کتاب مبانی یادگیری ماشین، بینایی ماشین مدرن و هوش مصنوعی مولد با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین، بینایی ماشین مدرن و هوش مصنوعی مولد

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و کاربردهای پیشرفته

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. مقدمه‌ای بر هوش مصنوعی
• 3. مفاهیم کلیدی یادگیری ماشین
• 4. انواع یادگیری ماشین
• 5. یادگیری نظارت‌شده
• 6. رگرسیون خطی
• 7. رگرسیون لجستیک
• 8. درختان تصمیم
• 9. ماشین‌های بردار پشتیبان (SVM)
• 10. طبقه‌بندی‌کننده‌های بیز ساده
• 11. یادگیری نظارت‌نشده
• 12. خوشه‌بندی K-Means
• 13. تحلیل مولفه‌های اصلی (PCA)
• 14. کاهش ابعاد
• 15. یادگیری تقویتی
• 16. مبانی یادگیری تقویتی
• 17. عوامل و محیط‌ها
• 18. پاداش و سیاست‌ها
• 19. یادگیری عمیق
• 20. شبکه‌های عصبی مصنوعی
• 21. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 22. توابع فعال‌سازی
• 23. پس‌انتشار خطا
• 24. بهینه‌سازی در شبکه‌های عصبی
• 25. نزول گرادیان
• 26. بهینه‌سازهای پیشرفته
• 27. شبکه‌های عصبی کانولوشنی (CNN)
• 28. معماری CNN
• 29. لایه‌های کانولوشن
• 30. لایه‌های Pooling
• 31. کاربردهای CNN در بینایی ماشین
• 32. تشخیص تصویر
• 33. تشخیص اشیاء
• 34. بخش‌بندی تصویر
• 35. شبکه‌های عصبی بازگشتی (RNN)
• 36. معماری RNN
• 37. مشکلات حافظه طولانی‌مدت
• 38. حافظه طولانی کوتاه‌مدت (LSTM)
• 39. شبکه‌های حافظه کوتاه‌مدت (GRU)
• 40. کاربردهای RNN
• 41. پردازش زبان طبیعی (NLP)
• 42. تحلیل احساسات
• 43. ترجمه ماشینی
• 44. تولید متن
• 45. بینایی ماشین مدرن
• 46. پردازش تصویر پیشرفته
• 47. استخراج ویژگی
• 48. تطبیق الگو
• 49. تشخیص چهره
• 50. مباحث پیشرفته در CNN
• 51. شبکه‌های کانولوشن پیشرفته
• 52. شبکه‌های کانولوشن عمیق
• 53. شبکه‌های مبتنی بر توجه (Attention)
• 54. مدل‌های ترنسفورمر
• 55. کاربردهای ترنسفورمر در بینایی ماشین
• 56. تولید محتوای تصویری
• 57. هوش مصنوعی مولد
• 58. مقدمه‌ای بر مدل‌های مولد
• 59. مدل‌های مولد مبتنی بر اتساق (GAN)
• 60. معماری GAN
• 61. آموزش GAN
• 62. کاربردهای GAN
• 63. تولید تصویر واقع‌گرایانه
• 64. تولید چهره
• 65. تولید داده‌های مصنوعی
• 66. مدل‌های مولد مبتنی بر واکافت (VAEs)
• 67. معماری VAEs
• 68. آموزش VAEs
• 69. کاربردهای VAEs
• 70. تولید تصویر
• 71. نشر متن
• 72. مدل‌های زبانی بزرگ (LLMs)
• 73. معماری ترنسفورمر برای LLMs
• 74. آموزش LLMs
• 75. تنظیم دقیق LLMs
• 76. کاربردهای LLMs
• 77. تولید متن خلاقانه
• 78. پاسخ به سوالات
• 79. خلاصه‌سازی متن
• 80. هوش مصنوعی اخلاقی و مسئولانه
• 81. سوگیری در داده‌ها و مدل‌ها
• 82. تفسیرپذیری مدل‌ها
• 83. حریم خصوصی و امنیت داده‌ها
• 84. کاربردهای هوش مصنوعی در صنعت
• 85. هوش مصنوعی در پزشکی
• 86. هوش مصنوعی در مالی
• 87. هوش مصنوعی در حمل و نقل
• 88. هوش مصنوعی در آموزش
• 89. آینده هوش مصنوعی
• 90. مباحث نوظهور در یادگیری عمیق
• 91. یادگیری فدرال
• 92. یادگیری انتقال
• 93. یادگیری خودنظارت‌شده
• 94. مدل‌های گراف عصبی
• 95. کاربردهای مدل‌های گراف عصبی
• 96. آموزش پایدار در یادگیری عمیق
• 97. تنظیم‌گری و منظم‌سازی
• 98. روش‌های ارزیابی مدل‌ها
• 99. مقدمه‌ای بر پردازش گفتار
• 100. مقدمه‌ای بر رباتیک و هوش مصنوعی