دوره مسلط شو به یادگیری ماشین: از صفر تا قهرمانی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مسلط شو به یادگیری ماشین: از صفر تا قهرمانی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته و کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین: مفاهیم کلیدی و انواع الگوریتم‌ها
• 2. یادگیری نظارت‌شده: رگرسیون خطی و چندگانه
• 3. ارزیابی مدل‌های رگرسیونی: معیارهای عملکرد و خطا
• 4. یادگیری نظارت‌شده: طبقه‌بندی باینری و چندکلاسه
• 5. درخت‌های تصمیم‌گیری: اصول، ساختار و کاربردها
• 6. جنگل تصادفی: بهبود دقت و کاهش بیش‌برازش
• 7. ماشین‌های بردار پشتیبان (SVM): مفاهیم و کاربردها
• 8. بهینه‌سازی مدل‌های SVM: هسته‌ها و پارامترها
• 9. یادگیری غیرنظارت‌شده: خوشه‌بندی K-Means
• 10. ارزیابی خوشه‌بندی: معیارهای Silhouette و Davies-Bouldin
• 11. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 12. یادگیری تقویتی: مفاهیم پایه و الگوریتم‌های اصلی
• 13. شبکه‌های عصبی: نورون مصنوعی و پرسپترون چندلایه
• 14. تابع فعال‌سازی: انواع و کاربردها
• 15. پس‌انتشار خطا: الگوریتم آموزش شبکه‌های عصبی
• 16. بهینه‌سازها: گرادیان کاهشی، Adam و RMSprop
• 17. شبکه‌های عصبی کانولوشنال (CNN): مقدمه و کاربردها در پردازش تصویر
• 18. لایه های کانولوشن، Pooling و Fully Connected
• 19. شبکه‌های عصبی بازگشتی (RNN): مقدمه و کاربردها در پردازش زبان طبیعی
• 20. حافظه کوتاه مدت طولانی (LSTM) و گیت‌های تکرارشونده (GRU)
• 21. پردازش زبان طبیعی (NLP): توکنایز کردن، ریشه‌یابی و حذف کلمات توقف
• 22. مدل‌های زبانی: N-gram و Word Embedding
• 23. یادگیری عمیق با TensorFlow و Keras: مفاهیم پایه
• 24. ساخت و آموزش مدل‌های یادگیری ماشین با TensorFlow
• 25. ساخت و آموزش مدل‌های یادگیری ماشین با Keras
• 26. تنظیم هایپرپارامترها: Grid Search و Random Search
• 27. اعتبارسنجی متقابل (Cross-Validation): روش‌ها و کاربردها
• 28. جلوگیری از بیش‌برازش (Overfitting): روش‌های Regularization
• 29. نرمال‌سازی داده‌ها: Scaling و Standardization
• 30. انتخاب ویژگی (Feature Selection): روش‌ها و اهمیت
• 31. مهندسی ویژگی (Feature Engineering): ایجاد ویژگی‌های جدید
• 32. مدل‌های Ensemble: Boosting و Bagging
• 33. مقدمه‌ای بر Autoencoders و کاربردهای آن
• 34. تشخیص ناهنجاری: Isolation Forest و One-Class SVM
• 35. کاربرد یادگیری ماشین در تشخیص تقلب
• 36. کاربرد یادگیری ماشین در پیش‌بینی قیمت
• 37. کاربرد یادگیری ماشین در توصیه‌گرها
• 38. کاربرد یادگیری ماشین در پردازش تصویر پزشکی
• 39. کاربرد یادگیری ماشین در تحلیل احساسات
• 40. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 41. یادگیری خودنظارتی (Self-Supervised Learning)
• 42. یادگیری فعال (Active Learning)
• 43. یادگیری ماشین توضیحی (Explainable AI - XAI)
• 44. یادگیری ماشین با داده‌های نامتعادل (Imbalanced Data)
• 45. یادگیری ماشین فدرال (Federated Learning)
• 46. استقرار مدل‌های یادگیری ماشین (Model Deployment)