کتاب هویت و احساسات مصنوعی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هویت و احساسات مصنوعی

موضوع کلی: اخلاق در علوم نوین و فناوری

موضوع میانی: احساسات در ربات ها

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. تاریخچه و تکامل هوش مصنوعی
• 3. انواع هوش مصنوعی: ضعیف، قوی و فوق‌العاده
• 4. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 5. الگوریتم‌های یادگیری نظارت‌شده
• 6. رگرسیون خطی و چندگانه
• 7. دسته‌بندی با استفاده از ماشین‌های بردار پشتیبان (SVM)
• 8. درخت‌های تصمیم و جنگل‌های تصادفی
• 9. یادگیری بدون نظارت: خوشه‌بندی
• 10. خوشه‌بندی K-میانگین
• 11. تحلیل مولفه‌های اصلی (PCA)
• 12. پردازش زبان طبیعی (NLP): مقدمه‌ای
• 13. مدل‌های زبانی و پیش‌بینی متن
• 14. تحلیل احساسات در متون
• 15. تشخیص موجودیت‌های نام‌دار (NER)
• 16. تولید زبان طبیعی (NLG)
• 17. بینایی ماشین: مقدمه‌ای
• 18. تشخیص اشیاء در تصاویر
• 19. دسته‌بندی تصاویر با استفاده از شبکه‌های عصبی کانولوشنال (CNN)
• 20. تقویت یادگیری: مفاهیم پایه
• 21. الگوریتم Q-learning
• 22. یادگیری عمیق: مقدمه‌ای
• 23. شبکه‌های عصبی عمیق (DNN)
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. مدل‌های ترانسفورمر
• 26. کاربردهای هوش مصنوعی در پزشکی
• 27. هوش مصنوعی در تشخیص بیماری‌ها
• 28. هوش مصنوعی در داروسازی
• 29. کاربردهای هوش مصنوعی در مالی
• 30. تشخیص تقلب با استفاده از هوش مصنوعی
• 31. مدیریت ریسک با استفاده از یادگیری ماشین
• 32. کاربردهای هوش مصنوعی در بازاریابی
• 33. تجزیه و تحلیل رفتار مشتری
• 34. پیش‌بینی فروش با استفاده از هوش مصنوعی
• 35. اخلاق در هوش مصنوعی
• 36. مسائل مربوط به حریم خصوصی در هوش مصنوعی
• 37. سوگیری در الگوریتم‌های هوش مصنوعی
• 38. تفسیرپذیری در هوش مصنوعی (Explainable AI)
• 39. مبانی رباتیک و هوش مصنوعی
• 40. برنامه‌ریزی حرکت ربات
• 41. حسگرها و عملگرهای رباتیک
• 42. هوش مصنوعی و اینترنت اشیا (IoT)
• 43. کاربردهای هوش مصنوعی در خودروهای خودران
• 44. آینده هوش مصنوعی و چالش‌های پیش رو
• 45. تکنیک‌های ارزیابی مدل‌های هوش مصنوعی