دوره سوگیری‌های ناخودآگاه در داده‌ها و هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره سوگیری‌های ناخودآگاه در داده‌ها و هوش مصنوعی

موضوع کلی: فناوری اطلاعات و علوم داده

موضوع میانی: AI Ethical Considerations

📋 سرفصل‌های دوره

• 1. شناخت سوگیری‌های شناختی در تصمیم‌گیری
• 2. مقدمه‌ای بر داده‌کاوی و تحلیل داده
• 3. انواع داده و مقیاس‌های اندازه‌گیری
• 4. آمار توصیفی و خلاصه‌سازی داده‌ها
• 5. احتمالات و توزیع‌های احتمالاتی
• 6. آزمون فرضیه‌ها و معناداری آماری
• 7. مقدمه‌ای بر یادگیری ماشین
• 8. یادگیری نظارت‌شده: رگرسیون خطی
• 9. یادگیری نظارت‌شده: رگرسیون لجستیک
• 10. یادگیری نظارت‌شده: درخت‌های تصمیم
• 11. یادگیری نظارت‌شده: ماشین‌های بردار پشتیبان
• 12. ارزیابی مدل‌های یادگیری ماشین
• 13. انتخاب ویژگی و کاهش ابعاد
• 14. یادگیری بدون نظارت: خوشه‌بندی
• 15. یادگیری بدون نظارت: کاهش ابعاد
• 16. پیش‌پردازش داده‌ها و پاکسازی
• 17. مدیریت داده‌های گمشده
• 18. شناسایی و حذف داده‌های پرت
• 19. مقدمه‌ای بر شبکه‌های عصبی
• 20. شبکه‌های عصبی عمیق و معماری آن‌ها
• 21. بهینه‌سازی الگوریتم‌های یادگیری ماشین
• 22. تنظیم بیش‌ازحد و تنظیم کم‌ازحد
• 23. اعتبارسنجی متقابل و ارزیابی مدل
• 24. سوگیری در جمع‌آوری داده‌ها
• 25. سوگیری در برچسب‌زنی داده‌ها
• 26. سوگیری در انتخاب ویژگی‌ها
• 27. سوگیری در الگوریتم‌های یادگیری ماشین
• 28. تأثیر سوگیری بر نتایج مدل
• 29. روش‌های کاهش سوگیری در داده‌ها
• 30. روش‌های کاهش سوگیری در الگوریتم‌ها
• 31. ارزیابی سوگیری در مدل‌های یادگیری ماشین
• 32. سوگیری جنسیتی در هوش مصنوعی
• 33. سوگیری نژادی در هوش مصنوعی
• 34. سوگیری در تشخیص چهره
• 35. سوگیری در پردازش زبان طبیعی
• 36. سوگیری در سیستم‌های توصیه‌گر
• 37. اخلاق در هوش مصنوعی و سوگیری
• 38. شفافیت و قابلیت توضیح‌پذیری مدل‌ها
• 39. قانون‌گذاری و نظارت بر هوش مصنوعی
• 40. مطالعه موردی: سوگیری در سیستم‌های اعتبارسنجی
• 41. مطالعه موردی: سوگیری در استخدام
• 42. مطالعه موردی: سوگیری در سیستم‌های قضایی
• 43. ابزارهای تشخیص و کاهش سوگیری
• 44. چالش‌های پیاده‌سازی هوش مصنوعی منصفانه
• 45. آینده سوگیری در هوش مصنوعی