کتاب صوتی یادگیری ماشین: الگوریتم‌ها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین: الگوریتم‌ها و کاربردها

موضوع کلی: توسعه نرم‌افزار و سیستم‌های پردازش داده

موضوع میانی: هوش مصنوعی (Artificial Intelligence)

📋 سرفصل‌های دوره

• 1. آشنایی با یادگیری ماشین
• 2. مقدمه‌ای بر یادگیری ماشین و کاربردهای آن
• 3. انواع یادگیری ماشین: نظارت شده، نظارت نشده، تقویت شده
• 4. مجموعه‌های داده و پیش پردازش داده‌ها
• 5. ویژگی‌های داده‌ها و مهندسی ویژگی
• 6. انتخاب مدل مناسب برای مسئله‌ی مورد نظر
• 7. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 8. متریک‌های ارزیابی: دقت، صحت، فراخوانی، F1-score
• 9. مقدمه‌ای بر رگرسیون خطی
• 10. رگرسیون چندگانه و ارزیابی مدل‌های رگرسیونی
• 11. رگرسیون لجستیک برای طبقه‌بندی دودویی
• 12. درخت‌های تصمیم‌گیری: اصول و کاربردها
• 13. مجموعه‌های تصادفی: بهبود عملکرد درخت‌های تصمیم‌گیری
• 14. ماشین‌های بردار پشتیبان: اصول و کاربردها
• 15. نرمال‌سازی و استانداردسازی داده‌ها
• 16. کاهش ابعاد داده‌ها: PCA
• 17. خوشه‌بندی: K-means
• 18. خوشه‌بندی سلسله مراتبی
• 19. روش‌های ارزیابی خوشه‌بندی
• 20. شبکه‌های عصبی مصنوعی: مبانی
• 21. شبکه‌های عصبی پیشخور
• 22. شبکه‌های عصبی بازگشتی
• 23. شبکه‌های عصبی کانولوشن
• 24. بهینه‌سازی گرادیان نزولی
• 25. انتخاب نرخ یادگیری و تنظیم‌کننده‌ها
• 26. مقدمه‌ای بر یادگیری عمیق
• 27. شبکه‌های عصبی عمیق برای پردازش تصویر
• 28. شبکه‌های عصبی عمیق برای پردازش متن
• 29. شبکه‌های عصبی عمیق برای پردازش صوت
• 30. کاربرد یادگیری ماشین در تشخیص تقلب
• 31. کاربرد یادگیری ماشین در پیش‌بینی فروش
• 32. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
• 33. کاربرد یادگیری ماشین در پردازش زبان طبیعی
• 34. کاربرد یادگیری ماشین در بینایی کامپیوتری
• 35. کاربرد یادگیری ماشین در حوزه سلامت
• 36. کاربرد یادگیری ماشین در تحلیل داده‌های مالی
• 37. کاربرد یادگیری ماشین در مدیریت ریسک
• 38. تفسیرپذیری مدل‌های یادگیری ماشین
• 39. انتخاب ویژگی‌های مهم
• 40. استفاده از تکنیک‌های SHAP برای تفسیر مدل‌ها
• 41. محدودیت‌های یادگیری ماشین
• 42. چالش‌های داده‌های نامتعادل
• 43. پیشگیری از بیش‌برازش (Overfitting)
• 44. کاربرد یادگیری ماشین در تحلیل سری‌های زمانی
• 45. استفاده از مدل‌های ARIMA برای پیش‌بینی