کتاب صوتی هوش مصنوعی: درک و اعتماد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی: درک و اعتماد

موضوع کلی: زیستن در عصر هوش مصنوعی

موضوع میانی: تفسیرپذیری مدل‌ها

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی
• 2. تاریخچه هوش مصنوعی و تحولات آن
• 3. کاربردهای هوش مصنوعی در دنیای امروز
• 4. یادگیری ماشین: مقدمه‌ای
• 5. انواع الگوریتم‌های یادگیری ماشین
• 6. یادگیری نظارت شده: رگرسیون
• 7. یادگیری نظارت شده: طبقه‌بندی
• 8. یادگیری بدون نظارت: خوشه‌بندی
• 9. یادگیری تقویتی: اصول و مفاهیم
• 10. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 11. لایه‌های پنهان در شبکه‌های عصبی
• 12. بهینه‌سازی شبکه‌های عصبی: الگوریتم‌های گرادیان کاهشی
• 13. شبکه‌های عصبی کانولوشنال (CNN): مقدمه
• 14. شبکه‌های عصبی بازگشتی (RNN): مقدمه
• 15. پردازش زبان طبیعی (NLP): مقدمه‌ای
• 16. تحلیل احساسات با استفاده از هوش مصنوعی
• 17. مدل‌سازی زبان: پیش‌بینی کلمات
• 18. ترجمه ماشینی: اصول و چالش‌ها
• 19. بینایی ماشین: تشخیص اشیاء در تصاویر
• 20. تشخیص چهره با استفاده از هوش مصنوعی
• 21. تولید تصویر با هوش مصنوعی
• 22. هوش مصنوعی در رباتیک
• 23. هوش مصنوعی در پزشکی
• 24. هوش مصنوعی در امور مالی
• 25. هوش مصنوعی در کشاورزی
• 26. هوش مصنوعی در صنعت
• 27. هوش مصنوعی در حمل و نقل
• 28. مفاهیم اخلاقی در هوش مصنوعی
• 29. سوگیری در الگوریتم‌های هوش مصنوعی
• 30. تفسیرپذیری هوش مصنوعی
• 31. حریم خصوصی و امنیت در هوش مصنوعی
• 32. اتوماسیون فرآیندها با هوش مصنوعی
• 33. چالش‌های پیاده‌سازی هوش مصنوعی
• 34. مقایسه فریم‌ورک‌های هوش مصنوعی: TensorFlow و PyTorch
• 35. پیش‌پردازش داده‌ها برای یادگیری ماشین
• 36. انتخاب ویژگی (Feature Selection)
• 37. ارزیابی عملکرد مدل‌های هوش مصنوعی
• 38. تنظیم هایپرپارامترها
• 39. جلوگیری از بیش‌برازش (Overfitting)
• 40. تکنیک‌های افزایش داده (Data Augmentation)
• 41. یادگیری انتقالی (Transfer Learning)
• 42. استفاده از داده‌های بزرگ (Big Data) در هوش مصنوعی
• 43. هوش مصنوعی و اینترنت اشیا (IoT)
• 44. هوش مصنوعی لبه‌ای (Edge AI)
• 45. آینده هوش مصنوعی و روندهای نوظهور