کتاب صوتی مدل‌سازی طبقه‌بندی: روش‌ها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی طبقه‌بندی: روش‌ها و کاربردها

موضوع کلی: علوم داده و هوش مصنوعی در سازمان

موضوع میانی: مدل‌سازی آماری

📋 سرفصل‌های دوره

• 1. مدل‌سازی طبقه‌بندی: مفاهیم پایه
• 2. ویژگی‌ها و انواع داده در طبقه‌بندی
• 3. آماده‌سازی داده‌ها برای مدل‌سازی
• 4. کاوش داده و شناسایی الگوها
• 5. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 6. روش‌های مبتنی بر فاصله برای طبقه‌بندی
• 7. درخت تصمیم: اصول و ساختار
• 8. درخت تصمیم: الگوریتم‌های تقسیم‌بندی
• 9. درخت تصمیم: مدیریت داده‌های گمشده
• 10. جنگل تصادفی: ایجاد و کاربرد
• 11. جنگل تصادفی: تنظیم پارامترها
• 12. ماشین بردار پشتیبان (SVM): مفاهیم اساسی
• 13. SVM: هسته‌ها و پارامترها
• 14. SVM: طبقه‌بندی خطی و غیرخطی
• 15. نورون‌های مصنوعی و شبکه‌های عصبی
• 16. شبکه‌های عصبی: ساختار و آموزش
• 17. شبکه‌های عصبی: تابع فعال‌سازی و لایه‌ها
• 18. شبکه‌های عصبی: الگوریتم‌های یادگیری
• 19. شبکه‌های عصبی عمیق (DNN): مقدمه
• 20. DNN: معماری‌ها و کاربردها
• 21. شبکه‌های کانولوشن (CNN): مقدمه
• 22. CNN: فیلترها و لایه‌های کانولوشن
• 23. CNN: استخراج ویژگی و طبقه‌بندی
• 24. شبکه‌های بازگشتی (RNN): مقدمه
• 25. RNN: حافظه و یادگیری دنباله‌ای
• 26. RNN: کاربردها در پردازش زبان طبیعی
• 27. روش‌های ترکیبی طبقه‌بندی
• 28. انتقال یادگیری: مفاهیم و کاربردها
• 29. بهینه‌سازی مدل‌های طبقه‌بندی
• 30. جلوگیری از بیش‌برازش (Overfitting)
• 31. تنظیم مدل: اعتبارسنجی متقابل
• 32. انتخاب ویژگی: روش‌های فیلتر
• 33. انتخاب ویژگی: روش‌های Wrapper
• 34. انتخاب ویژگی: روش‌های Embedded
• 35. ارزیابی و مقایسه مدل‌ها: ماتریس درهم‌ریختگی
• 36. ارزیابی و مقایسه مدل‌ها: دقت، صحت، و فراخوانی
• 37. ارزیابی و مقایسه مدل‌ها: منحنی ROC و AUC
• 38. کاربرد طبقه‌بندی در تشخیص هرزنامه
• 39. کاربرد طبقه‌بندی در تشخیص تقلب
• 40. کاربرد طبقه‌بندی در تشخیص بیماری
• 41. کاربرد طبقه‌بندی در بازاریابی هدفمند
• 42. کاربرد طبقه‌بندی در پردازش تصویر
• 43. کاربرد طبقه‌بندی در تشخیص گفتار
• 44. طبقه‌بندی با داده‌های نامتوازن
• 45. مدل‌سازی طبقه‌بندی در داده‌های بزرگ