دوره مبانی یادگیری ماشین و هوش مصنوعی در عمل همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین و هوش مصنوعی در عمل

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مفاهیم پایه یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. پیش‌پردازش داده‌ها برای یادگیری ماشین
• 5. پاکسازی و نرمال‌سازی داده‌ها
• 6. مهندسی ویژگی و انتخاب ویژگی
• 7. معرفی الگوریتم‌های یادگیری ماشین
• 8. رگرسیون خطی
• 9. رگرسیون لجستیک
• 10. درختان تصمیم
• 11. جنگل‌های تصادفی
• 12. ماشین‌های بردار پشتیبان (SVM)
• 13. خوشه‌بندی K-Means
• 14. تحلیل مؤلفه‌های اصلی (PCA)
• 15. یادگیری عمیق و شبکه‌های عصبی
• 16. معماری شبکه‌های عصبی
• 17. شبکه‌های عصبی کانولوشنال (CNN)
• 18. شبکه‌های عصبی بازگشتی (RNN)
• 19. شبکه‌های مولد تخاصمی (GAN)
• 20. پردازش زبان طبیعی (NLP)
• 21. مدل‌های زبانی
• 22. تحلیل احساسات
• 23. خلاصه‌سازی متن
• 24. ترجمه ماشینی
• 25. بینایی ماشین
• 26. تشخیص اشیاء
• 27. تقطیر تصویر
• 28. تولید تصویر
• 29. یادگیری تقویتی پیشرفته
• 30. یادگیری عمیق تقویتی
• 31. کاربردها در رباتیک
• 32. کاربردها در بازی‌ها
• 33. کاربردها در سیستم‌های توصیه‌گر
• 34. معماری سیستم‌های توصیه‌گر
• 35. فیلترینگ مشارکتی
• 36. فیلترینگ مبتنی بر محتوا
• 37. یادگیری ترکیبی
• 38. اخلاق در هوش مصنوعی
• 39. سوگیری در داده‌ها و الگوریتم‌ها
• 40. شفافیت و قابلیت تفسیر مدل‌ها
• 41. حریم خصوصی داده‌ها
• 42. امنیت مدل‌های یادگیری ماشین
• 43. حملات adversarial
• 44. روش‌های دفاع در برابر حملات
• 45. کاربرد هوش مصنوعی در سلامت
• 46. تشخیص بیماری‌ها
• 47. کشف دارو
• 48. تحلیل تصاویر پزشکی
• 49. کاربرد هوش مصنوعی در مالی
• 50. پیش‌بینی بازار سهام
• 51. تشخیص تقلب
• 52. مدیریت ریسک
• 53. کاربرد هوش مصنوعی در صنعت
• 54. بهینه‌سازی تولید
• 55. نگهداری پیش‌بینانه
• 56. کنترل کیفیت
• 57. هوش مصنوعی و تعامل انسان و کامپیوتر
• 58. رابط‌های کاربری هوشمند
• 59. سیستم‌های گفتگو
• 60. دستیارهای مجازی
• 61. یادگیری ماشین برای تحلیل داده‌های بزرگ
• 62. ابزارها و فریم‌ورک‌ها
• 63. مقیاس‌پذیری الگوریتم‌ها
• 64. مدیریت داده‌های توزیع شده
• 65. ارزیابی مدل‌های یادگیری ماشین
• 66. معیارهای ارزیابی
• 67. اعتبارسنجی متقابل
• 68. تنظیم ابرپارامترها
• 69. مدل‌های یادگیری عمیق پیشرفته
• 70. ترنسفورمرها
• 71. مدل‌های زبانی بزرگ
• 72. تولید محتوا با هوش مصنوعی
• 73. کاربرد هوش مصنوعی در آموزش
• 74. شخصی‌سازی یادگیری
• 75. سیستم‌های کمک آموزشی
• 76. تحلیل عملکرد دانش‌آموزان
• 77. هوش مصنوعی و حکمرانی
• 78. تصمیم‌گیری مبتنی بر داده
• 79. شهر هوشمند
• 80. پلتفرم‌های هوش مصنوعی متن‌باز
• 81. TensorFlow
• 82. PyTorch
• 83. Scikit-learn
• 84. مباحث پیشرفته در یادگیری ماشین
• 85. یادگیری انتقالی
• 86. یادگیری چندوظیفه‌ای
• 87. یادگیری فدرال
• 88. نظریه اطلاعات و یادگیری ماشین
• 89. اطلاعات متقابل
• 90. آنتروپی
• 91. کاربرد هوش مصنوعی در علوم محیطی
• 92. پیش‌بینی آب و هوا
• 93. مدیریت منابع طبیعی
• 94. پایش آلودگی
• 95. هوش مصنوعی و حقوق
• 96. تحلیل قراردادها
• 97. پیش‌بینی نتایج حقوقی
• 98. سیستم‌های پشتیبان حقوقی
• 99. کاربرد هوش مصنوعی در هنرهای خلاق
• 100. تولید موسیقی