کتاب صوتی پیاده‌سازی الگوهای طراحی برای سیستم‌های یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی الگوهای طراحی برای سیستم‌های یادگیری ماشین

موضوع کلی: برنامه نویسی

موضوع میانی: برنامه‌نویسی شیءگرا (OOP)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر برنامه‌نویسی شیءگرا
• 2. کلاس‌ها و اشیاء: ساختار و مفهوم
• 3. اصول کپسوله‌سازی و پنهان‌سازی اطلاعات
• 4. وراثت: توسعه‌پذیری و سلسله‌مراتب کلاس‌ها
• 5. پلی‌مورفیسم: انعطاف‌پذیری و رفتار چندشکل
• 6. مفاهیم متدهای مجازی و انتزاعی
• 7. پیاده‌سازی اینترفیس‌ها و کلاس‌های انتزاعی
• 8. ترکیب (Composition) در مقابل وراثت (Inheritance)
• 9. Dependency Injection: کاهش وابستگی‌ها
• 10. S.O.L.I.D Principles: مقدمه‌ای بر طراحی پایدار
• 11. اصل تک‌مسئولیتی (SRP)
• 12. اصل باز/بسته (OCP)
• 13. اصل جایگزینی لیسکوف (LSP)
• 14. اصل تفکیک اینترفیس (ISP)
• 15. اصل وارونگی وابستگی (DIP)
• 16. الگوهای طراحی: چرا و چگونه؟
• 17. تاریخچه و اهمیت الگوهای Gang of Four (GoF)
• 18. دسته‌بندی الگوهای طراحی: خلقی، ساختاری، رفتاری
• 19. مزایا و معایب استفاده از الگوهای طراحی
• 20. انتخاب الگوی طراحی مناسب
• 21. الگوهای خلقی: خلق شیء بهینه
• 22. الگوی Singleton: تضمین تک‌نمونه بودن شیء
• 23. پیاده‌سازی Singleton در محیط‌های چندنخی
• 24. الگوی Factory Method: ساخت شیء با کلاس‌های فرعی
• 25. سناریوهای کاربرد Factory Method
• 26. الگوی Abstract Factory: خانواده‌ای از اشیاء مرتبط
• 27. تفاوت Abstract Factory و Factory Method
• 28. الگوی Builder: ساخت شیء پیچیده مرحله به مرحله
• 29. استفاده از Builder برای پیکربندی‌های مختلف
• 30. الگوی Prototype: ساخت شیء با کپی کردن نمونه موجود
• 31. مفهوم Deep Copy و Shallow Copy در Prototype
• 32. مدیریت منابع و الگوهای خلقی
• 33. الگوهای خلقی برای تزریق وابستگی
• 34. الگوهای خلقی در معماری میکروسرویس‌ها
• 35. الگوهای خلقی و تست‌پذیری
• 36. الگوهای ساختاری: سازماندهی کلاس‌ها و اشیاء
• 37. الگوی Adapter: سازگاری اینترفیس‌ها
• 38. Adapter شیئی و Adapter کلاسی
• 39. الگوی Bridge: تفکیک انتزاع از پیاده‌سازی
• 40. کاربردهای Bridge در سیستم‌های توزیع شده
• 41. الگوی Composite: ساختار درختی از اشیاء
• 42. مدیریت عناصر و برگ‌ها در Composite
• 43. الگوی Decorator: افزودن مسئولیت به شیء به صورت دینامیک
• 44. تفاوت Decorator با وراثت
• 45. الگوی Facade: ساده‌سازی اینترفیس‌های پیچیده
• 46. کاربرد Facade در سیستم‌های بزرگ
• 47. الگوی Flyweight: به اشتراک‌گذاری اشیاء سبک
• 48. بهینه‌سازی حافظه با Flyweight
• 49. الگوی Proxy: کنترل دسترسی به شیء
• 50. انواع Proxy (مجازی، محافظ، ریموت، هوشمند)
• 51. الگوهای رفتاری: تعامل و مسئولیت بین اشیاء
