کتاب صوتی شبکه های عصبی و ارزیابی اعتبار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره شبکه های عصبی و ارزیابی اعتبار

موضوع کلی: هوش مصنوعی، روانشناسی و تصمیم‌گیری

موضوع میانی: شبکه‌های عصبی و تجزیه و تحلیل ریسک

📋 سرفصل‌های دوره

• 1. شبکه‌های عصبی: مقدمه‌ای و کاربردها
• 2. نورون‌های مصنوعی و عملکرد آن‌ها
• 3. مدل‌های یادگیری نظارت شده
• 4. رگرسیون خطی و چندگانه
• 5. دسته‌بندی با استفاده از شبکه‌های عصبی
• 6. الگوریتم پس‌انتشار خطا
• 7. بهینه‌سازی توابع هزینه
• 8. انتخاب توابع فعال‌سازی
• 9. شبکه‌های عصبی چندلایه
• 10. تنظیم هایپرپارامترها
• 11. اعتبارسنجی متقابل (Cross-Validation)
• 12. جلوگیری از بیش‌برازش (Overfitting)
• 13. نرمال‌سازی داده‌ها و پیش‌پردازش
• 14. شبکه‌های عصبی کانولوشنال (CNN)
• 15. تشخیص تصویر با CNN
• 16. شبکه‌های عصبی بازگشتی (RNN)
• 17. پردازش زبان طبیعی با RNN
• 18. حافظه بلندمدت (LSTM)
• 19. شبکه‌های مولد تخاصمی (GAN)
• 20. تولید تصاویر با GAN
• 21. تولید متن با GAN
• 22. انواع معماری‌های شبکه‌های عصبی
• 23. شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 24. کاهش ابعاد با استفاده از خودرمزگذار
• 25. یادگیری انتقالی (Transfer Learning)
• 26. بهبود عملکرد مدل با یادگیری انتقالی
• 27. ارزیابی عملکرد مدل‌های یادگیری ماشین
• 28. متریک‌های ارزیابی رگرسیون
• 29. متریک‌های ارزیابی دسته‌بندی
• 30. مفهوم خطا و واریانس
• 31. روش‌های کاهش واریانس
• 32. اهمیت انتخاب ویژگی
• 33. انتخاب ویژگی با استفاده از الگوریتم‌های مختلف
• 34. اعتبارسنجی داده‌ها
• 35. بررسی و پاکسازی داده‌های پرت
• 36. تفسیرپذیری مدل‌های یادگیری ماشین
• 37. روش‌های تجسم‌سازی مدل
• 38. روش‌های کاهش ابعاد برای تجسم
• 39. آمار و احتمالات در شبکه‌های عصبی
• 40. توزیع‌های احتمال و کاربرد آن‌ها
• 41. آزمون فرضیه و معناداری آماری
• 42. تکنیک‌های نمونه‌برداری
• 43. شبکه‌های عصبی در تشخیص الگو
• 44. کاربرد شبکه‌های عصبی در طبقه‌بندی تصاویر پزشکی
• 45. شبکه‌های عصبی در تحلیل سری‌های زمانی