کتاب مبانی یادگیری ماشین: از مفاهیم پایه تا پیاده‌سازی کاربردی در حل مسائل مهندسی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین: از مفاهیم پایه تا پیاده‌سازی کاربردی در حل مسائل مهندسی

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل داده

📋 سرفصل‌های دوره (100 موضوع)

• 1. مفاهیم پایه و ضرورت یادگیری ماشین در مهندسی مدرن
• 2. آشنایی با انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده و تقویت‌شده
• 3. مبانی ریاضیات در یادگیری ماشین: جبر خطی و آمار کاربردی
• 4. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌های داده
• 5. تحلیل اکتشافی داده‌ها و مصورسازی آماری
• 6. معرفی محیط‌های برنامه‌نویسی و کتابخانه‌های استاندارد پایتون برای داده‌کاوی
• 7. رگرسیون خطی ساده و تحلیل همبستگی متغیرها
• 8. رگرسیون چندگانه و ارزیابی خطاهای مدل
• 9. درون‌یابی و برازش منحنی در تحلیل مهندسی
• 10. مبانی طبقه‌بندی‌کننده‌ها و الگوریتم‌های دسته‌بندی
• 11. الگوریتم نزدیک‌ترین همسایگی در مسائل طبقه‌بندی
• 12. ماشین‌های بردار پشتیبان و بهینه‌سازی مرز تصمیم
• 13. درخت‌های تصمیم و معیارهای شاخص جینی و آنتروپی
• 14. جنگل‌های تصادفی و کاهش بیش‌برازش
• 15. الگوریتم‌های خوشه‌بندی و تحلیل گروه‌های داده
• 16. خوشه‌بندی سلسله‌مراتبی و کاربرد آن در تحلیل الگو
• 17. کاهش ابعاد با استفاده از تحلیل مؤلفه‌های اصلی
• 18. نرمال‌سازی و استانداردسازی ویژگی‌ها
• 19. ارزیابی مدل‌ها: دقت، فراخوانی و ماتریس درهم‌ریختگی
• 20. اعتبارسنجی متقاطع برای افزایش اطمینان مدل
• 21. مبانی شبکه‌های عصبی مصنوعی و مدل پرسپترون
• 22. توابع فعال‌ساز در شبکه‌های عصبی
• 23. الگوریتم پس‌انتشار خطا و بهینه‌سازی وزن‌ها
• 24. مقدمه‌ای بر یادگیری عمیق و ساختار لایه‌های پنهان
• 25. کاربرد یادگیری ماشین در پیش‌بینی سری‌های زمانی
• 26. بهینه‌سازی پارامترهای مدل با استفاده از جستجوی شبکه‌ای
• 27. مدیریت داده‌های پرت و مفقود در پروژه‌های مهندسی
• 28. اخلاق در هوش مصنوعی و رعایت حریم خصوصی داده‌ها
• 29. کاربرد یادگیری ماشین در بهینه‌سازی مصرف انرژی
• 30. تحلیل داده‌های حسگرها در سیستم‌های کنترل صنعتی
• 31. پیاده‌سازی یک پروژه جامع یادگیری ماشین از جمع‌آوری تا استنتاج
• 32. روش‌های استقرار مدل‌های یادگیری ماشین در محیط‌های عملیاتی
• 33. آینده یادگیری ماشین و نقش آن در توسعه دانش بومی