، آموزش و ارزیابی مدل‌های LSTM را به‌صورت حرفه‌ای فراهم کرده است.</p>
<p style="text-align: justify;">در این فیلم آموزشی فارسی، به‌صورت کاملاً عملی و پروژه‌محور یاد می‌گیریم چگونه از مدل‌های LSTM در محیط MATLAB برای حل مسائل واقعی استفاده کنیم.</p>
<p>&nbsp;</p>
<h2 style="text-align: justify;">LSTM چیست و چرا اهمیت دارد؟</h2>
<p style="text-align: justify;">مدل LSTM نوعی شبکه عصبی بازگشتی است که برای یادگیری وابستگی‌های بلندمدت در داده‌های ترتیبی طراحی شده است. این مدل‌ها به‌طور گسترده در کاربردهای زیر استفاده می‌شوند:</p>
<p style="text-align: justify;">پیش‌بینی سری‌های زمانی (Time Series Forecasting)</p>
<p style="text-align: justify;">تحلیل سیگنال‌های مهندسی</p>
<p style="text-align: justify;">پردازش زبان طبیعی (NLP)</p>
<p style="text-align: justify;">تشخیص الگو در داده‌های سنسوری</p>
<p style="text-align: justify;">پیش‌بینی خرابی و نگهداری پیش‌بینانه (Predictive Maintenance)</p>
<p style="text-align: justify;">LSTM نسبت به RNNهای ساده، مشکل Vanishing Gradient را تا حد زیادی برطرف می‌کند و دقت بالاتری در داده‌های طولانی دارد.</p>
<p style="text-align: justify;">
<h2 style="text-align: justify;">هدف این آموزش</h2>
<p style="text-align: justify;">در این آموزش یاد می‌گیرید:</p>
<p style="text-align: justify;">مفهوم LSTM و نحوه عملکرد آن به زبان ساده</p>
<p style="text-align: justify;">آماده‌سازی داده‌ها برای مدل‌های LSTM در متلب</p>
<p style="text-align: justify;">طراحی معماری شبکه LSTM در MATLAB</p>
<p style="text-align: justify;">آموزش (Training) و تنظیم پارامترهای مدل</p>
<p style="text-align: justify;">ارزیابی عملکرد مدل و تحلیل نتایج</p>
<p style="text-align: justify;">پیاده‌سازی مثال‌های واقعی و کاربردی</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<h2 style="text-align: justify;">سرفصل‌های فیلم آموزشی</h2>
<p style="text-align: justify;">در این دوره مباحث زیر به‌صورت گام‌به‌گام پوشش داده می‌شوند:</p>
<p style="text-align: justify;">معرفی شبکه‌های عصبی بازگشتی و LSTM</p>
<p style="text-align: justify;">ساخت دیتاست دنباله‌ای (Sequence Data)</p>
<p style="text-align: justify;">نرمال‌سازی و پیش‌پردازش داده‌ها</p>
<p style="text-align: justify;">تعریف لایه‌های LSTM در MATLAB</p>
<p style="text-align: justify;">تنظیم Hyperparameterها</p>
<p style="text-align: justify;">آموزش مدل با استفاده از Deep Learning Toolbox</p>
<p style="text-align: justify;">بررسی Overfitting و Underfitting</p>
<p style="text-align: justify;">پیش‌بینی و تحلیل خروجی مدل</p>
<p style="text-align: justify;">نکات عملی و Best Practiceها</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%85%d8%af%d9%84-lstm-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/">فیلم آموزشی فارسی مدل LSTM در متلب</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d9%81%db%8c%d9%84%d9%85-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%85%d8%af%d9%84-lstm-%d8%af%d8%b1-%d9%85%d8%aa%d9%84%d8%a8/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آموزش فارسی پیش بینی سریهای زمانی با یادگیری عمیق</title>
		<link>https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%db%8c%d8%a7/</link>
					<comments>https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%db%8c%d8%a7/#comments</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Wed, 23 Feb 2022 10:36:31 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=27604</guid>

					<description><![CDATA[<p>یکی از آموزش های ایران متلب که علاقه مندان زیادی از آن استفاده کردند. آموزش پیش بینی سریهای زمانی با شبکه های عصبی می باشد. در این آموزش قصد داریم، از یک دانش جدیدتر در پیش بینی سریهای زمانی استفاده کنیم. در بسته یادگیری عمیق در مورد مفاهیم و برنامه نویسی آن در متلب صحبت [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%db%8c%d8%a7/">آموزش فارسی پیش بینی سریهای زمانی با یادگیری عمیق</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;">یکی از آموزش های ایران متلب که علاقه مندان زیادی از آن استفاده کردند. <a href="https://iran-matlab.ir/product/%D9%81%DB%8C%D9%84%D9%85-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D9%BE%DB%8C%D8%B4-%D8%A8%DB%8C%D9%86%DB%8C-%D8%B3%D8%B1%DB%8C%D9%87%D8%A7%DB%8C-%D8%B2%D9%85%D8%A7%D9%86%DB%8C-%D8%A8%D8%A7-%D8%B4%D8%A8/" target="_blank" rel="noopener">آموزش پیش بینی سریهای زمانی با شبکه های عصبی</a> می باشد.</p>
