دوره مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی

موضوع کلی: برنامه نویسی

موضوع میانی: محاسبات سطح بالا (High-Performance Computing)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر محاسبات در پردازش و تحلیل داده‌های هوش مصنوعی
• 2. مفاهیم پایه‌ای ریاضیات مورد نیاز در هوش مصنوعی
• 3. آمار و احتمال در داده‌کاوی
• 4. مقدمه‌ای بر جبر خطی و کاربرد آن در هوش مصنوعی
• 5. ماتریس‌ها و عملیات ماتریسی
• 6. بردارها و فضاهای برداری
• 7. مقادیر ویژه و بردارهای ویژه
• 8. تجزیه ماتریس
• 9. مقدمه‌ای بر حساب دیفرانسیل و انتگرال
• 10. مشتق و کاربردهای آن در بهینه‌سازی
• 11. انتگرال و کاربردهای آن در احتمال
• 12. بهینه‌سازی توابع چند متغیره
• 13. روش‌های گرادیان کاهشی
• 14. روش‌های نیوتن و شبه نیوتن
• 15. مقدمه‌ای بر برنامه‌نویسی پایتون برای هوش مصنوعی
• 16. ساختارهای داده در پایتون
• 17. کتابخانه‌های پایتون برای محاسبات علمی (NumPy, SciPy)
• 18. کتابخانه‌های پایتون برای تحلیل داده (Pandas)
• 19. تصویرسازی داده‌ها با Matplotlib و Seaborn
• 20. پیش‌پردازش داده‌ها: پاکسازی و تبدیل
• 21. مهندسی ویژگی: ایجاد ویژگی‌های جدید
• 22. انتخاب ویژگی: انتخاب مهم‌ترین ویژگی‌ها
• 23. مقدمه‌ای بر یادگیری ماشین
• 24. یادگیری نظارت شده
• 25. رگرسیون خطی و چندگانه
• 26. رگرسیون لجستیک
• 27. درخت‌های تصمیم‌گیری
• 28. جنگل تصادفی
• 29. ماشین‌های بردار پشتیبان (SVM)
• 30. یادگیری بدون نظارت
• 31. خوشه‌بندی K-Means
• 32. خوشه‌بندی سلسله مراتبی
• 33. تحلیل مولفه‌های اصلی (PCA)
• 34. کاهش ابعاد
• 35. ارزیابی مدل‌های یادگیری ماشین
• 36. اعتبارسنجی متقابل
• 37. معیارهای ارزیابی رگرسیون
• 38. معیارهای ارزیابی طبقه‌بندی
• 39. بیش‌برازش و کم‌برازش
• 40. تنظیم پارامترهای مدل
• 41. مقدمه‌ای بر شبکه‌های عصبی
• 42. پرceptron
• 43. شبکه‌های عصبی چند لایه
• 44. تابع فعال‌سازی
• 45. انتشار پس‌رو (Backpropagation)
• 46. بهینه‌سازها (Optimizers)
• 47. شبکه‌های عصبی کانولوشنال (CNN)
• 48. پردازش تصویر با CNN
• 49. شبکه‌های عصبی بازگشتی (RNN)
• 50. پردازش زبان طبیعی با RNN
• 51. یادگیری عمیق
• 52. Autoencoders
• 53. Generative Adversarial Networks (GANs)
• 54. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 55. توکنایز کردن متن
• 56. برچسب‌زنی اجزای گفتار (POS Tagging)
• 57. مدل‌های زبانی
• 58. تحلیل احساسات
• 59. خلاصه‌سازی متن
• 60. مقدمه‌ای بر بینایی کامپیوتر
• 61. تشخیص اشیا
• 62. تقسیم‌بندی تصویر
• 63. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 64. فیلتر محتوایی
• 65. فیلتر مشارکتی
• 66. روش‌های ترکیبی
• 67. اخلاق در هوش مصنوعی
• 68. حریم خصوصی داده‌ها
• 69. سوگیری در هوش مصنوعی
• 70. تفسیرپذیری مدل‌های هوش مصنوعی
• 71. مقدمه‌ای بر Big Data و Hadoop
• 72. مقدمه‌ای بر Spark
• 73. ماشین‌یابی و یادگیری تقویتی