کتاب صوتی یادگیری ماشینی برای مبتدیان

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشینی برای مبتدیان

موضوع کلی: مبانی سیستم‌های کامپیوتری و تعامل انسان و ماشین

موضوع میانی: نظریه‌های یادگیری

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 3. پیش‌پردازش داده‌ها و پاکسازی
• 4. تبدیل ویژگی‌ها و مهندسی ویژگی
• 5. مقدمه‌ای بر پایتون برای یادگیری ماشین
• 6. کتابخانه‌های پایتون: NumPy و Pandas
• 7. مصورسازی داده‌ها با Matplotlib و Seaborn
• 8. رگرسیون خطی ساده
• 9. رگرسیون چندگانه
• 10. معیارهای ارزیابی رگرسیون
• 11. درخت‌های تصمیم
• 12. جنگل تصادفی
• 13. ماشین‌های بردار پشتیبان (SVM)
• 14. نرمال‌سازی و مقیاس‌بندی داده‌ها
• 15. انتخاب ویژگی و کاهش ابعاد
• 16. خوشه‌بندی K-Means
• 17. خوشه‌بندی سلسله مراتبی
• 18. ارزیابی خوشه‌بندی
• 19. مقدمه‌ای بر شبکه‌های عصبی
• 20. شبکه‌های عصبی چندلایه
• 21. توابع فعال‌سازی
• 22. انتشار پس‌رو (Backpropagation)
• 23. بهینه‌سازها (Optimizers)
• 24. تنظیم هایپرمترها
• 25. اعتبارسنجی متقابل (Cross-Validation)
• 26. جلوگیری از بیش‌برازش (Overfitting)
• 27. مقدمه‌ای بر یادگیری عمیق
• 28. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 29. شبکه‌های عصبی بازگشتی (RNN) برای پردازش زبان طبیعی
• 30. پردازش زبان طبیعی (NLP) و توکنیزاسیون
• 31. مدل‌های زبانی
• 32. طبقه‌بندی متن
• 33. تحلیل احساسات
• 34. تشخیص موجودیت نام‌گذاری شده (NER)
• 35. مقدمه‌ای بر یادگیری تقویتی
• 36. Q-Learning
• 37. Deep Q-Network (DQN)
• 38. کاربست‌های یادگیری تقویتی
• 39. یادگیری ماشین در داده‌های سری زمانی
• 40. پیش‌بینی سری زمانی
• 41. مقدمه‌ای بر تشخیص ناهنجاری
• 42. روش‌های مبتنی بر فاصله برای تشخیص ناهنجاری
• 43. روش‌های مبتنی بر چگالی برای تشخیص ناهنجاری
• 44. مقدمه‌ای بر یادگیری ماشین قابل توضیح (XAI)
• 45. تفسیر مدل‌های یادگیری ماشین