فلش‌کارت‌های آموزشی TypeScript for Machine Learning: Building Intelligent Applications

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره TypeScript for Machine Learning: Building Intelligent Applications

موضوع کلی: برنامه نویسی

موضوع میانی: تایپ اسکریپت (TypeScript)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر TypeScript و کاربرد آن در یادگیری ماشین
• 2. تنظیم محیط توسعه برای پروژه‌های یادگیری ماشین با TypeScript
• 3. آشنایی با انواع داده‌ها و تایپ‌های پایه در TypeScript
• 4. تعریف اینترفیس‌ها و تایپ‌های سفارشی برای داده‌های عددی
• 5. مدیریت خطا و ایمنی تایپ در الگوریتم‌های یادگیری ماشین
• 6. پیاده‌سازی ماتریس‌ها و عملیات برداری با تایپ‌های قوی
• 7. کار با آرایه‌ها و حلقه‌ها برای پیش‌پردازش داده
• 8. توابع عمومی (Generics) برای مدل‌های انعطاف‌پذیر
• 9. مبانی یادگیری ماشین: مفاهیم نظارت‌شده و نظارت‌نشده
• 10. پیاده‌سازی رگرسیون خطی ساده در TypeScript
• 11. الگوریتم رگرسیون لجستیک برای دسته‌بندی دودویی
• 12. شبکه‌های عصبی مصنوعی: از پرسپترون تا لایه‌های مخفی
• 13. استفاده از TensorFlow.js برای ساخت مدل‌ها در TypeScript
• 14. بارگذاری و پیش‌پردازش داده‌های CSV با TypeScript
• 15. نرمال‌سازی و مقیاس‌بندی ویژگی‌ها در داده‌ها
• 16. تقسیم داده به مجموعه‌های آموزش و آزمون
• 17. معیارهای ارزیابی مدل: دقت، صحت، بازخوانی و F1
• 18. پیاده‌سازی K-نزدیک‌ترین همسایه (KNN) با TypeScript
• 19. الگوریتم K-میانگین برای خوشه‌بندی داده‌ها
• 20. درخت تصمیم و جنگل تصادفی در TypeScript
• 21. ماشین بردار پشتیبان (SVM) با کتابخانه‌های موجود
• 22. مدیریت overfitting با تنظیم کننده‌ها (Regularization)
• 23. افزایش داده (Data Augmentation) برای مجموعه‌های کوچک
• 24. مهندسی ویژگی: انتخاب و استخراج ویژگی‌های مؤثر
• 25. کار با داده‌های متنی: بردارسازی و Tokenization
• 26. طبقه‌بندی متن با شبکه‌های عصبی ساده
• 27. پیش‌بینی سری‌های زمانی با LSTM در TypeScript
• 28. مدل‌های ترکیبی (Ensemble) برای بهبود عملکرد
• 29. ذخیره و بارگذاری مدل‌های آموزش‌دیده در TypeScript
• 30. رابطه TypeScript با JavaScript و کتابخانه‌های ML
• 31. استفاده از APIهای یادگیری ماشین ابری در TypeScript
• 32. ایجاد خط لوله داده (Data Pipeline) با تایپ‌های ایمن
• 33. مدیریت حافظه و بهینه‌سازی در محاسبات عددی بزرگ
• 34. پیاده‌سازی تابع هزینه (Cost Function) در TypeScript
• 35. گرادیان کاهشی (Gradient Descent) از صفر با TypeScript
• 36. شبکه‌های عصبی کانولوشنی (CNN) برای تصاویر
• 37. طبقه‌بندی تصاویر با مدل‌های پیش‌آموزش‌دیده در TypeScript
• 38. تشخیص اشیاء و مرزها با TensorFlow.js
• 39. پردازش زبان طبیعی (NLP) پایه با TypeScript
• 40. تحلیل احساسات (Sentiment Analysis) با مدل‌های ساده
• 41. تولید متن با شبکه‌های بازگشتی (RNN) در TypeScript
• 42. مدل‌های ترنسفورمر (Transformer) و کاربردهای ساده
• 43. نظارت بر عملکرد مدل در حین آموزش
• 44. تست و اشکال‌زدایی مدل‌های یادگیری ماشین
• 45. ایجاد رابط کاربری برای نمایش خروجی مدل‌ها
• 46. یکپارچه‌سازی مدل با وب‌سرویس‌ها و APIها
• 47. مدیریت وابستگی‌ها و بسته‌های npm برای ML
• 48. بهبود سرعت اجرا با Web Workers در TypeScript
• 49. استفاده از GPU در مرورگر برای محاسبات ML
• 50. تکنیک‌های کاهش ابعاد (PCA) با TypeScript
• 51. تشخیص ناهنجاری (Anomaly Detection) در داده‌ها
• 52. سیستم‌های توصیه‌گر (Recommender Systems) ساده
• 53. مدل‌های مبتنی بر قوانین (Rule-based) در مقابل ML
• 54. مدیریت داده‌های گمشده و نویز در مجموعه داده
• 55. تبدیل داده‌های زمانی به ویژگی‌های عددی
• 56. رمزگذاری متغیرهای دسته‌ای (One-Hot Encoding)
• 57. پیاده‌سازی Cross-Validation برای ارزیابی مدل
• 58. بهینه‌سازی Hyperparameter با جستجوی شبکه‌ای
• 59. مدل‌های خطی تعمیم‌یافته برای رگرسیون و طبقه‌بندی
• 60. یادگیری انتقالی (Transfer Learning) با مدل‌های آماده
• 61. شبکه‌های مولد تخاصمی (GAN) مقدماتی در TypeScript
• 62. تحلیل خوشه‌بندی سلسله‌مراتبی
• 63. مدل‌های احتمالی: Naive Bayes برای طبقه‌بندی
• 64. تکنیک‌های bagging و boosting برای مدل‌های قوی
• 65. نظارت بر خطا و لاگ‌گیری در پروژه‌های ML
• 66. مدیریت نسخه مدل و داده با ابزارهای ساده
• 67. ایجاد داشبورد برای نمایش معیارهای مدل
• 68. تست واحد (Unit Testing) برای توابع ML
• 69. بهینه‌سازی کد TypeScript برای سرعت محاسبات
• 70. پشتیبانی از چندزبانه در مدل‌های NLP
• 71. مدل‌های ترکیبی متن و تصویر
• 72. تکنیک‌های پیش‌بینی روند و چرخه در داده
• 73. بازیابی داده از پایگاه‌های داده (SQL/NoSQL) در TypeScript
• 74. پایپ‌لاین پیش‌پردازش داده با کتابخانه Danfo.js
• 75. مقایسه عملکرد مدل‌های مختلف بر روی یک مجموعه داده