<p style="text-align: justify;">در این آموزش قصد داریم، از یک دانش جدیدتر در پیش بینی سریهای زمانی استفاده کنیم. در <a href="https://iran-matlab.ir/product/%D8%A8%D8%B3%D8%AA%D9%87-%D8%A2%D9%85%D9%88%D8%B2%D8%B4%DB%8C-%D8%AC%D8%A7%D9%85%D8%B9-%DB%8C%D8%A7%D8%AF%DA%AF%DB%8C%D8%B1%DB%8C-%D8%B9%D9%85%DB%8C%D9%82-deep-learning/" target="_blank" rel="noopener">بسته یادگیری عمیق</a> در مورد مفاهیم و برنامه نویسی آن در متلب صحبت کردیم. اکنون میخواهیم اختصاصی در مورد نحوه استفاده از یادگیری عمیق در داده های یک بعدی یا همان سری زمانی صحبت کنیم.</p>
<p style="text-align: justify;">اگر به مقالات متعدد در زمینه یادگیری عمیق مراجعه کنید، بیشتر آنها از داده های تصاویری برای ورودی آن استفاده می کنند. شبکه های یادگیری عمیق پیش ساخته هم ورودی آنها 2 بعدی می باشد و بسیار مهم است که اندازه تصویری ورودی منطبق با اندازه تصویر دو بعدی باشد که شبکه یادگیرعمیق پیش ساخته متناسب با ان طراحی شده است. اکنون میخواهیم شبکه های یادگیری عمیقی را بررسی کنیم که سریهای زمانی را به عنوان ورودی از شما می گیرند.</p>
<h2><strong><span style="color: #800080;">سرفصل :</span></strong></h2>
<p>معرفی شبکه LSTM</p>
<p>ساختار شبکه LSTM</p>
<p>LSTM برای دسته بندی</p>
<p>LSTM برای رگرسیون</p>
<p>پیاده سازی LSTM برای دسته بندی در متلب</p>
<p>دسته بندی sequence-to-label</p>
<p>نمایش و آنالیز شبکه LSTM  در متلب  با <a href="https://www.mathworks.com/help/deeplearning/ref/analyzenetwork.html" target="_blank" rel="noopener">analyzeNetwork</a></p>
<div id="attachment_27979" style="width: 860px" class="wp-caption aligncenter"><img fetchpriority="high" decoding="async" aria-describedby="caption-attachment-27979" class="size-full wp-image-27979" src="https://iran-matlab.ir/wp-content/uploads/2022/02/Deep-Learning-Network-Analyzer.jpg" alt="آنالیز ساختار شبکه LSTM متلب" width="850" height="470" srcset="https://iran-matlab.ir/wp-content/uploads/2022/02/Deep-Learning-Network-Analyzer.jpg 850w, https://iran-matlab.ir/wp-content/uploads/2022/02/Deep-Learning-Network-Analyzer-480x265.jpg 480w" sizes="(min-width: 0px) and (max-width: 480px) 480px, (min-width: 481px) 850px, 100vw" /><p id="caption-attachment-27979" class="wp-caption-text">آنالیز ساختار شبکه LSTM متلب</p></div>
<p>دسته بندی sequence-to-sequence</p>
<p>مفهوم Sequence</p>
<p>تفاوت رگرسیون sequence-to-one و sequence-to-sequence</p>
<p>کد متلب رگرسیون sequence-to-one</p>
<p>برنامه نویسی متلب sequence-to-sequence</p>
<p>پیش بینی حلقه باز و حلقه بسته</p>
<p>برنامه نویسی پروژه 1</p>
<p>توضیح مفهوم بسیار مهم آماده‌سازی داده ها برای پیش بینی (بیشتر بچه ها در این قسمت مشکل دارند، با یادگیری این قسمت شما می توانید از هر مدلی برای پیش بینی استفاده کنید)</p>
<p>نرماسازی</p>
<p>کد متلب نرمالسازی</p>
<p>ساخت لایه به لایه شبکه</p>
<p>تنظیم پارامترهای تابع آموزش</p>
<p>موقعیت padding و truncation</p>
<p>تعریف shuffle</p>
<p>آموزش شبکه</p>
<p>تست شبکه</p>
<p>محاسبه RMSE</p>
<p>نمایش هیستوگرام RMSE</p>
<p>تایع resetState</p>
<p>تابع predictAndUpdateState</p>
<p>برنامه نویسی پروژه 2</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%db%8c%d8%a7/">آموزش فارسی پیش بینی سریهای زمانی با یادگیری عمیق</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d8%a2%d9%85%d9%88%d8%b2%d8%b4-%d9%81%d8%a7%d8%b1%d8%b3%db%8c-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b3%d8%b1%db%8c%d9%87%d8%a7%db%8c-%d8%b2%d9%85%d8%a7%d9%86%db%8c-%d8%a8%d8%a7-%db%8c%d8%a7/feed/</wfw:commentRss>
			<slash:comments>1</slash:comments>
		
		
			</item>
		<item>
		<title>کتاب مبانی شبکه های عصبی</title>
		<link>https://iran-matlab.ir/product/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/</link>
					<comments>https://iran-matlab.ir/product/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Sat, 19 Jun 2021 07:49:58 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=26846</guid>

					<description><![CDATA[<p>فروش رفت یکی از کتابهای خوب برای یادگیری شبکه های عصبی کتاب نوشته شده توسط ، دکتر باقر منهاج و دانشجوهای تحصیلات تکمیلی ایشان می باشد که برای خود من یکی از کتاب های خوب برای شروع کار یادگیری شبکه های عصبی می باشد. یک نسخه از این کتاب که خودم استفاده می کردم و [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">کتاب مبانی شبکه های عصبی</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: center;"><span style="color: #ff0000;"><strong><span style="font-size: 16pt;">فروش رفت</span></strong></span></p>
