کتاب صوتی یادگیری ماشین: مقدمات و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین: مقدمات و کاربردها

موضوع کلی: برنامه‌نویسی مقدماتی کامپیوتر

موضوع میانی: مقدمه‌ای بر هوش مصنوعی (مفاهیم)

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 3. پیش‌پردازش داده‌ها و پاکسازی
• 4. انتخاب ویژگی و کاهش ابعاد
• 5. مدل‌های خطی: رگرسیون ساده و چندگانه
• 6. ارزیابی مدل‌های رگرسیونی
• 7. درخت‌های تصمیم‌گیری: مفاهیم و الگوریتم‌ها
• 8. جنگل‌های تصادفی: بهبود دقت و کاهش بیش‌برازش
• 9. ماشین‌های بردار پشتیبان (SVM): اصول و کاربردها
• 10. هسته‌ها در ماشین‌های بردار پشتیبان
• 11. ارزیابی مدل‌های طبقه‌بندی
• 12. ماتریس درهم‌ریختگی و معیارهای ارزیابی
• 13. روش‌های نمونه‌برداری برای داده‌های نامتعادل
• 14. یادگیری ماشین بدون نظارت: خوشه‌بندی K-means
• 15. خوشه‌بندی سلسله مراتبی
• 16. تحلیل مولفه‌های اصلی (PCA)
• 17. کاهش ابعاد غیرخطی: t-SNE
• 18. مقدمه‌ای بر شبکه‌های عصبی
• 19. پرceptron و الگوریتم یادگیری آن
• 20. شبکه‌های عصبی چندلایه (MLP)
• 21. بهینه‌سازی گرادیان کاهشی
• 22. انتخاب تابع فعال‌سازی
• 23. تنظیم پارامترهای شبکه‌های عصبی
• 24. Regularization و جلوگیری از بیش‌برازش
• 25. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 26. استخراج ویژگی با استفاده از CNN
• 27. شبکه‌های عصبی بازگشتی (RNN) برای داده‌های ترتیبی
• 28. حافظه کوتاه‌مدت بلند (LSTM)
• 29. شبکه‌های مولد تخاصمی (GAN)
• 30. کاربردهای GAN در تولید داده
• 31. یادگیری تقویتی: مفاهیم پایه
• 32. الگوریتم Q-learning
• 33. الگوریتم SARSA
• 34. مقدمه‌ای بر یادگیری عمیق تقویتی
• 35. انتخاب الگوریتم یادگیری ماشین مناسب
• 36. استقرار مدل‌های یادگیری ماشین
• 37. نظارت بر عملکرد مدل و بازآموزی
• 38. مقایسه کتابخانه‌های یادگیری ماشین: Scikit-learn، TensorFlow، PyTorch
• 39. مبانی پردازش زبان طبیعی (NLP)
• 40. مدل‌سازی زبانی با استفاده از N-grams
• 41. بردارسازی کلمات: Word2Vec و GloVe
• 42. تحلیل احساسات با استفاده از یادگیری ماشین
• 43. تشخیص موجودیت‌های نام‌گذاری شده (NER)
• 44. خلاصه سازی متن با استفاده از یادگیری ماشین
• 45. یادگیری ماشین قابل توضیح (XAI)