فلش‌کارت‌های آموزشی تست خودکار با یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تست خودکار با یادگیری ماشین

موضوع کلی: هوش مصنوعی در توسعه نرم‌افزار

موضوع میانی: ارزیابی مقاومت سیستم در برابر خطا

📋 سرفصل‌های دوره

• 1. آشنایی با یادگیری ماشین
• 2. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، نیمه‌نظارت شده
• 4. مجموعه‌های داده و پیش پردازش داده‌ها
• 5. ویژگی‌های داده‌ها: انواع و انتخاب آن‌ها
• 6. تقسیم داده‌ها: آموزش، اعتبارسنجی و آزمون
• 7. مدل‌های خطی: رگرسیون خطی ساده و چندگانه
• 8. مدل‌های غیرخطی: چندجمله‌ای و توابع پایه شعاعی
• 9. ارزیابی مدل‌های رگرسیونی: معیار خطای میانگین مربعات
• 10. درخت‌های تصمیم‌گیری: ساختار و الگوریتم‌ها
• 11. جنگل‌های تصادفی: ترکیب درخت‌های تصمیم‌گیری برای بهبود دقت
• 12. ماشین‌های بردار پشتیبان: مفهوم حاشیه و کرنل‌ها
• 13. شبکه‌های عصبی مصنوعی: ساختار و عملکرد پایه
• 14. الگوریتم‌های انتشار پس‌رو: آموزش شبکه‌های عصبی
• 15. کاربردهای شبکه‌های عصبی در تشخیص الگو
• 16. کلاسترینگ: الگوریتم‌های K-means و سلسله مراتبی
• 17. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 18. انتخاب ویژگی: روش‌های فیلتر، رپِر و تعبیری
• 19. مبنای نظریه‌پردازی: قضیه بیز و احتمال شرطی
• 20. ارزیابی عملکرد: ماتریس درهم‌ریختگی، دقت، بازیابی، F1-score
• 21. متریک‌های ارزیابی: AUC-ROC و دقت
• 22. بیش‌برازش و کم‌برازش: تشخیص و درمان
• 23. تنظیم پارامترها: جستجوی شبکه‌ای و اعتبارسنجی متقاطع
• 24. روش‌های افزایش داده‌ها: ایجاد داده‌های جدید از موجودی‌ها
• 25. تکنیک‌های حذف نویز: فیلتر کردن داده‌ها
• 26. مدل‌های مبتنی بر قانون: الگوریتم‌های Rule Induction
• 27. نرم‌افزارهای رایج یادگیری ماشین: scikit-learn، TensorFlow، Keras
• 28. کاربرد یادگیری ماشین در پردازش تصویر
• 29. کاربرد یادگیری ماشین در پردازش زبان طبیعی
• 30. کاربرد یادگیری ماشین در تحلیل سری‌های زمانی
• 31. کاربرد یادگیری ماشین در تشخیص تقلب
• 32. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
• 33. مقدمه‌ای بر یادگیری تقویتی
• 34. الگوریتم‌های یادگیری تقویتی: Q-learning و SARSA
• 35. کاربرد یادگیری تقویتی در بازی‌ها
• 36. نکات مهم در انتخاب الگوریتم یادگیری ماشین
• 37. چالش‌های یادگیری ماشین: داده‌های نامتعادل، داده‌های گم‌شده
• 38. آینده‌ی یادگیری ماشین: ترندها و پیشرفت‌ها
• 39. ابزارهای توسعه یادگیری ماشین: Jupyter Notebook، Google Colab
• 40. بهینه‌سازی کد یادگیری ماشین: سرعت و حافظه
• 41. استقرار مدل‌های یادگیری ماشین: API‌ها و سرورها
• 42. نکات اخلاقی در یادگیری ماشین: حریم خصوصی، تبعیض، شفافیت