کتاب هوش مصنوعی و آینده صنایع با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

249,950 تومان
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 هوش مصنوعی و آینده صنایع

موضوع کلی: اقتصاد هوش مصنوعی و رقابت‌پذیری جهانی

موضوع میانی: تحول دیجیتال و نقش هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مبانی هوش مصنوعی
  • 2. تاریخچه هوش مصنوعی و سیر تحول آن
  • 3. انواع هوش مصنوعی: ضعیف، قوی و فوق بشری
  • 4. یادگیری ماشین: مقدمه‌ای و کاربردها
  • 5. یادگیری نظارت شده: الگوریتم‌ها و پیاده‌سازی
  • 6. یادگیری بدون نظارت: خوشه‌بندی و کاهش ابعاد
  • 7. یادگیری تقویتی: مفاهیم و کاربردها
  • 8. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
  • 9. پرceptron و الگوریتم‌های یادگیری آن
  • 10. شبکه‌های عصبی چندلایه: معماری و آموزش
  • 11. توابع فعال‌سازی در شبکه‌های عصبی
  • 12. انتخاب و تنظیم پارامترهای شبکه‌های عصبی
  • 13. بهینه‌سازی گرادیان کاهشی و انواع آن
  • 14. معماری‌های پیشرفته شبکه‌های عصبی: CNN
  • 15. معماری‌های پیشرفته شبکه‌های عصبی: RNN و LSTM
  • 16. پردازش زبان طبیعی: مقدمه‌ای و کاربردها
  • 17. مدل‌های زبانی و تولید متن
  • 18. تحلیل احساسات و طبقه‌بندی متن
  • 19. بینایی ماشین: تشخیص اشیاء و الگوها
  • 20. تشخیص چهره و کاربردهای آن
  • 21. پردازش تصویر و بهبود کیفیت
  • 22. رباتیک و هوش مصنوعی: هم‌افزایی و کاربردها
  • 23. هوش مصنوعی در صنعت خودروسازی
  • 24. هوش مصنوعی در صنعت پزشکی و تشخیص بیماری
  • 25. هوش مصنوعی در صنعت مالی و مدیریت ریسک
  • 26. هوش مصنوعی در کشاورزی و بهینه‌سازی تولید
  • 27. هوش مصنوعی در زنجیره تامین و لجستیک
  • 28. هوش مصنوعی و اینترنت اشیا: کاربردها و چالش‌ها
  • 29. امنیت هوش مصنوعی: تهدیدات و راهکارها
  • 30. اخلاق در هوش مصنوعی: مسئولیت‌پذیری و شفافیت
  • 31. آینده هوش مصنوعی: روندهای نوظهور و پیش‌بینی‌ها
  • 32. یادگیری انتقالی و کاربردهای آن
  • 33. یادگیری خودنظارتی (Self-Supervised Learning)
  • 34. مفاهیم پایه داده‌کاوی و ارتباط آن با هوش مصنوعی
  • 35. الگوریتم‌های خوشه‌بندی K-Means و Hierarchical Clustering
  • 36. درخت تصمیم و جنگل تصادفی
  • 37. ماشین‌های بردار پشتیبان (SVM)
  • 38. ارزیابی مدل‌های یادگیری ماشین: معیارها و روش‌ها
  • 39. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
  • 40. تنظیم مدل (Regularization) و جلوگیری از بیش‌برازش
  • 41. انتخاب ویژگی (Feature Selection) و کاهش ابعاد
  • 42. مقدمه‌ای بر یادگیری عمیق (Deep Learning)
  • 43. کاربرد هوش مصنوعی در تحلیل داده‌های بزرگ
  • 44. هوش مصنوعی و تحلیل پیش‌بینی‌کننده
  • 45. هوش مصنوعی و اتوماسیون فرآیندها

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.