دوره مهندسی گردش کار هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی گردش کار هوش مصنوعی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مدیریت و ارکستراسیون گردش کار هوش مصنوعی

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پایه گردش کار
• 2. مقدمه‌ای بر هوش مصنوعی و کاربردهای آن
• 3. چرخه حیات یک پروژه هوش مصنوعی
• 4. جمع‌آوری و آماده‌سازی داده‌ها
• 5. کیفیت داده و تاثیر آن بر مدل‌های هوش مصنوعی
• 6. روش‌های پیش‌پردازش داده‌ها
• 7. مهندسی ویژگی و انتخاب بهترین ویژگی‌ها
• 8. انتخاب الگوریتم مناسب برای مسئله مورد نظر
• 9. مقدمه‌ای بر یادگیری ماشین نظارت شده
• 10. رگرسیون خطی و کاربردهای آن
• 11. رگرسیون لجستیک و طبقه‌بندی
• 12. درخت‌های تصمیم و جنگل تصادفی
• 13. ماشین‌های بردار پشتیبان (SVM)
• 14. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 15. متریک‌های ارزیابی رگرسیون
• 16. متریک‌های ارزیابی طبقه‌بندی
• 17. اعتبارسنجی متقابل (Cross-Validation)
• 18. تنظیم هایپرپارامترها و بهینه‌سازی مدل
• 19. مقدمه‌ای بر یادگیری ماشین بدون نظارت
• 20. خوشه‌بندی K-Means
• 21. تحلیل مولفه‌های اصلی (PCA)
• 22. کاهش ابعاد و اهمیت آن
• 23. مقدمه‌ای بر شبکه‌های عصبی
• 24. شبکه‌های عصبی پیش‌خور
• 25. بهینه‌سازی گرادیان کاهشی
• 26. انتخاب تابع فعال‌سازی مناسب
• 27. تنظیم‌کننده‌ها و جلوگیری از بیش‌برازش
• 28. شبکه‌های عصبی کانولوشنال (CNN)
• 29. شبکه‌های عصبی بازگشتی (RNN)
• 30. پردازش زبان طبیعی (NLP)
• 31. مدل‌های زبانی بزرگ (LLM)
• 32. بردارسازی کلمات (Word Embeddings)
• 33. تحلیل احساسات و استخراج اطلاعات
• 34. بینایی کامپیوتر و تشخیص اشیا
• 35. تشخیص چهره و کاربردهای آن
• 36. مقدمه‌ای بر یادگیری تقویتی
• 37. الگوریتم Q-Learning
• 38. محیط‌های شبیه‌سازی و یادگیری تقویتی
• 39. اتوماسیون گردش کار با هوش مصنوعی
• 40. ابزارهای توسعه گردش کار هوش مصنوعی
• 41. استقرار مدل‌های هوش مصنوعی
• 42. مانیتورینگ و نگهداری مدل‌های هوش مصنوعی
• 43. بهبود مستمر مدل‌ها و بازآموزی
• 44. ملاحظات امنیتی در گردش کار هوش مصنوعی
• 45. استانداردهای اخلاقی در هوش مصنوعی