فلش‌کارت‌های آموزشی هوش مصنوعی عمومی: طراحی، اجرا و ارزیابی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی عمومی: طراحی، اجرا و ارزیابی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: آینده LLMs و هوش مصنوعی عمومی (AGI)

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و تاریخچه آن
• 2. مفاهیم کلیدی در هوش مصنوعی
• 3. یادگیری ماشین: مقدمه و دسته‌بندی
• 4. یادگیری نظارت‌شده: رگرسیون خطی
• 5. یادگیری نظارت‌شده: رگرسیون لجستیک
• 6. یادگیری نظارت‌شده: ماشین‌های بردار پشتیبان
• 7. یادگیری نظارت‌شده: درختان تصمیم
• 8. یادگیری نظارت‌شده: جنگل‌های تصادفی
• 9. یادگیری نظارت‌شده: مدل‌های ترکیبی (Ensemble Methods)
• 10. یادگیری بدون نظارت: خوشه‌بندی K-Means
• 11. یادگیری بدون نظارت: خوشه‌بندی سلسله‌مراتبی
• 12. یادگیری بدون نظارت: کاهش ابعاد PCA
• 13. یادگیری تقویتی: مفاهیم پایه
• 14. یادگیری تقویتی: الگوریتم‌های مبتنی بر ارزش
• 15. یادگیری تقویتی: الگوریتم‌های مبتنی بر سیاست
• 16. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 17. شبکه‌های عصبی مصنوعی: مبانی
• 18. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 19. توابع فعال‌سازی در شبکه‌های عصبی
• 20. پس‌انتشار خطا (Backpropagation)
• 21. شبکه‌های عصبی کانولوشنی (CNN)
• 22. کاربرد CNN در بینایی ماشین
• 23. شبکه‌های عصبی بازگشتی (RNN)
• 24. شبکه‌های حافظه کوتاه‌مدت طولانی (LSTM)
• 25. شبکه‌های واحد بازگشتی (GRU)
• 26. پردازش زبان طبیعی (NLP): مقدمه
• 27. مدل‌سازی زبان
• 28. تحلیل احساسات با استفاده از NLP
• 29. ترجمه ماشینی آماری
• 30. مدل‌های ترنسفورمر (Transformer Models)
• 31. شبکه‌های مولد تخاصمی (GANs)
• 32. کاربرد GANs در تولید داده
• 33. هوش مصنوعی مولد (Generative AI)
• 34. طراحی سیستم‌های هوش مصنوعی
• 35. معماری‌های شبکه‌های عصبی
• 36. مهندسی ویژگی (Feature Engineering)
• 37. انتخاب ویژگی (Feature Selection)
• 38. تنظیم فراپارامترها (Hyperparameter Tuning)
• 39. اعتبارسنجی متقابل (Cross-Validation)
• 40. ارزیابی مدل‌های یادگیری ماشین
• 41. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 42. معیارهای ارزیابی مدل‌های رگرسیون
• 43. تفسیرپذیری مدل‌های هوش مصنوعی (XAI)
• 44. مدل‌های قابل توضیح (Explainable Models)
• 45. سوگیری در هوش مصنوعی (Bias in AI)
• 46. عدالت در هوش مصنوعی (Fairness in AI)
• 47. شفافیت در هوش مصنوعی (Transparency in AI)
• 48. مسئولیت‌پذیری در هوش مصنوعی (Accountability in AI)
• 49. اخلاق در هوش مصنوعی
• 50. کاربرد هوش مصنوعی در سلامت
• 51. کاربرد هوش مصنوعی در آموزش
• 52. کاربرد هوش مصنوعی در صنعت
• 53. کاربرد هوش مصنوعی در کشاورزی
• 54. کاربرد هوش مصنوعی در حمل و نقل
• 55. کاربرد هوش مصنوعی در امور مالی
• 56. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندها
• 57. سیستم‌های توصیه‌گر (Recommender Systems)
• 58. فیلترینگ مشارکتی (Collaborative Filtering)
• 59. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
• 60. مدل‌های ترکیبی در سیستم‌های توصیه‌گر
• 61. شبکه‌های عصبی گراف (GNNs)
• 62. کاربرد GNNs در تحلیل شبکه‌ها
• 63. یادگیری انتقال (Transfer Learning)
• 64. یادگیری چندوظیفه‌ای (Multi-Task Learning)
• 65. یادگیری فِدِراتیو (Federated Learning)
• 66. یادگیری خودنظارت‌شده (Self-Supervised Learning)
• 67. یادگیری نیمه‌نظارت‌شده (Semi-Supervised Learning)
• 68. استنتاج آماری در هوش مصنوعی
• 69. بیزیَن نتورک‌ها (Bayesian Networks)
• 70. مدل‌های مارکوف پنهان (HMMs)
• 71. پردازش سیگنال با هوش مصنوعی
• 72. بینایی ماشین پیشرفته
• 73. تشخیص اشیاء (Object Detection)
• 74. تقسیم‌بندی تصویر (Image Segmentation)
• 75. تولید کپشن تصویر (Image Captioning)
• 76. تشخیص چهره و احراز هویت
• 77. پردازش گفتار و تشخیص صدا
• 78. تولید گفتار (Speech Synthesis)
• 79. رباتیک و هوش مصنوعی
• 80. سیستم‌های خودران
• 81. برنامه‌ریزی حرکت در رباتیک
• 82. یادگیری ماشین برای رباتیک
• 83. هوش مصنوعی در بازی‌ها
• 84. استراتژی‌های یادگیری ماشین در بازی
• 85. آزمایشگاه‌های هوش مصنوعی (AI Labs)
• 86. پایگاه‌های داده برای هوش مصنوعی
• 87. ابزارها و فریم‌ورک‌های هوش مصنوعی (TensorFlow, PyTorch)
• 88. پیاده‌سازی مدل‌های هوش مصنوعی
• 89. بهینه‌سازی مدل‌های هوش مصنوعی
• 90. استقرار مدل‌های هوش مصنوعی (Deployment)
• 91. نظارت بر عملکرد مدل‌های هوش مصنوعی
• 92. نگهداری و به‌روزرسانی مدل‌ها
• 93. مباحث پیشرفته در یادگیری عمیق
• 94. کاربرد هوش مصنوعی در پایش سلامت از راه دور
• 95. هوش مصنوعی در مدیریت منابع آب
• 96. هوش مصنوعی در پیش‌بینی حوادث طبیعی
• 97. هوش مصنوعی در امنیت سایبری
• 98. طراحی عامل‌های هوشمند (Intelligent Agents)
• 99. یادگیری عمیق برای سیستم‌های توصیه‌گر
• 100. هوش مصنوعی و داده‌های حجیم (Big Data)