🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: زبان انگلیسی برای مهندسان در درک و کاربرد مفاهیم مربوط به یادگیری خودنظارتی (Self-Supervised Learning)

موضوع کلی: آموزش زبان‌های خارجی

موضوع میانی: زبان در حوزه مهندسی

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر زبان انگلیسی فنی برای مهندسان
• 2. اهمیت تسلط بر زبان انگلیسی در حوزه هوش مصنوعی
• 3. واژگان کلیدی: مهندسی نرم‌افزار در مقابل علم داده
• 4. گرامر ضروری: زمان حال ساده برای توصیف فرآیندها
• 5. گرامر ضروری: زمان گذشته برای گزارش نتایج آزمایش‌ها
• 6. ساختار جملات پیچیده در متون فنی
• 7. کاربرد صدای مجهول (Passive Voice) در نگارش علمی
• 8. مفاهیم پایه یادگیری ماشین: واژگان و تعاریف
• 9. تمایز زبانی بین یادگیری نظارت‌شده، بدون نظارت و تقویتی
• 10. واژگان مربوط به مجموعه داده‌ها: Training, Validation, and Test Sets
• 11. توصیف فرآیند پیش‌پردازش داده‌ها (Data Preprocessing)
• 12. واژگان مربوط به ویژگی‌ها (Features) و برچسب‌ها (Labels)
• 13. معرفی یادگیری خودنظارتی (Self-Supervised Learning - SSL)
• 14. فلسفه پشت SSL: یادگیری بدون برچسب‌های انسانی
• 15. مقایسه زبانی SSL با دیگر پارادایم‌های یادگیری
• 16. مفهوم وظیفه بهانه (Pretext Task)
• 17. مفهوم وظیفه پایین‌دستی (Downstream Task)
• 18. یادگیری بازنمایی (Representation Learning) به زبان ساده
• 19. نقش حیاتی افزایش داده (Data Augmentation) در SSL
• 20. واژگان تخصصی افزایش داده: Cropping, Resizing, Color Jittering
• 21. مقدمه‌ای بر یادگیری مقابله‌ای (Contrastive Learning)
• 22. شرح مفهوم نمونه‌های مثبت (Positive Samples) و منفی (Negative Samples)
• 23. توصیف توابع زیان مقابله‌ای (Contrastive Loss Functions)
• 24. معماری SimCLR: درک اصطلاحات کلیدی
• 25. واژگان تخصصی در مقاله SimCLR: Projection Head, Temperature
• 26. معماری MoCo: توضیح Momentum Contrast
• 27. اصطلاحات کلیدی در MoCo: Query, Key, Dictionary Queue
• 28. معماری BYOL: Bootstrap Your Own Latent
• 29. تفاوت‌های زبانی در توصیف BYOL در مقایسه با SimCLR
• 30. اصطلاحات کلیدی در BYOL: Online Network, Target Network
• 31. مقدمه‌ای بر روش‌های غیرمقابله‌ای (Non-Contrastive Methods)
• 32. معماری SimSiam: درک مفهوم Stop-Gradient
• 33. واژگان تخصصی در معماری DINO
• 34. یادگیری خودنظارتی در پردازش زبان طبیعی (NLP)
• 35. مدل‌های زبان نقاب‌دار (Masked Language Models - MLM)
• 36. معماری BERT و واژگان اصلی آن
• 37. معماری GPT و مفهوم Next-Token Prediction
• 38. یادگیری خودنظارتی در بینایی ماشین (Computer Vision)
• 39. مدل‌های خودرمزگذار (Autoencoders) و واژگان مرتبط
• 40. خودرمزگذارهای متغیر (Variational Autoencoders - VAEs)
• 41. خودرمزگذارهای حذف نویز (Denoising Autoencoders)
• 42. مدل‌های مولد تخاصمی (Generative Adversarial Networks - GANs)
• 43. واژگان تخصصی در مدل‌های مبتنی بر Transformer
• 44. مفهوم Attention و Self-Attention در متون فنی
• 45. شرح معماری Vision Transformer (ViT)
