دوره برنامهنویسی شیءگرا در حوزههای خاص: هوش مصنوعی، یادگیری ماشین همراه با فلشکارت آموزشی — ارائه روی فلش مموری
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره برنامهنویسی شیءگرا در حوزههای خاص: هوش مصنوعی، یادگیری ماشین
موضوع کلی: برنامه نویسی
موضوع میانی: برنامهنویسی شیءگرا (OOP)
📋 سرفصلهای دوره
- 1. مقدمهای بر برنامهنویسی شیءگرا (OOP)
- 2. مفاهیم اصلی OOP
- 3. کلاسها و اشیاء
- 4. خاصیت و متد
- 5. کپسولهسازی (Encapsulation)
- 6. انتزاع (Abstraction)
- 7. وراثت (Inheritance)
- 8. چندریختی (Polymorphism)
- 9. دستور زبان زبانهای برنامهنویسی شیءگرا (مانند Python)
- 10. مفاهیم پیشرفته OOP
- 11. کلاسهای انتزاعی (Abstract Classes)
- 12. اینترفیسها (Interfaces)
- 13. متدهای استاتیک (Static Methods)
- 14. ویژگیهای استاتیک (Static Properties)
- 15. متدهای ویژه (Special Methods/Magic Methods)
- 16. الگوهای طراحی (Design Patterns)
- 17. الگوی Singleton
- 18. الگوی Factory
- 19. الگوی Builder
- 20. الگوی Observer
- 21. الگوی Strategy
- 22. الگوی Decorator
- 23. الگوی Facade
- 24. الگوی Proxy
- 25. الگوی Command
- 26. الگوی Iterator
- 27. معرفی حوزه هوش مصنوعی (AI)
- 28. مبانی هوش مصنوعی
- 29. یادگیری ماشین (ML) چیست؟
- 30. انواع یادگیری ماشین (نظارت شده، بدون نظارت، تقویتی)
- 31. مبانی ریاضیات برای ML (جبر خطی، حساب دیفرانسیل و انتگرال، آمار و احتمال)
- 32. نصب و راهاندازی محیط توسعه
- 33. معرفی Python برای AI/ML
- 34. کتابخانههای کلیدی Python (NumPy, Pandas, Matplotlib, Scikit-learn)
- 35. نصب و تنظیم محیط
- 36. اولین گامها با NumPy
- 37. عملیات برداری با NumPy
- 38. عملیات ماتریسی با NumPy
- 39. آرایههای چندبعدی در NumPy
- 40. Pandas برای تجزیه و تحلیل داده
- 41. ساختار DataFrame
- 42. عملیات بر روی DataFrame
- 43. خواندن و نوشتن داده (CSV, Excel)
- 44. پاکسازی و آمادهسازی داده
- 45. Visualizing Data with Matplotlib
- 46. نمودارهای خطی
- 47. نمودارهای پراکندگی
- 48. نمودارهای میلهای
- 49. نمودارهای هیستوگرام
- 50. کتابخانه Seaborn برایVisualization
- 51. یادگیری ماشین نظارت شده (Supervised Learning)
- 52. رگرسیون خطی (Linear Regression)
- 53. رگرسیون لجستیک (Logistic Regression)
- 54. ماشینهای بردار پشتیبان (Support Vector Machines - SVM)
- 55. درختهای تصمیم (Decision Trees)
- 56. جنگلهای تصادفی (Random Forests)
- 57. مدلهای بوستینگ (Boosting Models - XGBoost, LightGBM)
- 58. دستهبندی (Classification)
- 59. معیارهای ارزیابی مدلهای دستهبندی (Accuracy, Precision, Recall, F1-Score)
- 60. ماتریس درهمریختگی (Confusion Matrix)
- 61. اعتبارسنجی متقابل (Cross-Validation)
- 62. یادگیری ماشین بدون نظارت (Unsupervised Learning)
- 63. خوشهبندی (Clustering)
- 64. K-Means Clustering
- 65. Hierarchical Clustering
- 66. DBSCAN
- 67. کاهش ابعاد (Dimensionality Reduction)
- 68. تحلیل مؤلفههای اصلی (Principal Component Analysis - PCA)
- 69. t-SNE
- 70. یادگیری تقویتی (Reinforcement Learning)
- 71. مفاهیم پایه RL (Agent, Environment, State, Action, Reward)
- 72. الگوریتمهای Q-Learning
- 73. Deep Q-Networks (DQN)
- 74. مقدمهای بر شبکههای عصبی (Neural Networks)
- 75. نورون مصنوعی
- 76. توابع فعالسازی (Activation Functions)
- 77. ساختار شبکههای عصبی (لایه ورودی، لایههای پنهان، لایه خروجی)
- 78. پسانتشار خطا (Backpropagation)
- 79. آموزش شبکههای عصبی
- 80. شبکههای عصبی عمیق (Deep Neural Networks - DNN)
- 81. شبکههای عصبی کانولوشنی (Convolutional Neural Networks - CNN)
- 82. کاربرد CNN در بینایی ماشین
- 83. شبکههای عصبی بازگشتی (Recurrent Neural Networks - RNN)
- 84. کاربرد RNN در پردازش زبان طبیعی (NLP)
- 85. شبکههای حافظه طولانی کوتاهمدت (LSTM)
- 86. واحد بازگشتی دروازهای (GRU)
- 87. مقدمهای بر پردازش زبان طبیعی (NLP)
- 88. تحلیل احساسات (Sentiment Analysis)
- 89. مدلسازی موضوعی (Topic Modeling)
- 90. مدلهای زبانی (Language Models)
- 91. استفاده از OOP در پیادهسازی مدلهای ML
- 92. طراحی کلاس برای مدلهای رگرسیون
- 93. طراحی کلاس برای مدلهای دستهبندی
- 94. استفاده از وراثت برای مدلهای مشابه
- 95. کپسولهسازی پارامترهای مدل
- 96. پیادهسازی الگوهای طراحی در ML
- 97. الگوی Factory برای ایجاد مدلها
- 98. الگوی Strategy برای الگوریتمهای بهینهسازی
- 99. الگوی Observer برای مانیتورینگ آموزش
- 100. استفاده از OOP در هوش مصنوعی
محتویات بسته آموزشی
🌐 سامانه آنلاین فلشکارت؛ مرور هدفمند و هوشمند
اکانت ارائهشده، دسترسی به نسخه تحت وب سامانه فلشکارت ویژه این دوره را فراهم میکند. این سامانه از الگوریتم زمانبندی مرور SM-2 استفاده میکند و بر اساس ارزیابی شما از میزان یادآوری هر کارت، زمان مرورهای بعدی را تنظیم میکند.
به این ترتیب، کارتهای دشوارتر میتوانند زودتر مرور شوند و برای تثبیت مطالب در حافظه، برنامه مرور متناسبتری داشته باشید.
مدتزمان معادل آموزشی بر اساس برآورد این دوره در گواهی درج میشود.
گواهی دوزبانه با استعلام آنلاین
پس از تکمیل فعالیتهای لازم و تأیید درخواست، گواهی پایان دوره به زبان فارسی و انگلیسی صادر میشود. گواهی دارای لینک اختصاصی و QR Code برای بررسی و استعلام آنلاین است.
این گواهی صرفاً بهعنوان گواهی اتمام دوره آموزشی صادر میشود و معادل مدرک دانشگاهی، آکادمیک یا مدرک رسمی مورد تأیید نهادهای دولتی نیست. صدور آن منوط به تکمیل شرایط دوره و تأیید نهایی درخواست است.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.