کتاب صوتی آشنایی با یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آشنایی با یادگیری ماشین

موضوع کلی: فناوری اطلاعات و مهارت‌های دیجیتال

موضوع میانی: مبانی ماشین لرنینگ

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. انواع الگوریتم‌های یادگیری ماشین
• 3. یادگیری نظارت‌شده: مقدمه و کاربردها
• 4. رگرسیون خطی و چندگانه
• 5. رگرسیون لجستیک
• 6. دسته‌بندی با ماشین‌های بردار پشتیبان (SVM)
• 7. درخت‌های تصمیم‌گیری
• 8. جنگل تصادفی
• 9. نارنجک‌گرایی (Gradient Boosting)
• 10. ارزیابی مدل‌های یادگیری نظارت‌شده
• 11. یادگیری بدون نظارت: مقدمه و کاربردها
• 12. خوشه‌بندی K-میانگین
• 13. خوشه‌بندی سلسله‌مراتبی
• 14. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 15. انتخاب ویژگی و مهندسی ویژگی
• 16. پیش‌پردازش داده‌ها: پاکسازی و نرمال‌سازی
• 17. مدل‌سازی و اعتبارسنجی متقابل
• 18. بیش‌برازش و کم‌برازش: تشخیص و درمان
• 19. شبکه‌های عصبی مصنوعی: مقدمه
• 20. شبکه‌های عصبی پیش‌خور
• 21. روش‌های بهینه‌سازی در شبکه‌های عصبی
• 22. یادگیری عمیق و معماری‌های آن
• 23. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 24. شبکه‌های عصبی بازگشتی (RNN) برای پردازش متن
• 25. پردازش زبان طبیعی (NLP) و یادگیری ماشین
• 26. تحلیل احساسات با استفاده از یادگیری ماشین
• 27. تشخیص نام موجودیت‌ها (NER)
• 28. خلاصه‌سازی متن با استفاده از یادگیری ماشین
• 29. یادگیری تقویتی: مفاهیم پایه
• 30. الگوریتم Q-Learning
• 31. الگوریتم SARSA
• 32. کاربرد یادگیری تقویتی در رباتیک
• 33. یادگیری ماشین و داده‌های بزرگ
• 34. مفاهیم پایگاه داده NoSQL برای یادگیری ماشین
• 35. ابزارهای یادگیری ماشین: Scikit-learn
• 36. ابزارهای یادگیری ماشین: TensorFlow
• 37. ابزارهای یادگیری ماشین: Keras
• 38. ابزارهای یادگیری ماشین: PyTorch
• 39. استقرار مدل‌های یادگیری ماشین
• 40. نظارت بر عملکرد مدل و بازآموزی
• 41. اخلاق در یادگیری ماشین و حریم خصوصی داده‌ها
• 42. تفسیرپذیری مدل‌های یادگیری ماشین
• 43. یادگیری انتقالی (Transfer Learning)
• 44. یادگیری خودنظارتی (Self-Supervised Learning)
• 45. یادگیری ماشین در تشخیص تقلب