کتاب صوتی چرا مدل‌ها اشتباه می‌کنند؟

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره چرا مدل‌ها اشتباه می‌کنند؟

موضوع کلی: زیستن در عصر هوش مصنوعی

موضوع میانی: تفسیرپذیری مدل‌ها

📋 سرفصل‌های دوره

• 1. چرا مدل‌ها خطا می‌کنند؟
• 2. مقدمه‌ای بر خطاهای مدل‌های یادگیری ماشین
• 3. انواع خطاها در مدل‌های پیش‌بینی
• 4. علل اصلی خطاهای مدل
• 5. کیفیت داده و تأثیر آن بر دقت مدل
• 6. داده‌های نامتعادل و راهکارهای مقابله
• 7. نویز در داده‌ها و اثرات آن
• 8. پاکسازی داده‌ها برای بهبود عملکرد مدل
• 9. انتخاب ویژگی‌های مناسب برای مدل
• 10. مهندسی ویژگی و ایجاد متغیرهای جدید
• 11. تأثیر انتخاب الگوریتم بر دقت مدل
• 12. انتخاب الگوریتم مناسب برای مسئله
• 13. پارامترهای مدل و تنظیم آن‌ها
• 14. بیش‌برازش (Overfitting) و راه‌های جلوگیری از آن
• 15. کم‌برازش (Underfitting) و راه‌های مقابله
• 16. اعتبارسنجی متقابل (Cross-Validation) برای ارزیابی مدل
• 17. معیارهای ارزیابی مدل‌های رگرسیون
• 18. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 19. ماتریس درهم‌ریختگی (Confusion Matrix) و تفسیر آن
• 20. منحنی ROC و AUC
• 21. نرم‌های L1 و L2 و کاربرد آن‌ها در رگولاریزاسیون
• 22. روش‌های منظم‌سازی (Regularization) برای جلوگیری از بیش‌برازش
• 23. انتخاب مدل (Model Selection) و مقایسه آن‌ها
• 24. تفسیرپذیری مدل‌های یادگیری ماشین
• 25. اهمیت درک نحوه تصمیم‌گیری مدل
• 26. روش‌های مصورسازی نتایج مدل
• 27. شناسایی و رفع سوگیری در مدل‌ها
• 28. تأثیر داده‌های پرت (Outliers) بر عملکرد مدل
• 29. مقابله با مقادیر گمشده در داده‌ها
• 30. انتقال یادگیری (Transfer Learning) و کاربرد آن
• 31. یادگیری نیمه‌نظارتی (Semi-Supervised Learning)
• 32. یادگیری تقویتی (Reinforcement Learning) و خطاهای آن
• 33. مدل‌های ترکیبی (Ensemble Methods) و بهبود دقت
• 34. Boosting و کاربردهای آن
• 35. Bagging و کاربردهای آن
• 36. روش‌های کاهش ابعاد داده‌ها
• 37. تجزیه مولفه‌های اصلی (PCA)
• 38. تحلیل تفکیک خطی (LDA)
• 39. تأثیر داده‌های آموزشی بر مدل
• 40. تغییر توزیع داده‌ها و اثرات آن بر مدل
• 41. نظارت بر مدل در طول زمان و شناسایی تغییرات
• 42. به‌روزرسانی مدل با داده‌های جدید
• 43. خطای انسانی در فرآیند ساخت مدل
• 44. اهمیت بررسی و اعتبارسنجی نتایج مدل
• 45. محدودیت‌های مدل‌های یادگیری ماشین