دوره آموزش جامع الگوریتم‌های طبقه‌بندی در یادگیری ماشین: از مبانی تا کاربردهای عملی در تحلیل داده‌ها همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع الگوریتم‌های طبقه‌بندی در یادگیری ماشین: از مبانی تا کاربردهای عملی در تحلیل داده‌ها

موضوع کلی: علوم داده و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل داده‌های آماری

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین و نقش الگوریتم‌های طبقه‌بندی در علوم داده
• 2. مروری بر مفاهیم آماری و احتمالات پایه در تحلیل داده‌ها
• 3. پیش‌پردازش داده‌ها و آماده‌سازی مجموعه‌های آموزشی
• 4. پاک‌سازی داده‌های ناقص و مدیریت مقادیر پرت
• 5. روش‌های نرمال‌سازی و استانداردسازی ویژگی‌ها در داده‌های عددی
• 6. کدگذاری متغیرهای طبقه‌ای و مهندسی ویژگی‌ها
• 7. آشنایی با الگوریتم نزدیک‌ترین همسایگی در طبقه‌بندی
• 8. پیاده‌سازی و ارزیابی الگوریتم KNN با استفاده از معیارهای فاصله
• 9. مبانی ریاضی و منطق رگرسیون لجستیک در مسائل دوکلاسه
• 10. بهینه‌سازی ضرایب در رگرسیون لجستیک با استفاده از گرادیان کاهشی
• 11. توسعه رگرسیون لجستیک برای مسائل چندکلاسه
• 12. ساختار درخت‌های تصمیم و معیارهای انشعاب
• 13. پیاده‌سازی درخت‌های تصمیم با استفاده از شاخص جینی و آنتروپی
• 14. روش‌های هرس کردن درخت برای جلوگیری از بیش‌برازش
• 15. مبانی نظری الگوریتم بیز ساده و کاربرد آن در تحلیل متن
• 16. پیاده‌سازی مدل‌های بیز ساده با توزیع‌های گوسی و برنولی
• 17. مفاهیم پایه ماشین بردار پشتیبان و بیشینه‌سازی حاشیه
• 18. کاربرد توابع هسته در ماشین بردار پشتیبان برای جداسازی غیرخطی
• 19. تنظیم پارامترهای C و گاما در الگوریتم SVM
• 20. ارزیابی عملکرد مدل‌ها با استفاده از ماتریس درهم‌ریختگی
• 21. محاسبه معیارهای دقت، یادآوری و امتیاز اف
• 22. تحلیل منحنی‌های مشخصه عملکرد سیستم و مساحت زیر نمودار
• 23. اعتبارسنجی متقاطع برای ارزیابی دقیق مدل
• 24. تکنیک‌های مقابله با بیش‌برازش و کم‌برازش در یادگیری ماشین
• 25. آشنایی با مفاهیم یادگیری جمعی و جنگل‌های تصادفی
• 26. پیاده‌سازی جنگل‌های تصادفی و تحلیل اهمیت ویژگی‌ها
• 27. مبانی الگوریتم‌های تقویت گرادیان در مسائل طبقه‌بندی
• 28. تطبیق مدل‌های طبقه‌بندی با نیازمندی‌های پروژه‌های تحلیل داده
• 29. بررسی اخلاق در هوش مصنوعی و رعایت حریم خصوصی داده‌ها
• 30. کاربرد عملی الگوریتم‌های طبقه‌بندی در تحلیل داده‌های مالی و اقتصادی ایران
• 31. پروژه نهایی: طراحی و پیاده‌سازی یک سامانه طبقه‌بندی داده‌های واقعی