کتاب صوتی هوش مصنوعی برای تحلیل داده‌های بزرگ

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی برای تحلیل داده‌های بزرگ

موضوع کلی: توسعه نرم‌افزار و سیستم‌های پردازش داده

موضوع میانی: هوش مصنوعی (Artificial Intelligence)

📋 سرفصل‌های دوره

• 1. هوش مصنوعی: مقدمه‌ای و کاربردها
• 2. مبانی ریاضی برای هوش مصنوعی
• 3. آشنایی با زبان‌های برنامه‌نویسی پرکاربرد در هوش مصنوعی
• 4. مفاهیم یادگیری ماشین
• 5. نظارت شده در مقابل یادگیری بدون نظارت
• 6. مدل‌های رگرسیونی خطی و چند‌متغیره
• 7. روش‌های ارزیابی مدل‌های رگرسیونی
• 8. درخت‌های تصمیم‌گیری و الگوریتم‌های مرتبط
• 9. ماشین‌های بردار پشتیبان (SVM)
• 10. شبکه‌های عصبی مصنوعی: اصول پایه
• 11. شبکه‌های عصبی پیشخور
• 12. شبکه‌های عصبی بازگشتی (RNN)
• 13. شبکه‌های عصبی کانولوشنال (CNN)
• 14. بهینه‌سازی توابع هزینه در شبکه‌های عصبی
• 15. انتخاب ویژگی و کاهش ابعاد داده‌ها
• 16. پردازش زبان طبیعی (NLP): مقدمه‌ای
• 17. مدل‌های زبانی و توکن‌سازی متن
• 18. استخراج ویژگی از متن
• 19. تحلیل احساسات و طبقه‌بندی متن
• 20. خلاصه سازی متن
• 21. شناسایی نهاد نامدار (NER)
• 22. تکنیک‌های خوشه‌بندی داده‌ها
• 23. تحلیل مولفه‌های اصلی (PCA)
• 24. کاهش ابعاد غیرخطی با t-SNE
• 25. روش‌های ارزیابی خوشه‌بندی
• 26. شناسایی الگوهای ناهنجار در داده‌ها
• 27. تکنیک‌های تشخیص تقلب با استفاده از هوش مصنوعی
• 28. کاربرد هوش مصنوعی در بازاریابی و فروش
• 29. پیش‌بینی رفتار مشتری با استفاده از یادگیری ماشین
• 30. تحلیل سبد خرید و سیستم‌های توصیه‌گر
• 31. کاربرد هوش مصنوعی در حوزه سلامت و درمان
• 32. تشخیص بیماری‌ها با استفاده از تصاویر پزشکی
• 33. تحلیل داده‌های ژنتیکی با استفاده از هوش مصنوعی
• 34. پیش‌بینی شیوع بیماری‌ها
• 35. کاربرد هوش مصنوعی در حوزه مالی
• 36. مدل‌سازی ریسک و پیش‌بینی بازار سهام
• 37. تشخیص تقلب در تراکنش‌های مالی
• 38. کاربرد هوش مصنوعی در حوزه انرژی
• 39. بهینه‌سازی مصرف انرژی با استفاده از یادگیری ماشین
• 40. پیش‌بینی تولید انرژی از منابع تجدیدپذیر
• 41. کاربرد هوش مصنوعی در حوزه حمل و نقل
• 42. مدیریت ترافیک با استفاده از هوش مصنوعی
• 43. خودران‌ها و سیستم‌های ناوبری هوشمند
• 44. آینده هوش مصنوعی در تحلیل داده‌های بزرگ