کتاب راهنمای مسافران کهکشان هوش مصنوعی: سفری به دنیای مبانی و کاربردهای AI با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره راهنمای مسافران کهکشان هوش مصنوعی: سفری به دنیای مبانی و کاربردهای AI

موضوع کلی: هوش مصنوعی

موضوع میانی: مقدمات و مفاهیم کلیدی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. راهنمای مسافران کهکشان هوش مصنوعی: سفری به دنیای مبانی و کاربردهای AI
• 2. آغاز سفر: خوش آمدید به کهکشان AI!
• 3. معرفی کتاب راهنمای مسافران و اهمیت آن در دنیای AI
• 4. جهان‌های موازی: تاریخچه و تکامل هوش مصنوعی
• 5. اولین ایستگاه: تعریف هوش مصنوعی و انواع آن
• 6. آشنایی با مفاهیم اساسی: داده، اطلاعات، دانش
• 7. نقشه راه: زیرشاخه‌های اصلی هوش مصنوعی
• 8. ایستگاه تفکر: هوش مصنوعی قوی (AGI) و هوش مصنوعی ضعیف (ANI)
• 9. معمای تورینگ: آزمایش سنجش هوش مصنوعی
• 10. رمزگشایی از ذهن: فلسفه و هوش مصنوعی
• 11. جهان‌بینی AI: اخلاق و مسئولیت‌پذیری در هوش مصنوعی
• 12. مبانی ریاضی: جبر خطی برای هوش مصنوعی
• 13. محاسبات: مفاهیم و تکنیک‌ها در AI
• 14. نگاهی به آمار: احتمالات و آمار در یادگیری ماشین
• 15. داده‌های ورودی: انواع داده و اهمیت آن‌ها
• 16. پیش‌پردازش داده: تمیز کردن و آماده‌سازی داده‌ها
• 17. کاوش داده: تحلیل و تجسم داده‌ها
• 18. یادگیری ماشینی چیست؟ اصول و مفاهیم اولیه
• 19. یادگیری نظارت‌شده: رگرسیون و طبقه‌بندی
• 20. مدل‌های رگرسیون: پیش‌بینی مقادیر پیوسته
• 21. مدل‌های طبقه‌بندی: پیش‌بینی دسته‌بندی‌ها
• 22. ارزیابی مدل‌ها: معیارها و سنجش عملکرد
• 23. بیش‌برازش و کم‌برازش: چالش‌های یادگیری
• 24. اعتبارسنجی متقابل: روشی برای ارزیابی مدل
• 25. بهینه‌سازی: پیدا کردن بهترین پارامترهای مدل
• 26. یادگیری بدون نظارت: کشف الگوها در داده‌ها
• 27. خوشه‌بندی: گروه‌بندی داده‌ها
• 28. کاهش ابعاد: ساده‌سازی داده‌ها
• 29. یادگیری تقویتی: یادگیری از طریق پاداش و تنبیه
• 30. فضای حالت و عامل هوشمند: مفاهیم کلیدی در یادگیری تقویتی
• 31. الگوریتم‌های جستجو: یافتن بهترین راه‌حل‌ها
• 32. شبکه‌های عصبی: الهام‌گرفته از مغز انسان
• 33. نورون‌ها و شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 34. لایه ها و شبکه‌های عصبی عمیق: معماری‌های پیچیده‌تر
• 35. انتشار رو به عقب: آموزش شبکه‌های عصبی
• 36. توابع فعال‌سازی: معرفی انواع توابع
• 37. بهینه‌سازی شبکه: گرادیان کاهشی و روش‌های دیگر
• 38. مشکل گرادیان ناپدیدشونده: راه‌حل‌ها و تکنیک‌ها
• 39. یادگیری انتقال: استفاده مجدد از دانش
• 40. شبکه‌های عصبی کانولوشنال (CNNs): پردازش تصاویر
• 41. شبکه‌های عصبی بازگشتی (RNNs): پردازش داده‌های توالی
• 42. معماری‌های ترانسفورمر: انقلابی در پردازش زبان طبیعی
• 43. پردازش زبان طبیعی (NLP): درک و تولید زبان
• 44. پیش‌پردازش متن: آماده‌سازی داده‌های زبانی