<p style="text-align: justify;"><span style="font-size: 16pt;">یکی از کتابهای خوب برای یادگیری شبکه های عصبی کتاب نوشته شده توسط ، دکتر باقر منهاج و دانشجوهای تحصیلات تکمیلی ایشان می باشد که برای خود من یکی از کتاب های خوب برای شروع کار یادگیری شبکه های عصبی می باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 16pt;">یک نسخه از این کتاب که خودم استفاده می کردم و دیگر لازم ندارم برای فروش موجود می باشد.</span></p>
<p><span style="font-size: 16pt;">هزینه کتاب و پست آن 59 هزارتومان می باشد.</span></p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/">کتاب مبانی شبکه های عصبی</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%da%a9%d8%aa%d8%a7%d8%a8-%d9%85%d8%a8%d8%a7%d9%86%db%8c-%d8%b4%d8%a8%da%a9%d9%87-%d9%87%d8%a7%db%8c-%d8%b9%d8%b5%d8%a8%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</title>
		<link>https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/</link>
					<comments>https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Tue, 28 Jul 2020 14:22:09 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=25586</guid>

					<description><![CDATA[<p>چرا این آموزش ؟ در سالهای اخیر سیل علاقه مندان بسیار زیادی وارد بورس شده اند و برخی از آنها سودهای میلیاردی نصیب خود کرده اند. برخی از آنها به تحلیل های اقتصادی و تکنیکال بورس آشنایی دارند و می توانند روند تغییر قیمت در بورس را پیش بینی کنند. اما همه این دانش و [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/">بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2></h2>
<h2></h2>
<h2><strong><span style="color: #ff6600;">چرا این آموزش ؟</span></strong></h2>
<p style="text-align: justify;"><span style="font-size: 16pt;">در سالهای اخیر سیل علاقه مندان بسیار زیادی وارد <a href="https://tse.ir/" target="_blank" rel="noopener">بورس</a> شده اند و برخی از آنها سودهای میلیاردی نصیب خود کرده اند. برخی از آنها به تحلیل های اقتصادی و تکنیکال بورس آشنایی دارند و می توانند روند تغییر قیمت در بورس را پیش بینی کنند. اما همه این دانش و توانایی را ندارند.</span></p>
<p style="text-align: justify;"><span style="font-size: 16pt;"><a href="https://edition.cnn.com/2019/02/17/investing/artificial-intelligence-investors-machine-learning/index.html" target="_blank" rel="noopener">خبری در سایت CNN</a> امده است که غول فناوری دنیا IBM ، یک سخت‌افزار ویژه برای استفاده از هوش مصنوعی در علم اقتصاد طراحی کرده است که نشان می دهد هوش مصنوعی چقدر می تواند به فعالین بورس کمک کند. </span></p>
<p><img loading="lazy" decoding="async" class="aligncenter size-full" src="https://media.lesechos.com/api/v1/images/view/5d14737c8fe56f63c2439d9d/1280x720/2206844-bourse-de-premiers-fonds-dedies-a-lintelligence-artificielle-web-tete-0302276666667.jpg" width="1280" height="720" /></p>
<p style="text-align: justify;"><span style="font-size: 16pt;">یکی از ابزارهای بسیار پرکاربرد و مفید در جهان، <a href="https://iran-matlab.ir/%D9%87%D9%88%D8%B4-%D9%85%D8%B5%D9%86%D9%88%D8%B9%DB%8C/" target="_blank" rel="noopener">هوش مصنوعی</a> می باشد. هم اکنون ماشین های بدون راننده با کمک الگوریتم های هوش مصنوعی در خیابان های تعدادی از کشورهای دنیا در حال رفت و آمد هستند که نشان دهنده قدرت و کاربردی بودن <a href="https://iran-matlab.ir/product-category/%d9%87%d9%88%d8%b4-%d9%85%d8%b5%d9%86%d9%88%d8%b9%db%8c/" target="_blank" rel="noopener">هوش مصنوعی</a> دارد. گروه ایران متلب بنا به تجربه طولانی خود با مدلهای مختلف هوش مصنوعی، تصمیم گرفت این آموزش منحصربفرد را تهیه و عرضه کند. برای تهیه این آموزش چندین پایان‌نامه ارشد و دکتری در رشته های اقتصاد و مهندسی و کامپیوتر مطالعه شده است.</span></p>
<p><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-25589" src="https://iran-matlab.ir/wp-content/uploads/2020/07/learning.jpg" alt="" width="900" height="555" srcset="https://iran-matlab.ir/wp-content/uploads/2020/07/learning.jpg 900w, https://iran-matlab.ir/wp-content/uploads/2020/07/learning-480x296.jpg 480w" sizes="auto, (min-width: 0px) and (max-width: 480px) 480px, (min-width: 481px) 900px, 100vw" /></p>
<h2><span style="color: #ff6600;">سرفصل های آموزش :</span></h2>
<p>(با توجه به انحصاری بودن این آموزش، سرفصل ها حذف شد، در آموزش اصلی که برای شما ارسال می شود، سرفصل ها کامل وجود دارند)</p>
<p>&nbsp;</p>
