کتاب صوتی هوش مصنوعی و فرآیندهای یادگیری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی و فرآیندهای یادگیری

موضوع کلی: مبانی سیستم‌های کامپیوتری و تعامل انسان و ماشین

موضوع میانی: نظریه‌های یادگیری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی
• 2. تاریخچه و تکامل هوش مصنوعی
• 3. انواع هوش مصنوعی: ضعیف، قوی و فوق‌العاده
• 4. یادگیری ماشین: مفاهیم پایه
• 5. انواع الگوریتم‌های یادگیری ماشین
• 6. رگرسیون خطی و کاربردهای آن
• 7. رگرسیون لجستیک و طبقه‌بندی
• 8. درخت‌های تصمیم‌گیری و جنگل‌های تصادفی
• 9. ماشین‌های بردار پشتیبان (SVM)
• 10. خوشه‌بندی K-Means و کاربردها
• 11. خوشه‌بندی سلسله مراتبی
• 12. کاهش ابعاد و PCA
• 13. شبکه‌های عصبی مصنوعی: مقدمه
• 14. پرceptron و یادگیری آن
• 15. شبکه‌های عصبی چندلایه (MLP)
• 16. تابع فعال‌سازی و اهمیت آن
• 17. پس‌انتشار خطا (Backpropagation)
• 18. بهینه‌سازی گرادیان کاهشی (Gradient Descent)
• 19. شبکه‌های عصبی پیچشی (CNN) و پردازش تصویر
• 20. شبکه‌های عصبی بازگشتی (RNN) و پردازش زبان طبیعی
• 21. پردازش زبان طبیعی (NLP): مقدمه
• 22. مدل‌های زبانی و تولید متن
• 23. تحلیل احساسات و طبقه‌بندی متن
• 24. تشخیص موجودیت‌های نام‌گذاری‌شده (NER)
• 25. ترجمه ماشینی و چالش‌های آن
• 26. یادگیری عمیق (Deep Learning): مفاهیم پیشرفته
• 27. اتوماسیون مدل‌سازی (AutoML)
• 28. انتقال یادگیری (Transfer Learning)
• 29. یادگیری تقویتی (Reinforcement Learning): مفاهیم پایه
• 30. الگوریتم Q-Learning
• 31. الگوریتم SARSA
• 32. شبکه‌های مولد تخاصمی (GAN) و کاربردها
• 33. اخلاق و مسئولیت‌پذیری در هوش مصنوعی
• 34. ملاحظات امنیتی در هوش مصنوعی
• 35. کاربردهای هوش مصنوعی در پزشکی
• 36. کاربردهای هوش مصنوعی در مالی
• 37. کاربردهای هوش مصنوعی در کشاورزی
• 38. هوش مصنوعی در رباتیک
• 39. هوش مصنوعی و اینترنت اشیا (IoT)
• 40. ابزارهای توسعه هوش مصنوعی: TensorFlow
• 41. ابزارهای توسعه هوش مصنوعی: PyTorch
• 42. ابزارهای توسعه هوش مصنوعی: Keras
• 43. مراحل پیاده‌سازی یک پروژه هوش مصنوعی
• 44. ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی
• 45. بهبود عملکرد مدل‌های هوش مصنوعی