کتاب مبانی هوش مصنوعی و یادگیری ماشین با رویکرد حل مسائل کاربردی و بومی‌سازی الگوریتم‌ها با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی و یادگیری ماشین با رویکرد حل مسائل کاربردی و بومی‌سازی الگوریتم‌ها

موضوع کلی: علوم رایانه و فناوری‌های نوین

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و تاریخچه هوش مصنوعی در ایران و جهان
• 2. تعریف هوش مصنوعی و شاخه‌های اصلی آن
• 3. مفاهیم پایه در هوش مصنوعی و منطق فازی
• 4. آشنایی با الگوریتم‌های جستجو و بهینه‌سازی
• 5. مقدمه‌ای بر یادگیری ماشین و نقش داده‌ها
• 6. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌داده‌ها
• 7. آمار توصیفی و استنباطی در علوم داده
• 8. یادگیری نظارت‌شده و رگرسیون خطی
• 9. یادگیری نظارت‌شده و الگوریتم‌های طبقه‌بندی
• 10. درخت‌های تصمیم و جنگل‌های تصادفی
• 11. ماشین‌های بردار پشتیبان و کاربردهای آن
• 12. یادگیری بدون نظارت و خوشه‌بندی
• 13. کاهش ابعاد و تحلیل مؤلفه‌های اصلی
• 14. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 15. توابع فعال‌ساز و بهینه‌سازها در شبکه‌های عصبی
• 16. پس‌انتشار خطا و آموزش مدل‌های عصبی
• 17. شبکه‌های عصبی کانولوشنی و پردازش تصویر
• 18. شبکه‌های عصبی بازگشتی و تحلیل توالی‌ها
• 19. یادگیری تقویتی و مدل‌های تصمیم‌گیری مارکوف
• 20. معیارهای ارزیابی مدل و اعتبارسنجی متقاطع
• 21. بیش‌برازش و کم‌برازش در مدل‌های یادگیری ماشین
• 22. تنظیم مدل و روش‌های منظم‌سازی
• 23. معماری سیستم‌های خبره و پایگاه دانش
• 24. پردازش زبان طبیعی و تحلیل متون فارسی
• 25. مدل‌های زبانی و کاربرد آن‌ها در سامانه‌های بومی
• 26. یادگیری عمیق و چارچوب‌های برنامه‌نویسی
• 27. تکنیک‌های استخراج ویژگی و مهندسی داده
• 28. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در توسعه
• 29. امنیت در سامانه‌های هوشمند و حفاظت از داده‌ها
• 30. کاربرد هوش مصنوعی در بهینه‌سازی شبکه‌های توزیع
• 31. هوش مصنوعی در مدیریت منابع و بهره‌وری صنعتی
• 32. هوش مصنوعی در تحلیل داده‌های پزشکی و سلامت
• 33. نقش هوش مصنوعی در هوشمندسازی کشاورزی
• 34. الگوریتم‌های تکاملی و حل مسائل پیچیده مهندسی
• 35. آشنایی با رایانش ابری و زیرساخت‌های هوش مصنوعی
• 36. مقیاس‌پذیری مدل‌ها در محیط‌های عملیاتی
• 37. روش‌های یادگیری نیمه‌نظارتی و انتقال یادگیری
• 38. تفسیرپذیری مدل‌های هوش مصنوعی
• 39. چالش‌های پیاده‌سازی هوش مصنوعی در مقیاس ملی
• 40. آینده‌نگاری فناوری‌های نوین و نقشه راه توسعه ملی