دوره جامع درک و کاربرد هوش مصنوعی؛ از مفاهیم پایه تا یادگیری عمیق در صنعت و پژوهش همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع درک و کاربرد هوش مصنوعی؛ از مفاهیم پایه تا یادگیری عمیق در صنعت و پژوهش

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی و تاریخچه هوش مصنوعی در عصر دیجیتال
• 2. تعریف و دسته‌بندی سیستم‌های هوشمند
• 3. آشنایی با مفاهیم پایه در هوش مصنوعی و یادگیری ماشین
• 4. نقش داده‌ها در آموزش مدل‌های هوشمند
• 5. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌های آموزشی
• 6. مبانی ریاضیات و آمار کاربردی برای هوش مصنوعی
• 7. معرفی کتابخانه‌های استاندارد پایتون برای علوم داده
• 8. الگوریتم‌های یادگیری نظارت‌شده و کاربرد آن‌ها
• 9. رگرسیون خطی و کاربرد آن در پیش‌بینی‌های عددی
• 10. طبقه‌بندی داده‌ها با استفاده از الگوریتم‌های درخت تصمیم
• 11. آشنایی با ماشین بردار پشتیبان و تئوری کرنل
• 12. الگوریتم‌های یادگیری بدون نظارت و خوشه‌بندی
• 13. کاهش ابعاد داده‌ها با روش مؤلفه‌های اصلی
• 14. یادگیری مبتنی بر تقویت و نقش آن در اتوماسیون
• 15. معرفی شبکه‌های عصبی مصنوعی و مدل نورون زیستی
• 16. معماری پرسپترون چندلایه و الگوریتم پس‌انتشار خطا
• 17. توابع فعال‌سازی و نقش آن‌ها در آموزش شبکه‌های عمیق
• 18. بهینه‌سازی و توابع هزینه در شبکه‌های عصبی
• 19. آشنایی با یادگیری عمیق و تفاوت آن با یادگیری کلاسیک
• 20. معرفی شبکه‌های عصبی کانولوشنی برای پردازش تصویر
• 21. لایه‌های کانولوشن و استخراج ویژگی‌های تصویری
• 22. معماری‌های استاندارد در شبکه‌های عصبی عمیق
• 23. شبکه‌های عصبی بازگشتی و پردازش توالی‌های زمانی
• 24. مفاهیم حافظه بلندمدت و کوتاه‌مدت در شبکه‌های عصبی
• 25. آشنایی با مدل‌های ترنسفورمر و مکانیسم توجه
• 26. پردازش زبان طبیعی و تحلیل متون فارسی
• 27. تکنیک‌های متن‌کاوی و استخراج مفاهیم از داده‌های متنی
• 28. سیستم‌های توصیه‌گر و کاربرد آن‌ها در خدمات دیجیتال
• 29. مبانی بینایی ماشین و تشخیص اشیاء در تصاویر
• 30. بخش‌بندی تصاویر و کاربردهای آن در صنعت
• 31. آشنایی با مدل‌های مولد و شبکه‌های رقابتی
• 32. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در توسعه نرم‌افزار
• 33. حریم خصوصی و امنیت داده‌ها در سامانه‌های هوشمند
• 34. ابزارهای مدیریت مدل و استقرار در محیط عملیاتی
• 35. نقش رایانش ابری در پردازش‌های سنگین یادگیری ماشین
• 36. آشنایی با چارچوب‌های متن‌باز یادگیری عمیق
• 37. بهینه‌سازی مدل‌های هوش مصنوعی برای دستگاه‌های کم‌توان
• 38. کاربرد هوش مصنوعی در پایش سلامت و تشخیص پزشکی
• 39. هوش مصنوعی در مدیریت هوشمند منابع و انرژی
• 40. کاربرد یادگیری ماشین در تحلیل‌های مالی و اقتصادی
• 41. روش‌های ارزیابی و اعتبارسنجی مدل‌های هوشمند
• 42. مدیریت چرخه حیات مدل‌های یادگیری ماشین
• 43. آینده هوش مصنوعی و چشم‌انداز پژوهشی در ایران
• 44. پروژه‌های عملی و پیاده‌سازی یک مدل یادگیری عمیق