کتاب صوتی شفافیت در هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شفافیت در هوش مصنوعی

موضوع کلی: زیستن در عصر هوش مصنوعی

موضوع میانی: تفسیرپذیری مدل‌ها

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی
• 2. مفاهیم کلیدی یادگیری ماشین
• 3. شبکه‌های عصبی مصنوعی: یک نمای کلی
• 4. الگوریتم‌های طبقه‌بندی
• 5. الگوریتم‌های رگرسیون
• 6. ارزیابی مدل‌های یادگیری ماشین
• 7. بیش‌برازش و کم‌برازش
• 8. تنظیم هایپرپارامتر
• 9. انتخاب ویژگی
• 10. پیش‌پردازش داده‌ها
• 11. مهندسی ویژگی
• 12. مقدمه‌ای بر یادگیری عمیق
• 13. شبکه‌های عصبی کانولوشنال (CNN)
• 14. شبکه‌های عصبی بازگشتی (RNN)
• 15. پردازش زبان طبیعی (NLP)
• 16. مدل‌های زبانی بزرگ (LLM)
• 17. تکنیک‌های بردارسازی کلمه
• 18. تحلیل احساسات
• 19. تشخیص موجودیت نام‌دار
• 20. مقدمه‌ای بر بینایی کامپیوتر
• 21. تشخیص اشیا در تصاویر
• 22. تقسیم‌بندی تصویر
• 23. تولید تصویر
• 24. مقدمه‌ای بر رباتیک
• 25. برنامه‌ریزی حرکت ربات
• 26. کنترل ربات
• 27. مفاهیم اساسی یادگیری تقویتی
• 28. الگوریتم‌های یادگیری تقویتی
• 29. کاربردهای یادگیری تقویتی
• 30. مفاهیم اخلاقی در هوش مصنوعی
• 31. حریم خصوصی و امنیت داده‌ها
• 32. شفافیت مدل‌های هوش مصنوعی
• 33. تفسیرپذیری مدل‌های هوش مصنوعی
• 34. انصاف و بی‌طرفی در هوش مصنوعی
• 35. مسئولیت‌پذیری در هوش مصنوعی
• 36. مقدمه‌ای بر ابزارهای توسعه هوش مصنوعی
• 37. TensorFlow و Keras
• 38. PyTorch
• 39. Scikit-learn
• 40. مفاهیم کلیدی پایگاه داده‌های برداری
• 41. جستجوی شباهت
• 42. ذخیره‌سازی و بازیابی برداری
• 43. کاربردهای پایگاه داده‌های برداری
• 44. مقدمه‌ای بر پردازش داده‌های بزرگ
• 45. چارچوب‌های پردازش داده‌های بزرگ