اپلیکیشن اندرویدی فلش‌کارت آموزشی یادگیری نظارت شده: ابزار کار متخصصان داده

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری نظارت شده: ابزار کار متخصصان داده

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری نظارت شده (Supervised Learning)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری نظارت شده و جایگاه آن در هوش مصنوعی
• 2. انواع مسائل یادگیری نظارت شده: رگرسیون و طبقه‌بندی
• 3. مجموعه داده‌ها در یادگیری نظارت شده: آماده‌سازی و پیش‌پردازش
• 4. تقسیم مجموعه داده به آموزش، اعتبارسنجی و تست
• 5. ارزیابی مدل‌های یادگیری نظارت شده: معیارهای عملکرد
• 6. رگرسیون خطی ساده: مفاهیم و پیاده‌سازی
• 7. رگرسیون خطی چندگانه: مفاهیم و پیاده‌سازی
• 8. تابع هزینه (Cost Function) در رگرسیون
• 9. روش‌های بهینه‌سازی: گرادیان کاهشی (Gradient Descent)
• 10. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 11. تنظیم مدل (Regularization): L1 و L2
• 12. انتخاب ویژگی (Feature Selection)
• 13. رگرسیون لجستیک: مفاهیم و کاربردها
• 14. درخت‌های تصمیم‌گیری: ساختار و الگوریتم
• 15. جنگل تصادفی (Random Forest): بهبود دقت و کاهش بیش‌برازش
• 16. ماشین‌های بردار پشتیبان (SVM): مفاهیم و کاربرد
• 17. هسته‌ها (Kernels) در SVM: خطی، چندجمله‌ای، RBF
• 18. تنظیم پارامترهای SVM
• 19. روش k-نزدیک‌ترین همسایه (k-NN): مفاهیم و کاربرد
• 20. ارزیابی و مقایسه مدل‌های طبقه‌بندی
• 21. یادگیری نظارت شده با داده‌های نامتوازن (Imbalanced Data)
• 22. نمونه‌برداری بیش از حد (Oversampling) و نمونه‌برداری کمتر از حد (Undersampling)
• 23. اعتبارسنجی متقابل (Cross-Validation): k-fold و Leave-One-Out
• 24. مفاهیم پیشرفته رگرسیون: رگرسیون چندجمله‌ای، رگرسیون Ridge
• 25. مفاهیم پیشرفته طبقه‌بندی: Boosting، AdaBoost
• 26. مهندسی ویژگی (Feature Engineering) برای یادگیری نظارت شده
• 27. انتخاب مدل مناسب بر اساس نوع داده و مسئله
• 28. پیاده‌سازی یادگیری نظارت شده در پایتون با استفاده از Scikit-learn
• 29. استفاده از کتابخانه NumPy برای عملیات ریاضی
• 30. استفاده از کتابخانه Pandas برای مدیریت داده‌ها
• 31. مصورسازی داده‌ها و نتایج مدل با Matplotlib و Seaborn
• 32. کار با داده‌های متنی در یادگیری نظارت شده
• 33. تبدیل داده‌های متنی به فرمت عددی (Text Vectorization)
• 34. کاربرد یادگیری نظارت شده در تشخیص تقلب
• 35. کاربرد یادگیری نظارت شده در پیش‌بینی قیمت
• 36. کاربرد یادگیری نظارت شده در تشخیص تصویر
• 37. مقدمه‌ای بر یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
• 38. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)