کتاب صوتی مبانی کاربردی یادگیری ماشین: از مفاهیم تئوری تا پیاده‌سازی هوشمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی کاربردی یادگیری ماشین: از مفاهیم تئوری تا پیاده‌سازی هوشمند

موضوع کلی: علوم رایانه و مهندسی داده

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی و تاریخچه هوش مصنوعی در علوم رایانه
• 2. جایگاه یادگیری ماشین در اکوسیستم هوش مصنوعی
• 3. مفاهیم پایه و تعاریف آماری در یادگیری ماشین
• 4. انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده و تقویت‌شده
• 5. آشنایی با محیط برنامه‌نویسی پایتون برای علوم داده
• 6. کار با کتابخانه‌های پایه ریاضی و محاسباتی در پایتون
• 7. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌های داده
• 8. تحلیل اکتشافی داده‌ها و مصورسازی آماری
• 9. مفاهیم یادگیری نظارت‌شده و تابع هدف
• 10. رگرسیون خطی ساده و تحلیل همبستگی داده‌ها
• 11. رگرسیون چندمتغیره و بهینه‌سازی پارامترها
• 12. روش‌های ارزیابی مدل‌های رگرسیون
• 13. مبانی طبقه‌بندی و الگوریتم رگرسیون لجستیک
• 14. معیارهای ارزیابی طبقه‌بندی: دقت، بازیابی و امتیاز اف
• 15. الگوریتم نزدیک‌ترین همسایگی
• 16. درخت‌های تصمیم و معیارهای شاخه بندی
• 17. روش‌های کاهش بیش‌برازش در درخت‌های تصمیم
• 18. یادگیری جمعی و مفاهیم پایه جنگل‌های تصادفی
• 19. مقدمه‌ای بر ماشین‌های بردار پشتیبان
• 20. مفاهیم خوشه‌بندی و الگوریتم کا-میانگین
• 21. کاهش ابعاد و تحلیل مؤلفه‌های اصلی
• 22. مبانی شبکه‌های عصبی مصنوعی و پرسپترون
• 23. توابع فعال‌ساز و نقش آن‌ها در یادگیری
• 24. الگوریتم پس‌انتشار خطا و بهینه‌سازی وزن‌ها
• 25. مقدمه‌ای بر یادگیری عمیق و ساختار لایه‌ها
• 26. آشنایی با چارچوب‌های یادگیری عمیق استاندارد
• 27. مدیریت مجموعه داده‌های آموزشی و آزمون
• 28. اعتبارسنجی متقاطع برای بهبود پایداری مدل
• 29. تنظیم ابرپارامترها برای دستیابی به عملکرد بهینه
• 30. مبانی مهندسی ویژگی و استخراج ویژگی‌های کلیدی
• 31. چالش‌های داده‌های نامتوازن و راهکارهای مدیریت آن
• 32. مقدمه‌ای بر یادگیری تقویت‌شده و عوامل هوشمند
• 33. کاربردهای یادگیری ماشین در تحلیل داده‌های متنی
• 34. اصول اخلاق در هوش مصنوعی و حریم خصوصی داده‌ها
• 35. مدیریت چرخه‌حیات مدل‌های یادگیری ماشین
• 36. پیاده‌سازی مدل‌های یادگیری ماشین در سامانه‌های کاربردی
• 37. بهینه‌سازی عملکرد مدل برای محیط‌های عملیاتی
• 38. مستندسازی و گزارش‌دهی نتایج تحلیل داده‌ها
• 39. آینده هوش مصنوعی و مسیرهای پژوهشی در ایران
• 40. پروژه نهایی: طراحی یک سامانه هوشمند داده‌محور