<p><span style="font-size: 16pt;">ما در قسمت برنامه نویسی هم از متلب و هم از پایتون استفاده کرده ایم.</span></p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/">بسته آموزشی جامع پیش بینی بورس با هوش مصنوعی</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d8%a8%d8%b3%d8%aa%d9%87-%d8%a2%d9%85%d9%88%d8%b2%d8%b4%db%8c-%d8%ac%d8%a7%d9%85%d8%b9-%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%a8%d9%88%d8%b1%d8%b3-%d8%a8%d8%a7-%d9%87%d9%88%d8%b4-%d9%85%d8%b5/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>پیش بینی روند اپیدمی کرونا با مدل SIR</title>
		<link>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b1%d9%88%d9%86%d8%af-%d8%a7%d9%be%db%8c%d8%af%d9%85%db%8c-%da%a9%d8%b1%d9%88%d9%86%d8%a7-%d8%a8%d8%a7-%d9%85%d8%af%d9%84-sir/</link>
					<comments>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b1%d9%88%d9%86%d8%af-%d8%a7%d9%be%db%8c%d8%af%d9%85%db%8c-%da%a9%d8%b1%d9%88%d9%86%d8%a7-%d8%a8%d8%a7-%d9%85%d8%af%d9%84-sir/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Mon, 01 Jun 2020 10:06:34 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=15464</guid>

					<description><![CDATA[<p>یکی از مباحث جذاب در بین محققین در مبحث کرونا، پیش بینی روند این اپیدمی در کشورهای مختلف دنیا می باشد. ایران متلب برای شما یک پروژه کامل برنامه نویسی متلب آماده کرده است. این پروژه بر اساس مدل اپیدمی susceptible-infected-removed (SIR) عمل می کند. این بخش شامل داده هایی برای کرونا ویروس برای آرژانتین ، [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b1%d9%88%d9%86%d8%af-%d8%a7%d9%be%db%8c%d8%af%d9%85%db%8c-%da%a9%d8%b1%d9%88%d9%86%d8%a7-%d8%a8%d8%a7-%d9%85%d8%af%d9%84-sir/">پیش بینی روند اپیدمی کرونا با مدل SIR</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p style="text-align: justify;"><span style="font-size: 18pt;">یکی از مباحث جذاب در بین محققین در مبحث کرونا، پیش بینی روند این اپیدمی در کشورهای مختلف دنیا می باشد.</span></p>
<p style="text-align: justify;"><span style="font-size: 18pt;">ایران متلب برای شما یک پروژه کامل برنامه نویسی متلب آماده کرده است. این پروژه بر اساس <a href="https://en.wikipedia.org/wiki/Compartmental_models_in_epidemiolog" target="_blank" rel="noopener">مدل اپیدمی</a> susceptible-infected-removed (SIR) عمل می کند.</span></p>
<p style="text-align: justify;"><span style="font-size: 18pt;">این بخش شامل داده هایی برای کرونا ویروس برای آرژانتین ، اتریش ، بلژیک ، برزیل ، کانادا ، کرواسی ، چین ، جمهوری چک ، دانمارک ، آلمان ، مجارستان ، فرانسه ، ایسلند ، هند ، اندونزی ، ایران ، ایتالیا ، ژاپن ، هلند ، نروژ ، لهستان ، پرتغال ، رومانی ، روسیه ، اسلواکی ، صربستان ، اسلوونی ، کره جنوبی ، اسپانیا ، سوئیس ، ترکیه ، انگلیس ، ایالات متحده و جهان (حداکثر 28. آوریل.2020)</span></p>
<p style="text-align: justify;"><span style="font-size: 18pt;">شامل 2 فایل pdf یکی گزارش و دیگری خروجی برای کشورهای مختلف می باشد.</span></p>
<p>&nbsp;</p>
<p style="text-align: center;"><img loading="lazy" decoding="async" class="aligncenter size-full wp-image-15466" src="https://iran-matlab.ir/wp-content/uploads/2020/06/corona-prediction1.jpg" alt="" width="700" height="731" srcset="https://iran-matlab.ir/wp-content/uploads/2020/06/corona-prediction1.jpg 700w, https://iran-matlab.ir/wp-content/uploads/2020/06/corona-prediction1-510x533.jpg 510w, https://iran-matlab.ir/wp-content/uploads/2020/06/corona-prediction1-287x300.jpg 287w" sizes="auto, (max-width: 700px) 100vw, 700px" /></p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b1%d9%88%d9%86%d8%af-%d8%a7%d9%be%db%8c%d8%af%d9%85%db%8c-%da%a9%d8%b1%d9%88%d9%86%d8%a7-%d8%a8%d8%a7-%d9%85%d8%af%d9%84-sir/">پیش بینی روند اپیدمی کرونا با مدل SIR</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d8%a8%db%8c%d9%86%db%8c-%d8%b1%d9%88%d9%86%d8%af-%d8%a7%d9%be%db%8c%d8%af%d9%85%db%8c-%da%a9%d8%b1%d9%88%d9%86%d8%a7-%d8%a8%d8%a7-%d9%85%d8%af%d9%84-sir/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>کد متلب ترکیب شبکه عصبی و الگوریتم ژنتیک برای تشخیص نفوذ</title>
		<link>https://iran-matlab.ir/product/%da%a9%d8%af-%d9%85%d8%aa%d9%84%d8%a8-%d8%aa%d8%b1%da%a9%db%8c%d8%a8-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%88-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c/</link>
					<comments>https://iran-matlab.ir/product/%da%a9%d8%af-%d9%85%d8%aa%d9%84%d8%a8-%d8%aa%d8%b1%da%a9%db%8c%d8%a8-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%88-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 27 Dec 2019 13:56:00 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=14679</guid>