• 45. مدل‌های زبانی: GPT و چالش‌های آن
• 46. استخراج اطلاعات: یافتن اطلاعات کلیدی از متن
• 47. ترجمه ماشینی: ترجمه زبان‌ها با AI
• 48. تولید متن: ساختن متن از AI
• 49. بینایی کامپیوتر: دیدن جهان از دیدگاه ماشین
• 50. تشخیص تصویر: شناسایی اشیاء در تصاویر
• 51. دسته‌بندی تصاویر: گروه‌بندی تصاویر
• 52. قطعه‌بندی تصاویر: تشخیص مرز اشیاء
• 53. تولید تصویر: ساخت تصاویر با AI
• 54. رباتیک: هوش مصنوعی در دنیای فیزیکی
• 55. کنترل ربات: هدایت ربات‌ها
• 56. دید رباتیک: دیدن و درک محیط توسط ربات
• 57. سیستم‌های توصیه‌گر: پیشنهاد محصولات و خدمات
• 58. فیلتر کردن همکارانه: توصیه‌های مبتنی بر رفتار کاربران
• 59. فیلتر کردن مبتنی بر محتوا: توصیه‌های مبتنی بر ویژگی‌ها
• 60. سیستم‌های خبره: دانش در خدمت تصمیم‌گیری
• 61. منطق فازی: مقابله با عدم قطعیت
• 62. استدلال مبتنی بر مورد: یادگیری از تجربیات
• 63. جستجوی معنایی: درک معنای کلمات و عبارات
• 64. هوش مصنوعی مولد: تولید محتوای جدید
• 65. GANها: شبکه‌های مولد تخاصمی
• 66. Autoencoders: فشرده‌سازی و تولید داده‌ها
• 67. هوش مصنوعی در پزشکی: تشخیص و درمان بیماری‌ها
• 68. هوش مصنوعی در امور مالی: پیش‌بینی و مدیریت ریسک
• 69. هوش مصنوعی در تجارت: بازاریابی و فروش
• 70. هوش مصنوعی در حمل‌ونقل: خودروهای خودران
• 71. هوش مصنوعی در بازی‌ها: شکست دادن انسان‌ها
• 72. آینده هوش مصنوعی: پیش‌بینی‌ها و چشم‌اندازها
• 73. تاثیرات اجتماعی هوش مصنوعی: اشتغال و برابری
• 74. حریم خصوصی و امنیت داده‌ها: چالش‌ها و راه‌حل‌ها
• 75. نقش داده‌های بزرگ: اهمیت و چالش‌ها
• 76. ابر و هوش مصنوعی: زیرساخت‌های محاسباتی
• 77. AI و اینترنت اشیا (IoT): اتصال اشیاء هوشمند
• 78. هوش مصنوعی لبه (Edge AI): پردازش داده‌ها در لبه شبکه
• 79. مسائل اخلاقی در هوش مصنوعی: سوگیری و تبعیض
• 80. پایداری و هوش مصنوعی: تاثیرات زیست‌محیطی
• 81. تفسیرپذیری هوش مصنوعی: درک تصمیمات ماشین‌ها
• 82. هوش مصنوعی و توسعه پایدار: نقش و اهمیت
• 83. ابزارها و کتابخانه‌های هوش مصنوعی: TensorFlow، PyTorch و ...
• 84. یادگیری عمیق در عمل: پروژه‌های نمونه
• 85. طراحی یک پروژه هوش مصنوعی: گام به گام
• 86. روش‌های جمع‌آوری و برچسب‌گذاری داده‌ها
• 87. آشنایی با پلتفرم‌های ابری هوش مصنوعی
• 88. انتشار و استقرار مدل‌های هوش مصنوعی
• 89. مدیریت چرخه عمر مدل‌های هوش مصنوعی
• 90. نقش مهندسی داده در هوش مصنوعی
• 91. نقش دانشمند داده در هوش مصنوعی
• 92. آشنایی با فریم‌ورک‌های توسعه AI
• 93. تست و ارزیابی مدل‌های هوش مصنوعی
• 94. بهینه‌سازی عملکرد مدل‌های هوش مصنوعی
• 95. امنیت هوش مصنوعی: مقابله با حملات
• 96. همکاری انسان و هوش مصنوعی: آینده کار
• 97. چالش‌ها و فرصت‌های هوش مصنوعی در ایران
• 98. جمع‌بندی: سفری پرماجرا در کهکشان AI
• 99. پایان سفر: راهنمای شما برای ادامه کاوش در دنیای AI