دوره ساخت مدل‌های نظارت شده از ابتدا تا انتها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت مدل‌های نظارت شده از ابتدا تا انتها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری نظارت شده (Supervised Learning)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین و نظارت شده
• 2. مفاهیم پایه و اصطلاحات کلیدی
• 3. انواع داده‌ها در یادگیری ماشین
• 4. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
• 5. مهندسی ویژگی: انتخاب و استخراج ویژگی
• 6. مدل‌های رگرسیون خطی
• 7. ارزیابی مدل‌های رگرسیون
• 8. مدل‌های رگرسیون چندجمله‌ای
• 9. رگرسیون لجستیک برای مسائل طبقه‌بندی
• 10. مقدمه‌ای بر طبقه‌بندی
• 11. معیارهای ارزیابی طبقه‌بندی: دقت، صحت، بازیابی
• 12. ماتریس درهم‌ریختگی (Confusion Matrix)
• 13. منحنی ROC و سطح زیر منحنی (AUC)
• 14. مدل‌های دسته‌بندی‌کننده بیز ساده (Naive Bayes)
• 15. ماشین‌های بردار پشتیبان (SVM)
• 16. هسته‌های (Kernels) در SVM
• 17. درختان تصمیم
• 18. قوانین انجمنی و درختان تصمیم
• 19. مدل‌های دسته‌بندی‌کننده کی-نزدیک‌ترین همسایه (KNN)
• 20. تکنیک‌های کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 21. کاهش ابعاد با تحلیل تفکیک‌کننده خطی (LDA)
• 22. مدل‌های یادگیری جمعی (Ensemble Learning)
• 23. تقویت (Boosting): الگوریتم AdaBoost
• 24. تقویت (Boosting): الگوریتم Gradient Boosting
• 25. مدل‌های Bagging: جنگل‌های تصادفی (Random Forests)
• 26. شبکه‌های عصبی مصنوعی: مفاهیم پایه
• 27. نورون مصنوعی و تابع فعال‌سازی
• 28. معماری شبکه‌های عصبی پیشخور
• 29. آموزش شبکه‌های عصبی: انتشار رو به عقب (Backpropagation)
• 30. بهینه‌سازی در آموزش شبکه‌های عصبی: گرادیان کاهشی
• 31. انواع بهینه‌سازها: Adam, RMSprop
• 32. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 33. اعتبارسنجی متقابل (Cross-Validation)
• 34. مدیریت بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 35. روش‌های تنظیم (Regularization): L1 و L2
• 36. ایستادگی زودهنگام (Early Stopping)
• 37. کار با داده‌های نامتوازن
• 38. مقدمه‌ای بر مدل‌های سری زمانی
• 39. مدل‌های ARIMA برای سری‌های زمانی
• 40. پیش‌بینی سری‌های زمانی با مدل‌های نظارت شده
• 41. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 42. مدل‌سازی موضوعی (Topic Modeling)
• 43. بردارهای کلمه (Word Embeddings): Word2Vec
• 44. بردارهای کلمه: GloVe
• 45. مدل‌های زبانی آماری
• 46. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
• 47. شبکه‌های عصبی بازگشتی (RNN)
• 48. حافظه بلندمدت کوتاه (LSTM)
• 49. واحدهای بازگشتی دروازه‌ای (GRU)
• 50. ترجمه ماشینی آماری
• 51. ترجمه ماشینی عصبی
• 52. مدل‌های ترنسفورمر (Transformer)
• 53. مکانیزم توجه (Attention Mechanism)
• 54. مدل‌های پیش‌آموزش‌دیده در NLP: BERT
• 55. کاربرد BERT در وظایف NLP
• 56. مدل‌های پیش‌آموزش‌دیده در NLP: GPT
• 57. کاربرد GPT در وظایف NLP
• 58. مقدمه‌ای بر بینایی ماشین
• 59. پردازش اولیه تصاویر
• 60. استخراج ویژگی از تصاویر: SIFT, SURF
• 61. شبکه‌های عصبی کانولوشنی (CNN)
• 62. معماری شبکه‌های CNN: لایه‌های کانولوشن، پولینگ، کامل متصل
• 63. شبکه‌های CNN پیش‌آموزش‌دیده: VGG, ResNet
• 64. کاربرد CNN در تشخیص تصویر
• 65. کاربرد CNN در تشخیص اشیاء
• 66. کاربرد CNN در قطعه‌بندی تصاویر
• 67. مدل‌های تشخیص اشیاء: YOLO
• 68. مدل‌های تشخیص اشیاء: Faster R-CNN
• 69. مقدمه‌ای بر یادگیری تقویتی
• 70. مفاهیم پایه: عامل، محیط، حالت، عمل، پاداش
• 71. فرایند تصمیم‌گیری مارکوف (MDP)
• 72. الگوریتم‌های یادگیری تقویتی: Q-Learning
• 73. الگوریتم‌های یادگیری تقویتی: SARSA
• 74. یادگیری عمیق تقویتی (Deep Reinforcement Learning)
• 75. شبکه‌های عصبی Q-Learning عمیق (DQN)
• 76. الگوریتم‌های Actor-Critic
• 77. مقدمه‌ای بر مدل‌های تولیدی
• 78. مدل‌های گوسی (Gaussian Mixture Models)
• 79. مدل‌های مخفی مارکوف (HMM)
• 80. شبکه‌های مولد تخاصمی (GANs)
• 81. معماری GAN: مولد و متمایزکننده
• 82. کاربرد GANs در تولید تصویر
• 83. کاربرد GANs در تولید متن
• 84. کدگذارها و رمزگشاها (Autoencoders)
• 85. کدگذارهای متغیر (Variational Autoencoders - VAEs)
• 86. کاربرد VAEs در تولید داده
• 87. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 88. سوگیری در داده‌ها و مدل‌ها
• 89. عدالت و انصاف در هوش مصنوعی
• 90. شفافیت و قابلیت تفسیر مدل‌ها
• 91. حریم خصوصی در هوش مصنوعی
• 92. مسئولیت‌پذیری در هوش مصنوعی
• 93. ملاحظات فنی در پیاده‌سازی مدل‌ها
• 94. استقرار مدل‌ها در محیط عملیاتی
• 95. نظارت بر عملکرد مدل‌ها پس از استقرار
• 96. مدیریت چرخه عمر مدل‌ها
• 97. مقدمه‌ای بر ابزارها و کتابخانه‌های یادگیری ماشین
• 98. کتابخانه Scikit-learn
• 99. کتابخانه TensorFlow
• 100. کتابخانه PyTorch