					<description><![CDATA[<p>یکی از دیتاست هایی که برای تشخیص نفوذ بسیار کاربرد دارد ، دیتاست KDD می باشد. ما برای شما کد متلبی آماده کردیم که از شبکه عصبی MLP برای تشخیص نفوذ استفاده می کند. اما آموزش شبکه عصبی با الگوریتم ژنتیک انجام می شود.</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%da%a9%d8%af-%d9%85%d8%aa%d9%84%d8%a8-%d8%aa%d8%b1%da%a9%db%8c%d8%a8-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%88-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c/">کد متلب ترکیب شبکه عصبی و الگوریتم ژنتیک برای تشخیص نفوذ</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><span style="font-size: 14pt;">یکی از دیتاست هایی که برای تشخیص نفوذ بسیار کاربرد دارد ، دیتاست KDD می باشد.</span></p>
<p><span style="font-size: 14pt;">ما برای شما کد متلبی آماده کردیم که از شبکه عصبی MLP برای تشخیص نفوذ استفاده می کند. اما آموزش شبکه عصبی با الگوریتم ژنتیک انجام می شود.</span></p>
<p>نوشته <a href="https://iran-matlab.ir/product/%da%a9%d8%af-%d9%85%d8%aa%d9%84%d8%a8-%d8%aa%d8%b1%da%a9%db%8c%d8%a8-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%88-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c/">کد متلب ترکیب شبکه عصبی و الگوریتم ژنتیک برای تشخیص نفوذ</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%da%a9%d8%af-%d9%85%d8%aa%d9%84%d8%a8-%d8%aa%d8%b1%da%a9%db%8c%d8%a8-%d8%b4%d8%a8%da%a9%d9%87-%d8%b9%d8%b5%d8%a8%db%8c-%d9%88-%d8%a7%d9%84%da%af%d9%88%d8%b1%db%8c%d8%aa%d9%85-%da%98%d9%86%d8%aa%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>پیش نیازهای یادگیری ماشین : رگرسیون منطقی در پایتون</title>
		<link>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d9%86%db%8c%d8%a7%d8%b2%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d9%85%d9%86%d8%b7/</link>
					<comments>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d9%86%db%8c%d8%a7%d8%b2%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d9%85%d9%86%d8%b7/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 15 Dec 2017 15:06:26 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=10331</guid>

					<description><![CDATA[<p>پیش نیازهای یادگیری ماشین : رگرسیون منطقی در پایتون تکنیک های علوم داده ای برای دانش آموزان وحرفه ای ها، برای یادگیری رگرسیون منطقی و کدنویسی در پایتون در این دوره چه چیزهایی یاد خواهید گرفت ؟ رگرسیون منطقی از ابتدا در پایتون توضیح اینکه چگونه رگرسیون منطقی در علوم داده مفید است بدست آوردن [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d9%86%db%8c%d8%a7%d8%b2%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d9%85%d9%86%d8%b7/">پیش نیازهای یادگیری ماشین : رگرسیون منطقی در پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<p><span style="font-size: 16pt;"><strong><span style="color: #ff6600;">پیش نیازهای یادگیری ماشین : رگرسیون منطقی در پایتون</span></strong></span></p>
<p>تکنیک های علوم داده ای برای دانش آموزان وحرفه ای ها، برای یادگیری رگرسیون منطقی و کدنویسی در پایتون</p>
<h2><strong><span style="color: #ff6600; font-size: 16pt;">در این دوره چه چیزهایی یاد خواهید گرفت ؟</span></strong></h2>
<ul>
<li>رگرسیون منطقی از ابتدا در پایتون</li>
<li>توضیح اینکه چگونه رگرسیون منطقی در علوم داده مفید است</li>
<li>بدست آوردن خطاها و آپدیت قانون ها برای رگرسیون منطقی</li>
<li>درک اینکه چگونه رگرسیون منطقی به عنوان یک شاخص برای بیولوژیک عصبی  کار می کند</li>
<li>استفاده از رگرسیون منطقی برای حل مشکلات تجاری دنیای واقعی مانند پیش بینی عملکردهای کاربر از داده های تجارت الکترونیک و تشخیص حالت چهره</li>
<li>درک اینکه چرا تنظیم در آموزش ماشین استفاده می شود</li>
</ul>
<h2><strong><span style="color: #ff6600; font-size: 16pt;">در این دوره به چه چیزهایی نیاز دارید ؟</span></strong></h2>
<ul>
<li>شما باید بلد باشید که چگونه مشتق بگیرید</li>
<li>شما باید برخی از برنامه های پایه پایتون را بلد باشید</li>
<li>نصب numpy و <a href="https://matplotlib.org/">matplotlib</a></li>
</ul>
<p>&nbsp;</p>
<p><span style="color: #ff6600; font-size: 16pt;"><strong>توضیحات :</strong></span></p>
