فلش‌کارت‌های آموزشی هوش مصنوعی زمان‌بر: مباحث پیشرفته و کاربردی در دانشگاه زجیانگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی زمان‌بر: مباحث پیشرفته و کاربردی در دانشگاه زجیانگ

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی پیشرفته هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. تاریخچه و سیر تحول هوش مصنوعی
• 3. مبانی منطق در هوش مصنوعی
• 4. سیستم‌های مبتنی بر دانش
• 5. جستجو در فضای حالت
• 6. جستجوی آگاهانه و هیوریستیک‌ها
• 7. بازی‌ها و تصمیم‌گیری در هوش مصنوعی
• 8. مقدمه‌ای بر یادگیری ماشین
• 9. یادگیری نظارت شده
• 10. رگرسیون خطی و لجستیک
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. درختان تصمیم
• 13. جنگل‌های تصادفی
• 14. یادگیری بدون نظارت
• 15. خوشه‌بندی K-Means
• 16. تحلیل مولفه‌های اصلی (PCA)
• 17. شبکه‌های عصبی مصنوعی
• 18. پرسپترون تک لایه و چند لایه
• 19. انتشار معکوس (Backpropagation)
• 20. شبکه‌های عصبی کانولوشنال (CNN)
• 21. شبکه‌های عصبی بازگشتی (RNN)
• 22. حافظه کوتاه‌مدت طولانی (LSTM)
• 23. شبکه‌های عصبی ترنسفورمر
• 24. یادگیری عمیق
• 25. مدل‌های زبانی بزرگ (LLM)
• 26. پردازش زبان طبیعی (NLP)
• 27. تولید متن
• 28. ترجمه ماشینی
• 29. خلاصه‌سازی متن
• 30. تحلیل احساسات
• 31. بینایی ماشین
• 32. تشخیص اشیاء
• 33. تقسیم‌بندی تصاویر
• 34. تولید تصویر
• 35. یادگیری تقویتی
• 36. مفاهیم اولیه یادگیری تقویتی
• 37. یادگیری Q
• 38. یادگیری سیاست گرادیان
• 39. شبکه‌های عصبی عمیق برای یادگیری تقویتی
• 40. کاربردها در رباتیک
• 41. کاربردها در بازی‌ها
• 42. کاربردها در سیستم‌های توصیه‌گر
• 43. کاربردها در سلامت و پزشکی
• 44. کاربردها در امور مالی
• 45. کاربردها در آموزش
• 46. کاربردها در صنعت و تولید
• 47. اخلاق در هوش مصنوعی
• 48. سوگیری در الگوریتم‌ها
• 49. شفافیت و توضیح‌پذیری (XAI)
• 50. امنیت و حریم خصوصی در هوش مصنوعی
• 51. مقررات و چارچوب‌های قانونی هوش مصنوعی
• 52. هوش مصنوعی مولد
• 53. تولید محتوای متنی
• 54. تولید محتوای تصویری
• 55. تولید محتوای صوتی
• 56. تولید محتوای ویدئویی
• 57. مباحث پیشرفته در شبکه‌های عصبی
• 58. معماری‌های پیشرفته CNN
• 59. معماری‌های پیشرفته RNN
• 60. معماری‌های پیشرفته ترنسفورمر
• 61. یادگیری انتقالی (Transfer Learning)
• 62. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 63. یادگیری خودنظارتی (Self-supervised Learning)
• 64. یادگیری فدرال (Federated Learning)
• 65. یادگیری تقویتی عمیق
• 66. تکنیک‌های بهینه‌سازی در یادگیری عمیق
• 67. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 68. روش‌های منظم‌سازی (Regularization)
• 69. یادگیری فعال (Active Learning)
• 70. یادگیری نیمه‌نظارتی (Semi-supervised Learning)
• 71. مدل‌های گراف عصبی (GNN)
• 72. کاربرد GNN در شبکه‌های اجتماعی
• 73. کاربرد GNN در شیمی و زیست‌شناسی
• 74. مباحث پیشرفته در پردازش زبان طبیعی
• 75. مدل‌های زبانی مبتنی بر ترنسفورمر
• 76. تنظیم دقیق مدل‌های زبانی (Fine-tuning)
• 77. تولید زبان طبیعی (NLG)
• 78. فهم زبان طبیعی (NLU)
• 79. مباحث پیشرفته در بینایی ماشین
• 80. تشخیص چهره
• 81. تولید چهره
• 82. تشخیص گفتار
• 83. تولید گفتار
• 84. سیستم‌های توصیه‌گر پیشرفته
• 85. فیلترینگ مشارکتی
• 86. فیلترینگ مبتنی بر محتوا
• 87. ترکیب روش‌ها در سیستم‌های توصیه‌گر
• 88. هوش مصنوعی و داده‌های حجیم
• 89. معماری‌های محاسباتی برای هوش مصنوعی
• 90. پردازش ابری برای هوش مصنوعی
• 91. سخت‌افزارهای تخصصی هوش مصنوعی
• 92. پیاده‌سازی مدل‌های هوش مصنوعی در مقیاس بزرگ
• 93. ارزیابی و سنجش عملکرد مدل‌های هوش مصنوعی
• 94. تست و اعتبارسنجی مدل‌ها
• 95. نظارت بر عملکرد مدل در طول زمان
• 96. توسعه پایدار هوش مصنوعی
• 97. اثرات بلندمدت هوش مصنوعی بر جامعه
• 98. آینده هوش مصنوعی و تحقیقات نوظهور
• 99. نوآوری در هوش مصنوعی
• 100. کارآفرینی در حوزه هوش مصنوعی