اپلیکیشن اندرویدی فلش‌کارت آموزشی تست و اعتبارسنجی مدل‌های یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تست و اعتبارسنجی مدل‌های یادگیری ماشین

موضوع کلی: توسعه نرم‌افزار با زبان‌های برنامه‌نویسی مدرن

موضوع میانی: توسعه نرم‌افزارهای برای AI با قابلیت اطمینان اثبات شده (Provably Reliable AI)

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پایه یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، نیمه‌نظارت شده
• 3. پیش پردازش داده‌ها: پاکسازی و تبدیل داده‌ها
• 4. انتخاب ویژگی: کاهش ابعاد و افزایش کارایی مدل‌ها
• 5. تقسیم داده‌ها: آموزش، اعتبارسنجی و آزمون
• 6. متریک‌های ارزیابی مدل‌ها: دقت، صحت، فراخوانی، F1-score
• 7. مفهوم Bias-Variance Tradeoff
• 8. مراحل ساخت یک مدل یادگیری ماشین: از داده تا استقرار
• 9. مدل‌های خطی: رگرسیون خطی و Logistic Regression
• 10. درخت‌های تصمیم: ساختار، الگوریتم و کاربردها
• 11. مدل‌های جنگل تصادفی: افزایش دقت و کاهش بیش‌برازش
• 12. ماشین‌های بردار پشتیبان: اصول، کرنل‌ها و تنظیم پارامترها
• 13. شبکه‌های عصبی: ساختار، توابع فعال‌سازی و الگوریتم‌های آموزش
• 14. شبکه‌های عصبی کانولوشنی: پردازش تصاویر و داده‌های مکانی
• 15. شبکه‌های عصبی بازگشتی: پردازش داده‌های سری زمانی
• 16. کاهش ابعاد: PCA، t-SNE و Autoencoders
• 17. روش‌های خوشه بندی: K-Means، DBSCAN و Hierarchical Clustering
• 18. اعتبارسنجی متقاطع: K-Fold Cross Validation و Leave-One-Out
• 19. تنظیم پارامترها: Grid Search، Random Search و Bayesian Optimization
• 20. ارزیابی عملکرد مدل‌ها: منحنی ROC و AUC
• 21. انتخاب مدل: مقایسه مدل‌ها و انتخاب بهترین گزینه
• 22. تفسیرپذیری مدل‌ها: SHAP و LIME
• 23. مقیاس‌پذیری مدل‌ها: آموزش مدل‌های بزرگ و توزیع‌شده
• 24. تکنیک‌های افزایش داده‌ها: Data Augmentation
• 25. مدل‌های Ensemble: ترکیب مدل‌ها برای بهبود عملکرد
• 26. مدل‌های مبتنی بر قانون: Rule-Based Models
• 27. کاربرد یادگیری ماشین در پردازش زبان طبیعی
• 28. کاربرد یادگیری ماشین در بینایی کامپیوتر
• 29. کاربرد یادگیری ماشین در تشخیص تقلب
• 30. کاربرد یادگیری ماشین در پیش‌بینی سری زمانی
• 31. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
• 32. کاربرد یادگیری ماشین در بازاریابی شخصی‌سازی شده
• 33. کاربرد یادگیری ماشین در مدیریت ریسک
• 34. کاربرد یادگیری ماشین در حوزه سلامت
• 35. کاربرد یادگیری ماشین در حوزه مالی
• 36. استقرار مدل‌ها: Deployment Strategies
• 37. نظارت بر عملکرد مدل‌ها: Monitoring Metrics
• 38. بهینه‌سازی مدل‌ها: Continuous Improvement
• 39. تکنیک‌های کاهش Overfitting
• 40. استفاده از Regularization در مدل‌ها
• 41. مفهوم Gradient Descent و الگوریتم‌های مرتبط
• 42. انتخاب تابع هزینه: Loss Functions
• 43. بهینه‌سازی Stochastic Gradient Descent
• 44. چالش‌های یادگیری ماشین: داده‌های نامتعادل و داده‌های گم شده