<p>این دوره منجر به یادگیری عمیق  و شبکه های عصبی می شود – رگرسیون منطقی  یک تکنیک محبوب و بنیادی مورد استفاده در یادگیری ماشین، علوم داده ها و آمار است .ما این تئوری را از ابتدا به شما آموزش میدهیم استخراج  راه حل و برنامه های کاربردی برای رفع مشکلات در دنیای واقعی . ما به شما نشان می دهیم چگونه می توانیم مدل  رگرسیون منطقی خود را در پایتون بصورت کد بنویسیم. این دوره  به هیچ گونه عناصر خارجی  نیازی ندارد. همه چیز مورد نیاز (پایتون و برخی از کتابخانه های پایتون) را می توان به صورت رایگان دریافت کرد.این دوره بسیاری از نمونه های عملی را برای شما  فراهم می کند، بنابراین شما واقعا می توانید ببینید که چگونه یادگیری عمیق را می توان در هر چیزی استفاده کرد.در طول این دوره ما یک پروژه را  انجام میدهیم تا به شما نشان دهیم که آیا کاربری که وارد وبسایتی شده با موبایل وارد شده یا خیر و رفتار آنها را پیش بینی میکنیم و همچنین به شما نشان میدهیم که کاربر چه محصولاتی را دیده است و چه بازه زمانی در وبسایت مانده است یا اینکه آیا این کاربران بعنوان کاربران همیشگی هستند و چه روزهایی از سایت بازدید کرده اند. یک پروژه دیگر در انتهای دوره نشان می دهد که چگونه می توانید از یادگیری عمیق برای شناخت صورت استفاده کنید. تصور کنید قادر به پیش بینی احساسات یک فرد باشید.اگر شما یک برنامه نویس هستید و می خواهید با مهارت های برنامه نویسی خود را با یادگیری در مورد علوم داده ها افزایش دهید، این دوره برای شما مناسب است. اگر یک پس زمینه فنی یا ریاضی داشته باشید و می خواهید بدانید که چگونه مهارت های خود را به عنوان یک مهندس نرم افزار یا &#8220;هکر&#8221; اعمال کنید، این دوره برای شما مفید است</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d9%86%db%8c%d8%a7%d8%b2%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d9%85%d9%86%d8%b7/">پیش نیازهای یادگیری ماشین : رگرسیون منطقی در پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d9%be%db%8c%d8%b4-%d9%86%db%8c%d8%a7%d8%b2%d9%87%d8%a7%db%8c-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%b1%da%af%d8%b1%d8%b3%db%8c%d9%88%d9%86-%d9%85%d9%86%d8%b7/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>یادگیری عمقی  و یادگیری ماشین با پایتون</title>
		<link>https://iran-matlab.ir/product/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c/</link>
					<comments>https://iran-matlab.ir/product/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 15 Dec 2017 14:24:20 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=10318</guid>

					<description><![CDATA[<p>یادگیری عمقی و یادگیری ماشین با پایتون دستیابی به شبکه عصبی ، هوش مصنوعی و تکنیک های یادگیری ماشین که بعضی از افراد به دنبال آن هستند در این دوره چه چیزهایی یاد خواهید گرفت ؟ گسترش استفاده از نوت بوک ipython یادگیری اقدامات آماری مانند انحراف استاندارد تجسم توزییع داده ها ، توابع احتمال [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c/">یادگیری عمقی  و یادگیری ماشین با پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2><strong><span style="font-size: 16pt; color: #ff6600;">یادگیری عمقی و یادگیری ماشین با پایتون</span></strong></h2>
<p>دستیابی به شبکه عصبی ، هوش مصنوعی و تکنیک های یادگیری ماشین که بعضی از افراد به دنبال آن هستند</p>
<h2><span style="font-size: 16pt; color: #ff6600;"><strong>در این دوره چه چیزهایی یاد خواهید گرفت ؟</strong></span></h2>
<ul>
<li>گسترش استفاده از نوت بوک ipython</li>
<li>یادگیری اقدامات آماری مانند انحراف استاندارد</li>
<li>تجسم توزییع داده ها ، توابع احتمال و توابع چگالی</li>
<li>تجسم داده با plotlib</li>
<li>استفاده از کواریانس و معیار های همبستگی</li>
<li>اعمال احتمال شرطی برای یافتن ویژگی های همبستگی</li>
<li>استفاده از قضیه Bayes  برای شناسایی خطاها و درستی ها</li>
<li>پیش بینی با استفاده از رگرسیون خطی، رگرسیون چندگانه و رگرسیون چند متغیره انجام میشود</li>
<li>یادگیری کامل مدل های پیجیده چند سطحی</li>
<li>استفاده از <a href="https://towardsdatascience.com/train-test-split-and-cross-validation-in-python-80b61beca4b6">train/test</a> و در مقابل آن استفاده از K-Fold cross برای یافتن مدل مناسب</li>
<li>ایجاد یک طبقه بندی اسپم با استفاده از Naive Bayes</li>
<li>استفاده از درختان تصمیم گیری برای پیش بینی</li>
<li>خوشه بندی داده ها با استفاده از خوشه بندی k-means و ماشین پشتیبان بردار (SVM)</li>
<li>ایجاد ایجاد فیلم سیستم پیشنهاد گر با استفاده از فیلترینگ مبتنی بر کاربر</li>
<li>پیش بینی طبقه بندی با استفاده از KNN (نزدیک ترین همسایه به K)</li>
<li>اعمال کاهش کیفیت با استفاده از آنالیز مولفه های اصلی (PCA)</li>
<li>آموزش تقویت یادگیری و نحوه ساخت یک <a href="https://techcrunch.com/2017/06/15/microsofts-ai-beats-ms-pac-man/">Pac-Man bot</a></li>
<li>داده های ورودیتان را تا قبل از حذف شدن پاک کنید</li>
<li>یادگیری ماشین و خوشه بندی را با استفاده از TF/IDF در مقیاس بزرگ با استفاده از Spark&#8217;s MLLib اجرا کنید</li>
<li>طراحی واریانس تست A/B با استفاده از T-Tests  و  P-Values</li>
</ul>
<h2><strong><span style="color: #ff6600; font-size: 16pt;">در این دوره به چه چیزهایی نیاز دارید ؟</span></strong></h2>
