فلش‌کارت‌های آموزشی تصمیم گیری هوشمندانه با یادگیری عمیق

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تصمیم گیری هوشمندانه با یادگیری عمیق

موضوع کلی: هوش مصنوعی، روانشناسی و تصمیم‌گیری

موضوع میانی: شبکه‌های عصبی و تجزیه و تحلیل ریسک

📋 سرفصل‌های دوره

• 1. تصمیم‌گیری مبتنی بر داده
• 2. مقدمه‌ای بر یادگیری عمیق
• 3. شبکه‌های عصبی مصنوعی: اصول اولیه
• 4. تابع فعال‌سازی و نقش آن
• 5. معماری‌های مختلف شبکه‌های عصبی
• 6. یادگیری با نظارت: رگرسیون خطی
• 7. یادگیری با نظارت: رگرسیون لجستیک
• 8. الگوریتم‌های طبقه‌بندی
• 9. ارزیابی مدل‌های طبقه‌بندی
• 10. تنظیم بیش‌بُرد (Overfitting) و راه‌حل‌ها
• 11. یادگیری بدون نظارت: خوشه‌بندی
• 12. خوشه‌بندی K-Means
• 13. تحلیل مولفه‌های اصلی (PCA)
• 14. کاهش ابعاد داده
• 15. انتخاب ویژگی (Feature Selection)
• 16. مقدمه‌ای بر شبکه‌های عصبی پیچشی (CNN)
• 17. پردازش تصاویر با CNN
• 18. تشخیص اشیاء در تصاویر
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. پردازش زبان طبیعی (NLP) با RNN
• 21. مدل‌سازی سری‌های زمانی
• 22. تولید متن با شبکه‌های عصبی
• 23. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GAN)
• 24. تولید تصاویر با GAN
• 25. تقویت یادگیری (Reinforcement Learning)
• 26. الگوریتم Q-Learning
• 27. سیاست‌گذاری گرادیان
• 28. کاربردهای یادگیری تقویتی
• 29. بهینه‌سازی توابع هزینه
• 30. روش‌های گرادیان کاهشی
• 31. الگوریتم‌های بهینه‌سازی پیشرفته
• 32. تنظیم نرخ یادگیری
• 33. انتخاب تابع هزینه مناسب
• 34. شبکه‌های عصبی عمیق و چالش‌ها
• 35. نرم‌افزارها و کتابخانه‌های یادگیری عمیق
• 36. مقدمه‌ای بر TensorFlow
• 37. مقدمه‌ای بر PyTorch
• 38. استفاده از یادگیری عمیق در مسائل واقعی
• 39. تصمیم‌گیری در شرایط عدم قطعیت
• 40. مدل‌سازی و پیش‌بینی ریسک
• 41. تحلیل حساسیت در یادگیری عمیق
• 42. تفسیرپذیری مدل‌های یادگیری عمیق
• 43. اخلاق در یادگیری عمیق و هوش مصنوعی
• 44. مبانی ریاضی یادگیری عمیق
• 45. ماتریس‌ها و عملیات ماتریسی در یادگیری عمیق