کتاب ساخت مدل‌های یادگیری ماشین قابل توضیح (XAI) با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ساخت مدل‌های یادگیری ماشین قابل توضیح (XAI)

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: یادگیری ماشین (Machine Learning)

📋 سرفصل‌های دوره

  • 1. مفاهیم پایه یادگیری ماشین
  • 2. معرفی یادگیری ماشین قابل توضیح (XAI)
  • 3. اهمیت و ضرورت XAI
  • 4. انواع مدل‌های یادگیری ماشین و قابلیت توضیح‌پذیری آن‌ها
  • 5. معیارهای ارزیابی مدل‌های XAI
  • 6. روش‌های پیش‌پردازش داده برای XAI
  • 7. انتخاب ویژگی‌های مهم در XAI
  • 8. مدل‌های خطی و توضیح‌پذیری آن‌ها
  • 9. درخت‌های تصمیم و قابلیت تفسیر
  • 10. روش‌های مبتنی بر اهمیت ویژگی
  • 11. روش‌های مبتنی بر نمونه
  • 12. روش‌های مبتنی بر تقریب
  • 13. روش‌های مبتنی بر تغییر
  • 14. تفسیر شبکه‌های عصبی عمیق
  • 15. روش‌های LIME و SHAP
  • 16. استفاده از LIME برای توضیح پیش‌بینی‌های مدل
  • 17. استفاده از SHAP برای تحلیل اهمیت ویژگی
  • 18. تفسیر مدل‌های مبتنی بر گرادیان
  • 19. روش‌های مبتنی بر توجه (Attention Mechanisms)
  • 20. XAI در تشخیص تصویر
  • 21. XAI در پردازش زبان طبیعی
  • 22. XAI در داده‌های سری زمانی
  • 23. XAI در داده‌های جدولی
  • 24. تفسیر مدل‌های جنگل تصادفی
  • 25. تفسیر مدل‌های ماشین بردار پشتیبان (SVM)
  • 26. تفسیر مدل‌های خوشه‌بندی
  • 27. XAI و مسائل اخلاقی در یادگیری ماشین
  • 28. XAI و تبعیض در الگوریتم‌ها
  • 29. XAI و حفظ حریم خصوصی
  • 30. XAI و مسئولیت‌پذیری در تصمیم‌گیری‌های هوشمند
  • 31. ابزارهای متن‌باز برای XAI
  • 32. کتابخانه‌های پایتون برای XAI
  • 33. ارزیابی و مقایسه روش‌های XAI
  • 34. کاربرد XAI در حوزه‌های مختلف
  • 35. XAI در تشخیص پزشکی
  • 36. XAI در پیش‌بینی ریسک اعتباری
  • 37. XAI در تحلیل رفتار مشتری
  • 38. XAI در تشخیص تقلب
  • 39. XAI در سیستم‌های توصیه‌گر
  • 40. بهبود قابلیت اعتماد به مدل‌های یادگیری ماشین با XAI
  • 41. XAI و فرآیند تصمیم‌گیری
  • 42. XAI و تعامل انسان و ماشین
  • 43. XAI و قابلیت اطمینان مدل
  • 44. XAI و شناسایی خطاها در مدل
  • 45. XAI و بهبود عملکرد مدل
  • 46. XAI و نظارت بر مدل
  • 47. XAI و تشخیص تغییرات در داده
  • 48. چالش‌ها و محدودیت‌های XAI
  • 49. تحقیقات آتی در زمینه XAI
  • 50. XAI و یادگیری تقویتی
  • 51. XAI و یادگیری انتقالی
  • 52. XAI و یادگیری فعال
  • 53. XAI و یادگیری خودنظارتی
  • 54. XAI و یادگیری چندوظیفه‌ای
  • 55. XAI و یادگیری فدرال
  • 56. XAI و یادگیری مبتنی بر دانش
  • 57. XAI و یادگیری ناهمگن
  • 58. XAI و یادگیری افزایشی
  • 59. بهینه‌سازی مدل‌های XAI برای کارایی
  • 60. مقایسه رویکردهای محلی و سراسری در XAI
  • 61. XAI و تاثیرگذاری بر کاربران نهایی
  • 62. XAI و ایجاد رابط‌های کاربری قابل فهم
  • 63. XAI و مستندسازی مدل‌ها
  • 64. XAI و گزارش‌دهی مدل‌ها
  • 65. XAI و انطباق با مقررات
  • 66. XAI و استانداردهای صنعتی
  • 67. XAI و آموزش کاربران در مورد مدل‌ها
  • 68. XAI و فرهنگ‌سازی در مورد هوش مصنوعی
  • 69. XAI و نوآوری در یادگیری ماشین
  • 70. XAI و آینده هوش مصنوعی
تگ‌ها: XAI الگوریتم یادگیری تحلیل داده داده کاوی شبکه‌های عصبی مدل‌های قابل توضیح هوش مصنوعی هوش مصنوعی ایران یادگیری ماشین یادگیری ماشین پیشرفته

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.