کتاب صوتی یادگیری ماشین کاربردی: از مبانی نظری تا پیاده‌سازی هوشمند با پایتون

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین کاربردی: از مبانی نظری تا پیاده‌سازی هوشمند با پایتون

موضوع کلی: علوم رایانه و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم پایه و تاریخچه هوش مصنوعی
• 2. مبانی و ضرورت یادگیری ماشین در عصر دیجیتال
• 3. محیط‌سازی و نصب ابزارهای برنامه‌نویسی پایتون
• 4. کار با کتابخانه‌های پایه ریاضی و علمی در پایتون
• 5. مفاهیم آماری و احتمالات کاربردی در یادگیری ماشین
• 6. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌های اطلاعاتی
• 7. تجسم داده‌ها و تحلیل اکتشافی برای درک الگوها
• 8. مفاهیم پایه یادگیری نظارت‌شده
• 9. الگوریتم رگرسیون خطی ساده و چندگانه
• 10. ارزیابی مدل‌های رگرسیون و معیارهای خطا
• 11. الگوریتم رگرسیون لجستیک برای مسائل طبقه‌بندی
• 12. طبقه‌بندی داده‌ها با استفاده از الگوریتم K-نزدیک‌ترین همسایه
• 13. درخت‌های تصمیم و نحوه ساختاردهی به داده‌ها
• 14. الگوریتم جنگل‌های تصادفی و بهبود دقت مدل
• 15. ماشین بردار پشتیبان و تحلیل حاشیه تصمیم
• 16. مفاهیم پایه یادگیری نظارت‌نشده
• 17. خوشه‌بندی داده‌ها با الگوریتم K-means
• 18. الگوریتم‌های سلسله‌مراتبی در خوشه‌بندی
• 19. کاهش ابعاد داده‌ها با تحلیل مؤلفه‌های اصلی
• 20. سیستم‌های توصیه‌گر و فیلترینگ مشارکتی
• 21. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 22. ساختار پرسپترون و توابع فعال‌ساز
• 23. آموزش شبکه‌های عصبی با روش پس‌انتشار خطا
• 24. مبانی یادگیری عمیق و کاربردهای آن
• 25. کار با کتابخانه تنسورفلو برای مدل‌سازی هوشمند
• 26. آشنایی با چارچوب پای‌تورچ در یادگیری ماشین
• 27. مدل‌های پیش‌بینی سری‌های زمانی
• 28. بهینه‌سازی هایپرپارامترها و تنظیم مدل
• 29. روش‌های جلوگیری از بیش‌برازش و کم‌برازش
• 30. مهندسی ویژگی‌ها برای افزایش دقت مدل
• 31. ارزیابی اخلاقی و مسئولانه هوش مصنوعی
• 32. کاربرد هوش مصنوعی در تحلیل داده‌های کلان
• 33. پیاده‌سازی یک پروژه جامع یادگیری ماشین
• 34. استقرار مدل‌های یادگیری ماشین در محیط‌های عملیاتی
• 35. آینده هوش مصنوعی و مسیرهای توسعه فناوری در ایران