• 46. واژگان مربوط به پیاده‌سازی مدل‌ها
• 47. اصطلاحات رایج در فریم‌ورک PyTorch برای SSL
• 48. اصطلاحات رایج در فریم‌ورک TensorFlow برای SSL
• 49. توصیف محیط محاسباتی: GPU, TPU, CUDA
• 50. واژگان مربوط به تنظیم فراپارامترها (Hyperparameter Tuning)
• 51. شرح فرآیند آموزش مدل (Model Training)
• 52. واژگان مربوط به بهینه‌سازها (Optimizers): Adam, SGD
• 53. توصیف نرخ یادگیری (Learning Rate) و زمان‌بندی آن
• 54. مفهوم دسته (Batch) و دوره (Epoch)
• 55. جلوگیری از بیش‌برازش (Overfitting): واژگان و تکنیک‌ها
• 56. معیارهای ارزیابی (Evaluation Metrics) برای وظایف پایین‌دستی
• 57. واژگان مربوط به طبقه‌بندی (Classification): Accuracy, Precision, Recall
• 58. واژگان مربوط به تشخیص اشیا (Object Detection): mAP
• 59. واژگان مربوط به بخش‌بندی معنایی (Semantic Segmentation): IoU
• 60. نحوه خواندن و درک مقالات پژوهشی SSL
• 61. ساختار یک مقاله علمی: Abstract, Introduction, Method
• 62. تحلیل بخش چکیده (Abstract) یک مقاله SSL
• 63. درک بخش مقدمه (Introduction) و بیان مسئله
• 64. فهم بخش کارهای مرتبط (Related Work)
• 65. تشریح بخش روش‌شناسی (Methodology)
• 66. اصطلاحات رایج برای توصیف معماری مدل
• 67. نحوه تفسیر جداول نتایج در مقالات
• 68. نحوه خواندن و تحلیل نمودارها و گراف‌ها
• 69. درک بخش مطالعه تحلیلی (Ablation Study)
• 70. تحلیل بخش نتیجه‌گیری (Conclusion) و کارهای آینده
• 71. نحوه نگارش گزارش‌های فنی در مورد پروژه‌های SSL
• 72. نوشتن یک چکیده مؤثر برای یک پروژه SSL
• 73. تدوین بخش مقدمه و تعریف مسئله
• 74. نوشتن بخش روش‌شناسی برای مدل خود
• 75. توصیف دقیق مجموعه داده و فرآیند پیش‌پردازش
• 76. گزارش‌نویسی نتایج آزمایش‌ها
• 77. نحوه ارائه نتایج در قالب جداول و نمودارها
• 78. نوشتن یک نتیجه‌گیری قوی و قانع‌کننده
• 79. واژگان برای ارائه شفاهی پروژه‌های SSL
• 80. اصطلاحات کلیدی برای شروع یک ارائه فنی
• 81. نحوه توصیف معماری مدل در یک ارائه
• 82. عبارات کاربردی برای نمایش نتایج و تحلیل آن‌ها
• 83. پاسخ به سؤالات فنی: واژگان و استراتژی‌ها
• 84. مباحث پیشرفته: یادگیری خودنظارتی چندوجهی (Multimodal SSL)
• 85. واژگان تخصصی در مدل CLIP
• 86. مباحث پیشرفته: مقیاس‌پذیری (Scalability) در SSL
• 87. اصطلاحات مربوط به چالش‌های SSL
• 88. مفهوم فروریزش مدل (Model Collapse) و نحوه توصیف آن
• 89. واژگان مربوط به ملاحظات اخلاقی در SSL
• 90. توصیف سوگیری (Bias) در مدل‌های خودنظارتی
• 91. زبان انگلیسی برای مستندسازی کد (Code Documentation)
• 92. نحوه نوشتن کامنت‌های واضح و فنی در کد
• 93. مطالعه موردی: تحلیل زبان مقاله اصلی AlexNet
• 94. مطالعه موردی: تحلیل زبان مقاله Attention Is All You Need
• 95. مقایسه زبانی رویکردهای مختلف SSL
• 96. اصطلاحات رایج در وبلاگ‌های فنی و آموزش‌های آنلاین
• 97. مرور نهایی واژگان کلیدی دوره
• 98. جمع‌بندی گرامر و ساختارهای مهم در نگارش فنی
• 99. پروژه نهایی: نوشتن خلاصه یک مقاله جدید در حوزه SSL
• 100. مرور کلی و چشم‌انداز آینده یادگیری خودنظارتی