<ul>
<li>یک یارانه رومیز با سیستم عامل ویندوز،مک یا لینوکس که قادر به اجرای Enthought Canopy 1.6.2 یا ورژن های بالاتر باشد( نصب برنامه ها در این دوره بصورت رایگان است)</li>
<li>داشتن تجربه در حیطه کد نویسی و script</li>
<li>داشتن حداقل مهارت های ریاضی در سطح دبیرستان</li>
</ul>
<p>این دوره براساس یک رایانه رومیزی مبتنی بر ویندوز مایکروسافت راه اندازی میشود در حالی که کد نویسی در سیستم عامل های دیگر اجرا میشود به همین دلیل است که نمیتوانیم یک پشتیبان سیستم عامل ارائه دهیم</p>
<h2><span style="color: #ff6600; font-size: 16pt;"><strong>توضیحات :</strong></span></h2>
<p>دانشمندان علوم داده از یک شغل با درآمد بالا استفاده میکنند طبق گفته Glassdoor حقوق متوسط این شغل 120 هزار دلار است این مبلغ فقط بصورت میانگین است و فقط در حیطه پول نیست و کاری جالب است.اگر شما تجربه برنامه نویسی و اسکریپت را داشته باشید این دوره تکنینک هایی که توسط دانشمندان علم اطلاعات استفاده میشود را به شما آموزش میدهد و شما برای آموزش دیدن این حرفه آماده میشوید این دوره شامل بیش از 80 سخنرانی که شامل 12 ساعت ویدیو است میباشد اکثر موضوعات نمونه های کد پایتون است که میتوانید بر ای تمرین خودتان از آن استفاده کنید  من با 9 سال تچربه در آمازون و IMDb نکات مهم را به شما آموزش میدهم .هر مفهوم زبان انگلیسی بدون استفاده از علائم ریاضی گنگ و مبهم است که با استفاده از کدنویسی پایتون این مشکل را حل میکنیم در این دوره شما بصورت پیشرفته ریاضی این الگوریتم ها را میبینیدو در نهایت یک پروژه نهایی از آنچه آموخته اید را به شما میدهد</p>
<p>دراین دوره آنالیز نیاز های واقعی که در لیست کارهای دانشمندان علم داده برای یادگیری ماشین قرار دارد را ، یاد میگیرید  که شامل :</p>
<ul>
<li>یادگیری عمقی  و شبکه های عصبی (MLP&#8217;s, CNN&#8217;s, RNN&#8217;s)</li>
<li>آنالیز رگرسیون خوشه بندی k-means</li>
<li>آنالیز اجزای اصلی</li>
<li>Train/Testو اعتبار سنجی متقابل آن</li>
<li>روش های Bayesian</li>
<li>درختان تصمیمی گیری و جنگل های تصادفی</li>
<li>رگرسیون چند متغیره</li>
<li>مدل های چند سطحی</li>
<li><a href="https://en.wikipedia.org/wiki/Support_vector_machine" target="_blank" rel="noopener">ماشین بردار پشتیبان (svm)</a></li>
<li>تقویت آموزش</li>
<li>فیلتر همکاری</li>
<li>نزدیک ترین همسایه K</li>
<li>Bias/Variance  اشتباه</li>
<li>آموزش گروهی</li>
<li>فرکانس و عکس فرکانس داده</li>
<li>طراحی تجربی و آزمون A/B</li>
</ul>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c/">یادگیری عمقی  و یادگیری ماشین با پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%be%db%8c%d8%b4%d8%b1%d9%81%d8%aa%d9%87-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%a7-%d9%be%d8%a7%db%8c/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
		<item>
		<title>آنالیز خوشه بندی و یادگیری ماشین بدون نظارت در پایتون</title>
		<link>https://iran-matlab.ir/product/%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%ae%d9%88%d8%b4%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%af%d9%88%d9%86-%d9%86/</link>
					<comments>https://iran-matlab.ir/product/%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%ae%d9%88%d8%b4%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%af%d9%88%d9%86-%d9%86/#respond</comments>
		
		<dc:creator><![CDATA[ایران متلب]]></dc:creator>
		<pubDate>Fri, 15 Dec 2017 13:54:54 +0000</pubDate>
				<guid isPermaLink="false">https://iran-matlab.ir/?post_type=product&#038;p=10314</guid>

					<description><![CDATA[<p>آنالیز خوشه بندی و یادگیری ماشین بدون نظارت در پایتون استفاده از تکنیک های داده ای برای شناخت الگو ،داده کاوی ، خوشه بندی k-means  و خوشه بندی سلسه مراتبی و KDE در این دوره چه چیزهایی یاد خواهید گرفت ؟ یادگیری الگوریتم K-means یادگیری معایب خوشه بندی k – means یادگیری خوشه بندی سلسله [&#8230;]</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%ae%d9%88%d8%b4%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%af%d9%88%d9%86-%d9%86/">آنالیز خوشه بندی و یادگیری ماشین بدون نظارت در پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></description>
										<content:encoded><![CDATA[<h2><span style="color: #ff6600;"><strong><span style="font-size: 16pt;">آنالیز خوشه بندی و یادگیری ماشین بدون نظارت در پایتون</span></strong></span></h2>
<p>استفاده از تکنیک های داده ای برای شناخت الگو ،داده کاوی ، خوشه بندی k-means  و خوشه بندی سلسه مراتبی و KDE</p>
<p><strong><span style="color: #ff6600; font-size: 16pt;">در این دوره چه چیزهایی یاد خواهید گرفت ؟</span></strong></p>
<ul>
