کتاب هوش مصنوعی با شبکه‌های عصبی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی با شبکه‌های عصبی

موضوع کلی: سیستم‌های کامپیوتری پیشرفته

موضوع میانی: شبکه‌های عصبی (Neural Networks)

📋 سرفصل‌های دوره

• 1. مبانی شبکه‌های عصبی مصنوعی
• 2. تاریخچه و تکامل هوش مصنوعی
• 3. معرفی الگوریتم‌های یادگیری ماشین
• 4. یادگیری نظارت‌شده: مفاهیم و کاربردها
• 5. یادگیری بدون نظارت: خوشه‌بندی و کاهش ابعاد
• 6. یادگیری تقویتی: اصول و روش‌ها
• 7. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
• 8. نرمال‌سازی و استانداردسازی داده‌ها
• 9. انتخاب ویژگی و کاهش ابعاد
• 10. معماری پرسپترون چندلایه (MLP)
• 11. تابع فعال‌سازی: انواع و کاربردها
• 12. انتشار پس‌رو (Backpropagation)
• 13. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
• 14. نرخ یادگیری و تنظیم آن
• 15. شبکه‌های عصبی کانولوشنال (CNN)
• 16. فیلترها و لایه‌های کانولوشنی
• 17. لایه‌های تجمیع (Pooling Layers)
• 18. معماری‌های معروف CNN (AlexNet, VGG, ResNet)
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. حافظه کوتاه‌مدت بلندمدت (LSTM)
• 21. دروازه‌های LSTM و نحوه عملکرد آن‌ها
• 22. شبکه‌های عصبی دروازه‌دار بازگشتی (GRU)
• 23. کاربرد RNN در پردازش زبان طبیعی
• 24. پردازش زبان طبیعی (NLP) با شبکه‌های عصبی
• 25. مدل‌های زبانی (Language Models)
• 26. ترجمه ماشینی عصبی (NMT)
• 27. تشخیص گفتار با شبکه‌های عصبی
• 28. بینایی ماشین (Computer Vision) با شبکه‌های عصبی
• 29. تشخیص اشیا در تصاویر
• 30. قطعه‌بندی تصاویر (Image Segmentation)
• 31. تولید تصاویر با شبکه‌های عصبی
• 32. شبکه‌های مولد تخاصمی (GANs)
• 33. کاربردهای GAN در تولید تصاویر
• 34. شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 35. کاهش ابعاد با خودرمزگذار
• 36. تشخیص ناهنجاری با خودرمزگذار
• 37. انتقال یادگیری (Transfer Learning)
• 38. تنظیم دقیق (Fine-tuning) مدل‌های پیش‌آموزش‌دیده
• 39. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 40. شبکه‌های عصبی گراف (GNN)
• 41. کاربردهای GNN در تحلیل شبکه‌ها
• 42. مفاهیم پیشرفته در بهینه‌سازی شبکه‌های عصبی
• 43. تنظیم‌کننده‌های (Regularizers)
• 44. روش‌های جلوگیری از بیش‌برازش (Overfitting)
• 45. ارزیابی عملکرد شبکه‌های عصبی