کتاب صوتی هوش مصنوعی برای همه: درک عمیق مفاهیم کلیدی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی برای همه: درک عمیق مفاهیم کلیدی

موضوع کلی: هوش مصنوعی

موضوع میانی: مبانی و مفاهیم کلیدی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. هوش مصنوعی برای همه: درک عمیق مفاهیم کلیدی
• 2. مقدمه: هوش مصنوعی چیست و چرا اهمیت دارد؟
• 3. تاریخچه مختصری از هوش مصنوعی
• 4. فلسفه و اخلاق در هوش مصنوعی
• 5. هوش مصنوعی ضعیف و قوی: تمایزات و چشم‌اندازها
• 6. داده‌ها: سوخت هوش مصنوعی
• 7. یادگیری ماشینی: مفاهیم و انواع
• 8. یادگیری نظارت‌شده: رگرسیون و طبقه‌بندی
• 9. یادگیری نظارت‌نشده: خوشه‌بندی و کاهش ابعاد
• 10. یادگیری تقویتی: اصول و کاربردها
• 11. شبکه‌های عصبی: معماری و عملکرد
• 12. شبکه‌های عصبی عمیق: مفاهیم و ساختارها
• 13. یادگیری عمیق: تاریخچه و پیشرفت‌ها
• 14. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 15. مدل‌های زبانی: از N-gram تا ترنسفورمرها
• 16. ترنسفورمرها و مدل‌های زبانی بزرگ (LLMs)
• 17. کاربردهای NLP: ترجمه ماشینی، تشخیص گفتار، و...
• 18. بینایی کامپیوتر: مفاهیم و چالش‌ها
• 19. پردازش تصویر: اصول و تکنیک‌ها
• 20. تشخیص اشیاء و ردیابی
• 21. تولید تصویر: از GANs تا diffusion models
• 22. رباتیک: اصول و کاربردها
• 23. معماری رباتیک: سخت‌افزار و نرم‌افزار
• 24. سیستم‌های خبره: تعریف و کاربردها
• 25. منطق فازی: اصول و کاربردها
• 26. جستجو در هوش مصنوعی: الگوریتم‌ها و تکنیک‌ها
• 27. الگوریتم‌های جستجوی آگاهانه و ناآگاهانه
• 28. بازی‌ها و هوش مصنوعی: استراتژی‌ها و الگوریتم‌ها
• 29. هوش مصنوعی در صنعت: کاربردها و چالش‌ها
• 30. هوش مصنوعی در پزشکی: تشخیص و درمان
• 31. هوش مصنوعی در مالی: پیش‌بینی و مدیریت ریسک
• 32. هوش مصنوعی در بازاریابی: شخصی‌سازی و تحلیل داده‌ها
• 33. هوش مصنوعی در حمل‌ونقل: خودروهای خودران
• 34. هوش مصنوعی در آموزش: شخصی‌سازی یادگیری
• 35. هوش مصنوعی در کشاورزی: بهینه‌سازی تولید
• 36. هوش مصنوعی در امنیت سایبری: تشخیص و پیشگیری
• 37. یادگیری فدراسیونی: اصول و کاربردها
• 38. هوش مصنوعی توضیح‌پذیر (XAI): چرا و چگونه؟
• 39. بایاس و انصاف در هوش مصنوعی
• 40. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
• 41. آینده هوش مصنوعی: روندهای کلیدی و پیش‌بینی‌ها
• 42. ابزارها و کتابخانه‌های هوش مصنوعی: مروری بر TensorFlow، PyTorch و ...
• 43. مقدمه‌ای بر ریاضیات مورد نیاز برای هوش مصنوعی
• 44. جبر خطی در هوش مصنوعی
• 45. حسابان در هوش مصنوعی
• 46. آمار و احتمال در هوش مصنوعی
• 47. اصول و مفاهیم Bayesian
• 48. انتخاب و ارزیابی مدل: معیارهای ارزیابی
• 49. اعتبارسنجی متقابل (Cross-Validation)
• 50. تنظیم پارامترها (Hyperparameter Tuning)
• 51. مدیریت و پیش‌پردازش داده‌ها
• 52. مهندسی ویژگی‌ها (Feature Engineering)
• 53. مقدمه‌ای بر مدل‌سازی داده‌ها
• 54. ساختارهای داده‌ها و الگوریتم‌ها برای هوش مصنوعی
• 55. بهینه‌سازی در هوش مصنوعی
• 56. روش‌های گرادیان کاهشی (Gradient Descent)
• 57. اصول و مفاهیم آمار استنباطی
• 58. تست فرضیه
• 59. فاصله اطمینان
• 60. رگرسیون لجستیک
• 61. ماشین‌های بردار پشتیبان (SVM)
• 62. درخت‌های تصمیم‌گیری
• 63. جنگل‌های تصادفی
• 64. تقویت گرادیان
• 65. خوشه‌بندی k-means
• 66. خوشه‌بندی سلسله‌مراتبی
• 67. ارزیابی مدل‌های خوشه‌بندی
• 68. کاهش ابعاد با PCA
• 69. کاهش ابعاد با t-SNE
• 70. مدل‌های مولد (Generative Models)
• 71. شبکه‌های عصبی کانولوشنی (CNN)
• 72. شبکه‌های عصبی بازگشتی (RNN)
• 73. شبکه‌های LSTM
• 74. شبکه‌های GRU
• 75. پردازش زبان طبیعی: توکن‌سازی و نمایش کلمات
• 76. درهم‌سازی کلمات (Word Embeddings): Word2Vec، GloVe
• 77. مدل‌های زبانی پیشرفته: BERT و GPT
• 78. ترجمه ماشینی عصبی
• 79. تولید متن: کاربردها و چالش‌ها
• 80. سیستم‌های توصیه‌گر
• 81. هوش مصنوعی و اینترنت اشیاء (IoT)
• 82. هوش مصنوعی و بلاک‌چین
• 83. هوش مصنوعی و محاسبات کوانتومی
• 84. هوش مصنوعی و ابررایانه
• 85. طراحی رابط کاربری برای هوش مصنوعی
• 86. اخلاق و مسئولیت‌پذیری در طراحی هوش مصنوعی
• 87. حاکمیت داده‌ها و هوش مصنوعی
• 88. نقش دولت‌ها در توسعه هوش مصنوعی
• 89. تاثیر هوش مصنوعی بر اشتغال و بازار کار
• 90. چالش‌های پیاده‌سازی هوش مصنوعی در سازمان‌ها
• 91. استراتژی‌های پیاده‌سازی هوش مصنوعی
• 92. نوآوری و کارآفرینی در هوش مصنوعی
• 93. آینده پژوهی و توسعه هوش مصنوعی
• 94. نقش انسان در آینده هوش مصنوعی
• 95. فرصت‌های شغلی در حوزه هوش مصنوعی
• 96. منابع یادگیری بیشتر برای هوش مصنوعی
• 97. مباحث پیشرفته در یادگیری تقویتی
• 98. یادگیری انتقال (Transfer Learning)
• 99. یادگیری فعال (Active Learning)
• 100. نقشه‌های خودسازمان‌دهنده (SOM)