کتاب صوتی هوش مصنوعی و تصمیم‌گیری در شرایط مبهم

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی و تصمیم‌گیری در شرایط مبهم

موضوع کلی: هوش مصنوعی

موضوع میانی: مدلسازی و استدلال با عدم قطعیت و ابهام

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و کاربردهای آن
• 2. تاریخچه و تکامل هوش مصنوعی
• 3. انواع داده‌ها و پیش‌پردازش آن‌ها
• 4. آشنایی با الگوریتم‌های یادگیری ماشین
• 5. یادگیری نظارت‌شده: رگرسیون خطی و لجستیک
• 6. یادگیری نظارت‌شده: درخت‌های تصمیم و جنگل تصادفی
• 7. یادگیری نظارت‌شده: ماشین‌های بردار پشتیبان
• 8. یادگیری بدون نظارت: خوشه‌بندی K-means
• 9. یادگیری بدون نظارت: تحلیل مولفه‌های اصلی (PCA)
• 10. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 11. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 12. شبکه‌های عصبی عمیق و معماری‌های آن‌ها
• 13. بهینه‌سازی شبکه‌های عصبی: گرادیان کاهشی
• 14. روش‌های جلوگیری از بیش‌برازش (Overfitting)
• 15. مقدمه‌ای بر یادگیری تقویتی
• 16. کاربردهای یادگیری تقویتی در تصمیم‌گیری
• 17. تصمیم‌گیری در شرایط عدم قطعیت
• 18. نظریه احتمال و کاربرد آن در هوش مصنوعی
• 19. توزیع‌های احتمالاتی رایج
• 20. روش‌های استنباط بیزی
• 21. مدل‌های گرافیکی احتمالی
• 22. مقدمه‌ای بر منطق فازی
• 23. قواعد فازی و استنتاج فازی
• 24. سیستم‌های خبره و پایگاه‌های دانش
• 25. استفاده از هوش مصنوعی در تحلیل داده‌های بزرگ
• 26. پردازش زبان طبیعی (NLP) و کاربردهای آن
• 27. تشخیص گفتار و تبدیل آن به متن
• 28. بینایی ماشین و پردازش تصویر
• 29. شناسایی الگو در تصاویر
• 30. مقدمه‌ای بر رباتیک و هوش مصنوعی
• 31. هوش مصنوعی در سیستم‌های توصیه گر
• 32. هوش مصنوعی در تشخیص تقلب
• 33. هوش مصنوعی در پیش‌بینی بازار
• 34. هوش مصنوعی در مدیریت ریسک
• 35. هوش مصنوعی در بهینه‌سازی زنجیره تامین
• 36. هوش مصنوعی و اتوماسیون فرآیندها
• 37. مقدمه‌ای بر یادگیری انتقالی
• 38. یادگیری خود نظارتی (Self-Supervised Learning)
• 39. کاربردهای هوش مصنوعی در حوزه سلامت
• 40. هوش مصنوعی و اخلاق
• 41. مسائل حقوقی مرتبط با هوش مصنوعی
• 42. امنیت هوش مصنوعی و مقابله با حملات
• 43. تفسیرپذیری مدل‌های هوش مصنوعی
• 44. مبانی محاسبات ابری و هوش مصنوعی
• 45. استفاده از کتابخانه‌های پایتون در هوش مصنوعی