کتاب مبانی هوش مصنوعی: رویکردها و کاربردها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی: رویکردها و کاربردها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی
• 2. تاریخچه هوش مصنوعی
• 3. هوش مصنوعی و انسان: مقایسه
• 4. فلسفه هوش مصنوعی
• 5. اخلاق در هوش مصنوعی
• 6. کاربردهای هوش مصنوعی در زندگی روزمره
• 7. هوش مصنوعی و جامعه
• 8. هوش مصنوعی و آینده شغل ها
• 9. انواع هوش مصنوعی: محدود و عمومی
• 10. یادگیری ماشین: تعاریف و مفاهیم
• 11. یادگیری نظارت شده
• 12. رگرسیون خطی
• 13. رگرسیون لجستیک
• 14. درختان تصمیم
• 15. ماشین های بردار پشتیبان (SVM)
• 16. یادگیری بدون نظارت
• 17. خوشه بندی (Clustering)
• 18. K-Means Clustering
• 19. Hierarchical Clustering
• 20. Dimensions Reduction
• 21. Principal Component Analysis (PCA)
• 22. Factor Analysis
• 23. Deep Learning: مقدمه
• 24. شبکه های عصبی مصنوعی
• 25. ساختار شبکه عصبی
• 26. توابع فعال سازی
• 27. پس انتشار خطا (Backpropagation)
• 28. شبکه های عصبی کانولوشنال (CNN)
• 29. کاربرد CNN در بینایی ماشین
• 30. شبکه های عصبی بازگشتی (RNN)
• 31. کاربرد RNN در پردازش زبان طبیعی
• 32. شبکه های حافظه طولانی کوتاه (LSTM)
• 33. شبکه های حافظه طولانی کوتاه (GRU)
• 34. یادگیری تقویتی
• 35. مفاهیم یادگیری تقویتی
• 36. عامل و محیط
• 37. پاداش و جریمه
• 38. سیاست ها و توابع ارزش
• 39. یادگیری عمیق در یادگیری تقویتی
• 40. کاربرد یادگیری تقویتی در رباتیک
• 41. کاربرد یادگیری تقویتی در بازی ها
• 42. پردازش زبان طبیعی (NLP)
• 43. مفاهیم پایه NLP
• 44. توکن سازی و ریشه یابی
• 45. مدل های زبانی
• 46. یادگیری ماشین برای NLP
• 47. شبکه های عصبی برای NLP
• 48. ترجمه ماشینی
• 49. خلاصه سازی متن
• 50. تحلیل احساسات
• 51. سیستم های توصیه گر
• 52. کاربرد سیستم های توصیه گر
• 53. الگوریتم های فیلترینگ مشترک
• 54. مبتنی بر محتوا
• 55. سیستم های توصیه گر ترکیبی
• 56. هوش مصنوعی در پزشکی
• 57. تشخیص بیماری با هوش مصنوعی
• 58. کشف دارو با هوش مصنوعی
• 59. رباتیک جراحی
• 60. هوش مصنوعی در کشاورزی
• 61. کشاورزی دقیق
• 62. پیش بینی محصولات
• 63. مدیریت منابع
• 64. هوش مصنوعی در آموزش
• 65. شخصی سازی یادگیری
• 66. ارزیابی خودکار
• 67. سیستم های کمک آموزشی
• 68. هوش مصنوعی در مالی
• 69. تشخیص تقلب
• 70. مدیریت ریسک
• 71. معاملات خودکار
• 72. هوش مصنوعی و امنیت سایبری
• 73. تشخیص نفوذ
• 74. شناسایی بدافزار
• 75. امنیت شبکه
• 76. چالش های اخلاقی و حقوقی هوش مصنوعی
• 77. حریم خصوصی داده ها
• 78. سوگیری در الگوریتم ها
• 79. مسئولیت پذیری
• 80. آینده هوش مصنوعی
• 81. هوش مصنوعی و محاسبات کوانتومی
• 82. هوش مصنوعی عمومی (AGI)
• 83. همزیستی انسان و هوش مصنوعی
• 84. ملاحظات فرهنگی در هوش مصنوعی
• 85. هوش مصنوعی و ارزش های ایرانی-اسلامی
• 86. کاربردهای سازگار هوش مصنوعی در ایران
• 87. فناوری های نوظهور و هوش مصنوعی
• 88. پردازش تصویر با هوش مصنوعی
• 89. شناخت الگو
• 90. تحلیل سری های زمانی
• 91. شبکه های عصبی گراف (GNN)
• 92. یادگیری انتقالی (Transfer Learning)
• 93. یادگیری چند وظیفه ای (Multi-task Learning)
• 94. یادگیری فعال (Active Learning)
• 95. یادگیری نیمه نظارت شده (Semi-supervised Learning)
• 96. یادگیری فدرال (Federated Learning)
• 97. هوش مصنوعی قابل توضیح (XAI)
• 98. روش های توضیح پذیری
• 99. کاربرد XAI در حوزه های حساس
• 100. ملاحظات فنی پیاده سازی هوش مصنوعی