<li>یادگیری الگوریتم <a href="https://en.wikipedia.org/wiki/K-means_clustering" target="_blank" rel="noopener">K-means</a></li>
<li>یادگیری معایب خوشه بندی k – means</li>
<li>یادگیری خوشه بندی سلسله مراتبی</li>
<li>توضیح کامل از کارکرد آرگومان های خوشه بندی سلسله مراتبی</li>
<li>اعمال فایل های کتابخانه ای خوشه بندی به داده ها</li>
<li>یادگیری چگونگی خواندن <a href="https://en.wikipedia.org/wiki/Dendrogram" target="_blank" rel="noopener">dendrogram</a></li>
<li>یادگیری روش های مختلف معیار فاصله در خوشه بندی</li>
<li>یادگیری تفاوت بین پیوندهای تکی ، پیوند کامل و پیوند های چندبخشی و UPGMA</li>
<li>یادگیری مدل Gaussian mixture و چگونگی استفاده از ان برای تخمین چگالی</li>
<li>یادگیری نوشتن GMM در کدنویسی پایتون</li>
<li>توضیح GMM در مقابل خوشه بندی K-means</li>
<li>توضیح الگوریتم expectation-maximization (به حداکثر رساندن سطح انتظار)</li>
<li>یادگیری اینکه GMM چگونه برخی از معایب K-means  را برطرف میکند</li>
<li>یادگیری مشکل کواریانس منحصر به فرد و نحوه رفع آن</li>
</ul>
<h2><span style="color: #ff6600; font-size: 16pt;"><strong>چه چیزهایی در این دوره نیاز دارید ؟</strong></span></h2>
<p>بلد بودن نوشتن کدنویسی در پایتون و کار با فایل های کتابخانه ای (numpy )</p>
<p><span style="font-size: 16pt;"><strong><span style="color: #ff6600;">توضیحات :</span></strong></span></p>
<p>آنالیز خوشه بندی یکی از ابزار های اصلی در یادگیری ماشین بدون نظارت و علم داده ای است که بسیار در حیطه داده کاوی و داده های بزرگ کاربردی است زیرا برخلاف مدل یادگیری ماشین با نطارت بدون نیاز به برچسب زدن ، الگوهای داده ای را پیدا می کند. شاید در دنیای واقعی یک ربات یا هوش مصنوعی وجود داتشه باشد که پاسخ صحیح و بهینه ای به ما ندهد در این دوره شما قادر خواهید بود به تنهایی با  یادگیری الگوها ، جهان را کشف کنید .آیا از استفاده داده ها در الگوریتم های یادگیری ماشین  با نظارت،  تعجب میکنید ؟ ما یک csu  یا یک جدول داریم که با X<sub>s </sub> و Y<sub>S</sub> در ارتباط است.اگر شما در گیر دستیابی به اطلاعات نباشید ممکن است اصلا به آن فکر نکنید اما باید کسی وجود داشته باشد که این اطلاعات را ایجاد کند. Y<sub>S</sub>ها باید از یک جایی شروع شوند گاهی اوقات شما به این نوع اطلاعات دسترسی ندارید و یا برای دستیابی به آن باید هزینه کنید پس اگر شما در مرحله آنالیز داده ها و تشخیص الگو ها هستید در مرحله بسیار ارزشمندی هستید .در این زمان است که یادگیری ماشین بدون نظارت برای اجرا بوجود می آید .در این دوره برای اولین بار در مورد خوشه بندی صحبت میشود و بجای آموزش تگ زنی سعی میکنیم از تگ های خودمان  استفاده کنیم.که این کار با گروه بندی کردن داده ها انجام میشود. در این دوره در مورد 2 نوع خوشه بندی صحبت میکنیم : خوشه بندی k-means  و خوشه بندی سلسله مراتبی و برای توزییع احتمالات  و تخمین تراکم ها  از مدل  <a href="https://brilliant.org/wiki/gaussian-mixture-model/" target="_blank" rel="noopener">Gaussian mixture</a>   استفاده میکنیم. در این دوره به یک واقعیت جالب پی میبریم این حقیقت چیز نیست جز اینکه مدل Gaussian mixture   و k-means  دقیقا یکسان هستند که این را اثبات خواهیم کرد. تمام الگوریتم هایی که ما در این دوره در مورد آن صحبت خواهیم کرد همگی براساس یادگیری ماشین و علم داده ای هستند بنابراین برای اینکه بدانیم چگونه از داده ها و الگوها الگوریتم ها را بدون نیاز به تگ کردن استخراج کنیم این دوره بسیار برای شما مناسب است. تمام اینها در این دوره رایگان است شما میتوانید numpy  و python  و scipy  را با دستورات ساده در ویندوز و لینوکس یا مک دانلود و نصب کنید. این دوره به شما کمک میکند تا طریقه ساخت را یاد بگیرید نه فقط نحوه استفاده هرکسی میتواند فقط در 15 دقیقه پس از خواندن توضیحات از یک API  استفاده کند در این دوره تجسم آنچه در مدل رخ میدهد را به شما نشان میدهد.اگر شما بیش از یک نگاه سطحی به مدل های یادگیری ماشین میخواهید این دوره برای شما مناسب است</p>
<p>&nbsp;</p>
<p>نوشته <a href="https://iran-matlab.ir/product/%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%ae%d9%88%d8%b4%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%af%d9%88%d9%86-%d9%86/">آنالیز خوشه بندی و یادگیری ماشین بدون نظارت در پایتون</a> اولین بار در <a href="https://iran-matlab.ir">ایران متلب</a> پدیدار شد.</p>
]]></content:encoded>
					
					<wfw:commentRss>https://iran-matlab.ir/product/%d8%a2%d9%86%d8%a7%d9%84%db%8c%d8%b2-%d8%ae%d9%88%d8%b4%d9%87-%d8%a8%d9%86%d8%af%db%8c-%d9%88-%db%8c%d8%a7%d8%af%da%af%db%8c%d8%b1%db%8c-%d9%85%d8%a7%d8%b4%db%8c%d9%86-%d8%a8%d8%af%d9%88%d9%86-%d9%86/feed/</wfw:commentRss>
			<slash:comments>0</slash:comments>
		
		
			</item>
	</channel>
</rss>
