کتاب صوتی یادگیری ماشین کاربردی: از مفاهیم پایه تا پیاده‌سازی مدل‌های پیش‌بینی در صنعت و پژوهش

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین کاربردی: از مفاهیم پایه تا پیاده‌سازی مدل‌های پیش‌بینی در صنعت و پژوهش

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و تحلیل داده‌های هوشمند

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین و نقش آن در تحول دیجیتال
• 2. آشنایی با محیط‌های برنامه‌نویسی و کتابخانه‌های پایه
• 3. مفاهیم آماری و احتمالات در تحلیل داده‌ها
• 4. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌های اطلاعاتی
• 5. تحلیل اکتشافی داده‌ها و مصورسازی آماری
• 6. کاهش ابعاد و انتخاب ویژگی‌های کلیدی
• 7. مبانی یادگیری نظارت‌شده و رگرسیون خطی
• 8. الگوریتم‌های رگرسیون چندگانه و ارزیابی خطا
• 9. طبقه‌بندی داده‌ها با استفاده از رگرسیون لجستیک
• 10. الگوریتم‌های مبتنی بر فاصله و نزدیک‌ترین همسایگی
• 11. درخت‌های تصمیم و مدل‌های مبتنی بر قوانین
• 12. جنگل‌های تصادفی و یادگیری تجمعی
• 13. ماشین‌های بردار پشتیبان و تفکیک‌کننده‌های بهینه
• 14. مبانی یادگیری نظارت‌نشده و خوشه‌بندی
• 15. الگوریتم‌های خوشه‌بندی سلسله‌مراتبی و K-means
• 16. کاهش ابعاد با تحلیل مؤلفه‌های اصلی
• 17. شبکه‌های عصبی مصنوعی و مدل‌های نورونی ساده
• 18. معماری پرسپترون چندلایه و الگوریتم پس‌انتشار خطا
• 19. مبانی یادگیری عمیق و لایه‌های پنهان
• 20. توابع فعال‌سازی و بهینه‌سازی در مدل‌های عصبی
• 21. تنظیم مدل و جلوگیری از بیش‌برازش
• 22. اعتبارسنجی متقاطع و بهینه‌سازی فراپارامترها
• 23. آموزش مدل‌های پیش‌بینی برای داده‌های سری زمانی
• 24. کاربرد یادگیری ماشین در تحلیل متن و پردازش زبان فارسی
• 25. استخراج ویژگی از متون و مدل‌های برداری کلمات
• 26. سیستم‌های توصیه‌گر و الگوریتم‌های پالایش مشارکتی
• 27. تشخیص ناهنجاری در داده‌های صنعتی و بانکی
• 28. پیاده‌سازی مدل‌های یادگیری ماشین با پایتون
• 29. استقرار مدل‌های هوشمند در محیط‌های عملیاتی
• 30. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در الگوریتم‌ها
• 31. استانداردها و چارچوب‌های بومی در توسعه سامانه‌های هوشمند
• 32. مطالعه موردی تحلیل داده‌های کشاورزی و منابع طبیعی
• 33. مطالعه موردی هوشمندسازی فرآیندهای تولید صنعتی
• 34. مطالعه موردی کاربرد یادگیری ماشین در مدیریت شبکه و امنیت زیرساخت
• 35. مدیریت چرخه‌حیات مدل‌های هوشمند در سازمان‌ها