کتاب امیدوارم این لیست برایتان مفید باشد! با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره امیدوارم این لیست برایتان مفید باشد!

موضوع کلی: تاریخ و نظریه معماری

موضوع میانی: معماری هندوستان

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مبانی و اصول یادگیری ماشین
• 2. آشنایی با مفاهیم پایه هوش مصنوعی
• 3. ساختار داده‌ها و الگوریتم‌های پرکاربرد در یادگیری ماشین
• 4. آمار و احتمالات مورد نیاز برای یادگیری ماشین
• 5. جبر خطی برای هوش مصنوعی
• 6. ریاضیات گسسته در علوم کامپیوتر
• 7. مقدمه‌ای بر برنامه‌نویسی پایتون برای علم داده
• 8. کتابخانه‌های کلیدی پایتون: NumPy و Pandas
• 9. تجسم داده‌ها با Matplotlib و Seaborn
• 10. پاکسازی و پیش‌پردازش داده‌ها
• 11. مهندسی ویژگی (Feature Engineering)
• 12. انتخاب ویژگی (Feature Selection)
• 13. مقدمه‌ای بر یادگیری با نظارت (Supervised Learning)
• 14. رگرسیون خطی (Linear Regression)
• 15. رگرسیون لجستیک (Logistic Regression)
• 16. درخت تصمیم (Decision Trees)
• 17. جنگل تصادفی (Random Forests)
• 18. ماشین‌های بردار پشتیبان (Support Vector Machines - SVM)
• 19. دسته‌بندی‌کننده‌های بیز ساده (Naive Bayes Classifiers)
• 20. K-نزدیک‌ترین همسایه (K-Nearest Neighbors - KNN)
• 21. ارزیابی مدل‌های یادگیری با نظارت
• 22. اعتبارسنجی متقابل (Cross-Validation)
• 23. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 24. مقدمه‌ای بر یادگیری بدون نظارت (Unsupervised Learning)
• 25. خوشه‌بندی (Clustering)
• 26. الگوریتم K-Means
• 27. خوشه‌بندی سلسله مراتبی (Hierarchical Clustering)
• 28. تحلیل مؤلفه‌های اصلی (Principal Component Analysis - PCA)
• 29. کاهش ابعاد (Dimensionality Reduction)
• 30. مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)
• 31. مفاهیم پایه یادگیری تقویتی: عامل، محیط، پاداش
• 32. الگوریتم‌های یادگیری تقویتی: Q-Learning
• 33. شبکه‌های عصبی مصنوعی (Artificial Neural Networks - ANN)
• 34. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
• 35. شبکه‌های عصبی کانولوشنی (Convolutional Neural Networks - CNN)
• 36. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks - RNN)
• 37. پردازش زبان طبیعی (Natural Language Processing - NLP)
• 38. مدل‌های زبانی و توکنیزاسیون
• 39. تحلیل احساسات (Sentiment Analysis)
• 40. مدل‌سازی موضوعی (Topic Modeling)
• 41. تشخیص موجودیت نام‌گذاری شده (Named Entity Recognition - NER)
• 42. یادگیری ماشین در حوزه سلامت و پزشکی
• 43. کاربرد هوش مصنوعی در تشخیص بیماری‌ها
• 44. یادگیری ماشین در حوزه مالی و بانکداری اسلامی
• 45. مقدمه‌ای بر بانکداری بدون ربا
• 46. عقود اسلامی در نظام بانکی
• 47. کاربرد هوش مصنوعی در پیش‌بینی بازارهای مالی با رویکرد شرعی
• 48. یادگیری ماشین در حوزه کشاورزی و محیط زیست
• 49. کاربرد هوش مصنوعی در بهینه‌سازی مصرف آب
• 50. یادگیری ماشین در حوزه آموزش و پرورش
• 51. شخصی‌سازی فرآیندهای یادگیری
• 52. توسعه مدل‌های پیش‌بینی موفقیت تحصیلی
• 53. کاربرد هوش مصنوعی در مدیریت شهری و حمل و نقل
• 54. بهینه‌سازی ترافیک شهری
• 55. سیستم‌های توصیه‌گر (Recommender Systems)
• 56. طراحی سیستم‌های توصیه‌گر اخلاقی
• 57. یادگیری ماشین در حوزه امنیت سایبری
• 58. تشخیص نفوذ و بدافزار
• 59. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 60. حریم خصوصی و امنیت داده‌ها
• 61. سوگیری در الگوریتم‌ها و روش‌های مقابله
• 62. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 63. مقدمه‌ای بر یادگیری نیمه نظارتی (Semi-Supervised Learning)
• 64. یادگیری انتقالی (Transfer Learning)
• 65. یادگیری چندوظیفه‌ای (Multi-Task Learning)
• 66. یادگیری فعال (Active Learning)
• 67. یادگیری فدرال (Federated Learning)
• 68. مقدمه‌ای بر شبکه‌های مولد تخاصمی (Generative Adversarial Networks - GAN)
• 69. کاربرد GAN در تولید محتوای سازگار
• 70. مقدمه‌ای بر یادگیری عمیق برای پردازش تصویر
• 71. تشخیص اشیاء (Object Detection)
• 72. تقسیم‌بندی تصویر (Image Segmentation)
• 73. پردازش ویدئو با یادگیری عمیق
• 74. پردازش صدا و تشخیص گفتار
• 75. سیستم‌های پرسش و پاسخ
• 76. ترجمه ماشینی عصبی
• 77. مقدمه‌ای بر یادگیری نموداری (Graph Neural Networks - GNN)
• 78. کاربرد GNN در تحلیل شبکه‌های اجتماعی
• 79. مدل‌سازی و شبیه‌سازی سیستم‌ها
• 80. یادگیری ماشین در حوزه رباتیک
• 81. کنترل و ناوبری ربات‌ها
• 82. مقدمه‌ای بر رباتیک انسان‌نما (Humanoid Robotics)
• 83. کاربرد هوش مصنوعی در صنعت
• 84. اتوماسیون صنعتی و ربات‌های همکاری‌کننده
• 85. یادگیری ماشین در حوزه حقوق و قضایی
• 86. تحلیل اسناد حقوقی
• 87. مقدمه‌ای بر هوش مصنوعی در خدمت به عدالت
• 88. یادگیری ماشین در حوزه رسانه و تولید محتوا
• 89. تولید خودکار محتوا
• 90. ملاحظات شرعی در تولید محتوا با هوش مصنوعی
• 91. مقدمه‌ای بر هوش مصنوعی مولد (Generative AI)
• 92. کاربرد هوش مصنوعی مولد در تولید متن و کد
• 93. ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی
• 94. پیاده‌سازی مدل‌ها در محیط‌های واقعی
• 95. نگهداری و به‌روزرسانی مدل‌ها
• 96. مقدمه‌ای بر مفاهیم پیشرفته یادگیری ماشین
• 97. یادگیری عمیق در زمان واقعی (Real-time Deep Learning)
• 98. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 99. کاربردها و چالش‌های پیش روی هوش مصنوعی در ایران
• 100. مسیر شغلی در حوزه هوش مصنوعی و یادگیری ماشین