کتاب صوتی الگوریتم‌های هوشمند طبقه‌بندی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم‌های هوشمند طبقه‌بندی

موضوع کلی: هوش مصنوعی و رفتار استراتژیک

موضوع میانی: الگوریتم‌های طبقه‌بندی و تعاملات استراتژیک کاربر

📋 سرفصل‌های دوره

• 1. آشنایی با الگوریتم‌های طبقه‌بندی
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. مفهوم طبقه‌بندی و کاربردها
• 4. انواع داده‌ها در طبقه‌بندی
• 5. پیش‌پردازش داده‌ها برای طبقه‌بندی
• 6. انتخاب ویژگی‌های مناسب برای طبقه‌بندی
• 7. مدل‌های تصمیم‌گیری در طبقه‌بندی
• 8. درخت‌های تصمیم‌گیری
• 9. نایب بیزین
• 10. شبکه‌های عصبی مصنوعی
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. نرمال‌سازی داده‌ها
• 13. تقسیم داده‌ها برای آموزش و آزمون
• 14. ارزیابی عملکرد مدل‌های طبقه‌بندی
• 15. ماتریس درهم‌ریختگی
• 16. دقت، صحت، بازیابی، و F1-score
• 17. روش‌های ارزیابی متقاطع
• 18. بهینه‌سازی پارامترهای مدل‌ها
• 19. انتخاب مدل مناسب برای داده‌های مختلف
• 20. مدل‌های طبقه‌بندی چند‌کلاسه
• 21. روش‌های کاهش ابعاد داده‌ها
• 22. PCA (تجزیه مولفه‌های اصلی)
• 23. LDA (تجزیه تمایزی خطی)
• 24. نرم‌افزارهای رایج برای طبقه‌بندی
• 25. Python و کتابخانه‌های مرتبط
• 26. کاربرد طبقه‌بندی در بازاریابی
• 27. کاربرد طبقه‌بندی در تشخیص پزشکی
• 28. کاربرد طبقه‌بندی در تشخیص تقلب
• 29. کاربرد طبقه‌بندی در پردازش تصویر
• 30. کاربرد طبقه‌بندی در تحلیل احساسات
• 31. تکنیک‌های افزایش داده‌ها
• 32. مدل‌های انسامبل در طبقه‌بندی
• 33. Random Forest
• 34. Gradient Boosting
• 35. AdaBoost
• 36. روش‌های مقابله با داده‌های نامتعادل
• 37. SMOTE (Synthetic Minority Oversampling Technique)
• 38. Cost-Sensitive Learning
• 39. روش‌های ارزیابی مدل‌های طبقه‌بندی در داده‌های بزرگ
• 40. Scalability در الگوریتم‌های طبقه‌بندی
• 41. بهینه‌سازی حافظه در طبقه‌بندی
• 42. تفسیرپذیری مدل‌های طبقه‌بندی
• 43. SHAP values
• 44. LIME (Local Interpretable Model-agnostic Explanations)
• 45. خطاهای رایج در طبقه‌بندی و راه‌های حل آن‌ها