فلش‌کارت‌های آموزشی شفافیت در هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شفافیت در هوش مصنوعی

موضوع کلی: فناوری و حکمرانی

موضوع میانی: شفافیت الگوریتمی

📋 سرفصل‌های دوره

• 1. شروع:
• 2. مقدمه‌ای بر هوش مصنوعی
• 3. تاریخچه و سیر تحول هوش مصنوعی
• 4. تعریف و مفاهیم پایه‌ای هوش مصنوعی
• 5. انواع هوش مصنوعی: ضعیف، قوی، فوق بشری
• 6. کاربردهای هوش مصنوعی در حوزه‌های مختلف
• 7. اخلاق در هوش مصنوعی: چالش‌ها و راهکارها
• 8. مبانی ریاضیاتی هوش مصنوعی: جبر خطی
• 9. مبانی ریاضیاتی هوش مصنوعی: احتمال و آمار
• 10. مبانی ریاضیاتی هوش مصنوعی: حساب دیفرانسیل و انتگرال
• 11. یادگیری ماشین: مفاهیم کلی
• 12. انواع یادگیری ماشین: نظارت شده، بدون نظارت، نیمه‌نظارت شده
• 13. الگوریتم‌های یادگیری ماشین: رگرسیون خطی
• 14. الگوریتم‌های یادگیری ماشین: درخت تصمیم گیری
• 15. الگوریتم‌های یادگیری ماشین: ماشین‌های بردار پشتیبان (SVM)
• 16. الگوریتم‌های یادگیری ماشین: خوشه‌بندی K-means
• 17. شبکه‌های عصبی مصنوعی: مفاهیم پایه
• 18. معماری شبکه‌های عصبی: پرسپترن چندلایه
• 19. تابع فعال‌سازی در شبکه‌های عصبی
• 20. الگوریتم‌های آموزش شبکه‌های عصبی: پس انتشار
• 21. شبکه‌های عصبی کانولوشنال (CNN): کاربردها و معماری
• 22. شبکه‌های عصبی بازگشتی (RNN): کاربردها و معماری
• 23. پردازش زبان طبیعی (NLP): مفاهیم پایه
• 24. پردازش زبان طبیعی: مدل‌های زبانی
• 25. پردازش زبان طبیعی: تحلیل معنایی و ابهام زدایی
• 26. پردازش تصویر: مفاهیم پایه
• 27. پردازش تصویر: تشخیص اشیاء
• 28. پردازش تصویر: تقسیم بندی تصاویر
• 29. هوش مصنوعی و رباتیک: مفاهیم پایه
• 30. هوش مصنوعی در خودروهای خودران
• 31. هوش مصنوعی در سیستم‌های توصیه گر
• 32. هوش مصنوعی در تشخیص تقلب
• 33. هوش مصنوعی در پزشکی: تشخیص بیماری‌ها
• 34. هوش مصنوعی در بازاریابی: تحلیل رفتار مشتریان
• 35. هوش مصنوعی در امنیت سایبری: تشخیص نفوذ
• 36. هوش مصنوعی در پیش‌بینی آب و هوا
• 37. هوش مصنوعی در مدیریت زنجیره تامین
• 38. آینده هوش مصنوعی: چالش‌ها و فرصت‌ها
• 39. تکنیک‌های ارزیابی عملکرد مدل‌های هوش مصنوعی
• 40. نحوه انتخاب الگوریتم مناسب برای یک مسئله خاص
• 41. ملاحظات مربوط به هزینه محاسباتی در هوش مصنوعی
• 42. منابع داده برای آموزش مدل‌های هوش مصنوعی