کتاب صوتی یادگیری ماشین: از صفر تا مدل‌سازی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین: از صفر تا مدل‌سازی

موضوع کلی: سیستم‌های هوش مصنوعی و تعاملات انسانی

موضوع میانی: هوش مصنوعی و اطلاعات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
• 2. انواع یادگیری ماشین: نظارت‌شده، بدون نظارت و تقویتی
• 3. پیش‌پردازش داده‌ها: پاکسازی و آماده‌سازی
• 4. مهندسی ویژگی: استخراج ویژگی‌های مؤثر
• 5. مبانی جبر خطی برای یادگیری ماشین
• 6. مبانی حساب دیفرانسیل و انتگرال برای یادگیری ماشین
• 7. آمار و احتمال در یادگیری ماشین
• 8. معرفی پایتون برای یادگیری ماشین
• 9. کتابخانه‌های پایتون: NumPy و Pandas
• 10. کتابخانه Scikit-learn: معرفی و کاربردها
• 11. رگرسیون خطی ساده و چندگانه
• 12. ارزیابی مدل‌های رگرسیون
• 13. رگرسیون لجستیک برای طبقه‌بندی
• 14. درخت‌های تصمیم‌گیری
• 15. جنگل تصادفی
• 16. ماشین بردار پشتیبان (SVM)
• 17. مبانی خوشه‌بندی: K-Means
• 18. خوشه‌بندی سلسله مراتبی
• 19. کاهش ابعاد: تحلیل مولفه‌های اصلی (PCA)
• 20. انتخاب ویژگی
• 21. اعتبارسنجی متقابل (Cross-Validation)
• 22. تنظیم پارامترها (Hyperparameter Tuning)
• 23. معرفی شبکه‌های عصبی
• 24. شبکه‌های عصبی پیش‌خور
• 25. بهینه‌سازی گرادیان کاهشی
• 26. شبکه‌های عصبی کانولوشنی (CNN)
• 27. پردازش تصویر با CNN
• 28. شبکه‌های عصبی بازگشتی (RNN)
• 29. پردازش زبان طبیعی (NLP) با RNN
• 30. مدل‌های زبانی
• 31. یادگیری تقویتی: مفاهیم پایه
• 32. Q-Learning
• 33. Deep Q-Network (DQN)
• 34. کاربرد یادگیری ماشین در تشخیص تقلب
• 35. کاربرد یادگیری ماشین در پیش‌بینی قیمت سهام
• 36. کاربرد یادگیری ماشین در تشخیص بیماری
• 37. یادگیری ماشین و اخلاق
• 38. تفسیرپذیری مدل‌های یادگیری ماشین
• 39. مقایسه مدل‌های یادگیری ماشین مختلف
• 40. استقرار مدل‌های یادگیری ماشین
• 41. مقیاس‌پذیری مدل‌های یادگیری ماشین
• 42. یادگیری ماشین ابری
• 43. آینده یادگیری ماشین
• 44. منابع و ابزارهای یادگیری ماشین
• 45. پروژه‌های عملی یادگیری ماشین