کتاب طراحی سیستم‌های هوش مصنوعی قابل اعتماد با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره طراحی سیستم‌های هوش مصنوعی قابل اعتماد

موضوع کلی: برنامه‌نویسی کاربردی

موضوع میانی: AI Alignment

📋 سرفصل‌های دوره

• 1. طراحی و معماری سیستم‌های هوش مصنوعی
• 2. مفاهیم اساسی یادگیری ماشین
• 3. پیش‌پردازش و آماده‌سازی داده‌ها
• 4. انتخاب ویژگی و کاهش ابعاد
• 5. مدل‌های رگرسیون خطی و چندگانه
• 6. روش‌های ارزیابی مدل‌های رگرسیونی
• 7. درخت‌های تصمیم‌گیری و جنگل‌های تصادفی
• 8. ماشین‌های بردار پشتیبان (SVM)
• 9. خوشه‌بندی K-Means
• 10. خوشه‌بندی سلسله مراتبی
• 11. شبکه‌های عصبی مصنوعی: مبانی
• 12. شبکه‌های عصبی پیچشی (CNN)
• 13. شبکه‌های عصبی بازگشتی (RNN)
• 14. بهینه‌سازی گرادیان کاهشی
• 15. انتخاب توابع فعال‌سازی
• 16. تنظیم بیش از حد و روش‌های جلوگیری از آن
• 17. اعتبارسنجی متقابل (Cross-Validation)
• 18. معیارهای ارزیابی دسته‌بندی
• 19. مقدمه‌ای بر یادگیری تقویتی
• 20. الگوریتم Q-Learning
• 21. الگوریتم SARSA
• 22. مفاهیم احتمال و آمار در هوش مصنوعی
• 23. پردازش زبان طبیعی (NLP): مقدمه‌ای
• 24. مدل‌سازی زبان و توکن‌سازی
• 25. تحلیل احساسات و استخراج اطلاعات
• 26. بینایی ماشین و تشخیص اشیا
• 27. تشخیص چهره و ردیابی
• 28. سیستم‌های توصیه‌گر
• 29. هوش مصنوعی و امنیت سایبری
• 30. تشخیص نفوذ و تحلیل رفتاری
• 31. مفاهیم اخلاقی در هوش مصنوعی
• 32. تفسیرپذیری مدل‌های هوش مصنوعی
• 33. روش‌های کاهش سوگیری در هوش مصنوعی
• 34. تست و اعتبارسنجی سیستم‌های هوش مصنوعی
• 35. مدیریت ریسک در سیستم‌های هوش مصنوعی
• 36. مقاومت در برابر حملات خصمانه (Adversarial Attacks)
• 37. حریم خصوصی داده‌ها و هوش مصنوعی
• 38. استانداردها و مقررات هوش مصنوعی
• 39. استقرار مدل‌های هوش مصنوعی
• 40. مبانی DevOps برای هوش مصنوعی
• 41. مانیتورینگ و نگهداری سیستم‌های هوش مصنوعی
• 42. بهینه‌سازی عملکرد مدل‌های هوش مصنوعی
• 43. استفاده از سخت‌افزار تخصصی (GPU, TPU)
• 44. مفاهیم یادگیری انتقالی
• 45. یادگیری خود نظارتی