کتاب صوتی مغز و ماشین: مدل‌سازی شناختی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مغز و ماشین: مدل‌سازی شناختی

موضوع کلی: مبانی سیستم‌های کامپیوتری و تعامل انسان و ماشین

موضوع میانی: نظریه‌های یادگیری

📋 سرفصل‌های دوره

• 1. مبانی مدل‌سازی شناختی
• 2. پردازش اطلاعات در مغز و ماشین
• 3. شبکه‌های عصبی مصنوعی: یک نمای کلی
• 4. نورون‌های مصنوعی و عملکردهای آن‌ها
• 5. معماری‌های اولیه شبکه‌های عصبی
• 6. یادگیری تحت نظارت
• 7. الگوریتم‌های گرادیان کاهشی
• 8. بهینه‌سازی توابع هزینه
• 9. رگرسیون خطی و مدل‌سازی پیش‌بینی
• 10. دسته‌بندی با استفاده از شبکه‌های عصبی
• 11. شبکه‌های عصبی چندلایه (MLP)
• 12. مسئله بیش‌برازش و روش‌های مقابله با آن
• 13. تنظیم‌سازی (Regularization) در شبکه‌های عصبی
• 14. اعتبارسنجی متقابل (Cross-Validation)
• 15. شبکه‌های عصبی کانولوشنال (CNN)
• 16. کاربردهای CNN در پردازش تصویر
• 17. تشخیص الگو با استفاده از CNN
• 18. شبکه‌های عصبی بازگشتی (RNN)
• 19. پردازش زبان طبیعی با RNN
• 20. حافظه کوتاه‌مدت بلند (LSTM)
• 21. شبکه‌های حافظه طولانی‌مدت (GRU)
• 22. مدل‌سازی دنباله‌ها با RNN
• 23. شبکه‌های مولد تخاصمی (GAN)
• 24. تولید تصویر با استفاده از GAN
• 25. تولید داده‌های مصنوعی با GAN
• 26. یادگیری تقویتی: اصول اولیه
• 27. الگوریتم Q-learning
• 28. الگوریتم‌های مبتنی بر سیاست
• 29. محیط‌های یادگیری تقویتی
• 30. کاربردهای یادگیری تقویتی
• 31. مدل‌سازی تصمیم‌گیری
• 32. یادگیری عمیق تقویتی
• 33. شبکه‌های عصبی برای یادگیری تقویتی
• 34. پردازش سیگنال‌های مغزی با یادگیری عمیق
• 35. کشف ویژگی‌ها در داده‌های مغزی
• 36. تحلیل EEG با استفاده از شبکه‌های عصبی
• 37. تحلیل fMRI با استفاده از یادگیری عمیق
• 38. رابط مغز و ماشین (BMI)
• 39. کاربردهای BMI در توانبخشی
• 40. کنترل دستگاه‌ها با امواج مغزی
• 41. تفسیرپذیری مدل‌های یادگیری عمیق
• 42. روش‌های تجسم‌سازی شبکه‌های عصبی
• 43. تکنیک‌های استخراج ویژگی
• 44. ارزیابی عملکرد مدل‌های شناختی
• 45. مقایسه مدل‌های شناختی و انسانی