• 52. الگوی Chain of Responsibility: ارسال درخواست به زنجیره
• 53. کاربرد Chain of Responsibility در پردازش درخواست
• 54. الگوی Command: کپسوله‌سازی درخواست به عنوان شیء
• 55. پیاده‌سازی قابلیت Undo/Redo با Command
• 56. الگوی Iterator: دسترسی متوالی به عناصر مجموعه
• 57. پیاده‌سازی Iterators سفارشی
• 58. الگوی Mediator: کاهش وابستگی‌های متقابل
• 59. کاربرد Mediator در رابط‌های کاربری پیچیده
• 60. الگوی Memento: بازیابی حالت قبلی شیء
• 61. پیاده‌سازی Memento برای قابلیت‌های بازگشت
• 62. الگوی Observer: اطلاع‌رسانی خودکار به وابسته‌ها
• 63. مدل Push و Pull در Observer
• 64. الگوی State: تغییر رفتار شیء بر اساس وضعیت داخلی
• 65. مدیریت ماشین‌های وضعیت با State
• 66. الگوی Strategy: تعریف خانواده‌ای از الگوریتم‌ها
• 67. انتخاب استراتژی مناسب به صورت دینامیک
• 68. الگوی Template Method: تعریف اسکلت یک الگوریتم
• 69. سفارشی‌سازی گام‌ها در Template Method
• 70. الگوی Visitor: افزودن عملیات جدید بدون تغییر کلاس‌ها
• 71. معماری سیستم‌های یادگیری ماشین: نمای کلی
• 72. چالش‌های مهندسی نرم‌افزار در ML
• 73. چرخه عمر مدل‌های یادگیری ماشین (MLOps)
• 74. مفاهیم داده، ویژگی و مدل در سیستم‌های ML
• 75. معیارهای کیفیت و ارزیابی در سیستم‌های ML
• 76. طراحی ماژولار برای مدل‌های ML با OOP
• 77. استفاده از Factory Pattern برای ایجاد مدل‌ها
• 78. مدیریت نسخه‌بندی مدل با الگوی Strategy
• 79. الگوی Builder برای ساخت خطوط لوله پیش‌پردازش داده
• 80. اعمال الگوی Decorator برای افزودن قابلیت‌های جدید به داده
• 81. الگوی Adapter برای یکپارچه‌سازی کتابخانه‌های ML مختلف
• 82. استفاده از Facade برای ساده‌سازی API مدل‌های پیچیده
• 83. الگوی Singleton برای مدیریت منابع محاسباتی (GPU)
• 84. الگوی Observer برای نظارت بر آموزش و عملکرد مدل
• 85. طراحی Data Access Layer (DAL) با الگوهای خلقی
• 86. پیاده‌سازی Feature Store با الگوهای ساختاری
• 87. الگوی Strategy برای انتخاب الگوریتم‌های پیش‌پردازش
• 88. مدیریت جریان کار (Workflow) با الگوی Command
• 89. استفاده از Template Method برای الگوریتم‌های آموزشی مشابه
• 90. الگوی Chain of Responsibility برای فیلتر کردن داده‌ها
• 91. پیاده‌سازی A/B Testing با الگوهای رفتاری
• 92. طراحی سیستم‌های تشخیص انحراف (Drift Detection) با Observer
• 93. الگوی Proxy برای کنترل دسترسی به مدل‌های دیپلمات
• 94. بهینه‌سازی عملکرد با الگوی Flyweight برای ویژگی‌ها
• 95. الگوهای طراحی برای مقیاس‌پذیری سیستم‌های ML
• 96. تست‌پذیری و الگوهای طراحی در ML
• 97. Refactoring کد ML با استفاده از الگوها
• 98. الگوهای ضد (Anti-Patterns) در مهندسی ML
• 99. ملاحظات اخلاقی و شفافیت در سیستم‌های ML با الگوها
• 100. آینده الگوهای طراحی در هوش مصنوعی و یادگیری ماشین