دوره برنامه‌نویسی تابعی و یادگیری ماشین همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره برنامه‌نویسی تابعی و یادگیری ماشین

موضوع کلی: برنامه‌نویسی تابعی

موضوع میانی: History of AI in Functional Programming Development Sector

📋 سرفصل‌های دوره

• 1. مفاهیم پایه‌ای برنامه‌نویسی تابعی
• 2. توابع درجه یک و توابع مرتبه بالا
• 3. لامبدا و توابع ناشناس
• 4. توابع خالص و عوارض جانبی
• 5. تکنیک‌های بازگشتی
• 6. ساختارهای داده‌ای تابعی
• 7. لیست‌ها و عملیات روی آن‌ها
• 8. درخت‌ها و گراف‌ها در برنامه‌نویسی تابعی
• 9. توابع مولد
• 10. تکنیک‌های بهینه‌سازی کد تابعی
• 11. مقدمه‌ای بر یادگیری ماشین
• 12. انواع یادگیری ماشین
• 13. یادگیری نظارت شده
• 14. رگرسیون خطی و چندگانه
• 15. دسته‌بندی با استفاده از الگوریتم‌های مختلف
• 16. یادگیری بدون نظارت
• 17. خوشه‌بندی K-means
• 18. کاهش ابعاد با PCA
• 19. ارزیابی مدل‌های یادگیری ماشین
• 20. اعتبارسنجی متقابل
• 21. متریک‌های ارزیابی رگرسیون
• 22. متریک‌های ارزیابی دسته‌بندی
• 23. پیش‌پردازش داده‌ها
• 24. پاکسازی و تبدیل داده‌ها
• 25. مهندسی ویژگی
• 26. انتخاب ویژگی
• 27. مقدمه‌ای بر شبکه‌های عصبی
• 28. پرceptron
• 29. شبکه‌های عصبی چندلایه
• 30. الگوریتم backpropagation
• 31. بهینه‌سازها در شبکه‌های عصبی
• 32. شبکه‌های عصبی کانولوشنال (CNN)
• 33. تشخیص تصویر با CNN
• 34. شبکه‌های عصبی بازگشتی (RNN)
• 35. پردازش زبان طبیعی با RNN
• 36. یادگیری تقویتی
• 37. مقدمه‌ای بر Q-learning
• 38. سیاست‌گرادیان
• 39. کاربرد یادگیری ماشین در داده‌های سری زمانی
• 40. پیش‌بینی سری زمانی با ARIMA
• 41. یادگیری عمیق با TensorFlow
• 42. یادگیری عمیق با PyTorch
• 43. استقرار مدل‌های یادگیری ماشین
• 44. مبانی داده‌کاوی
• 45. تحلیل داده‌های بزرگ