اپلیکیشن اندرویدی فلشکارت آموزشی کشف سوگیریهای پنهان در مجموعه دادهها و مدلها
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره کشف سوگیریهای پنهان در مجموعه دادهها و مدلها
موضوع کلی: برنامهنویسی کامپیوترهای شخصی
موضوع میانی: Algorithmic Bias Detection and Mitigation
📋 سرفصلهای دوره
- 1. فصل ۱: مقدمهای بر سوگیری در هوش مصنوعی
- 2. فصل ۲: تعریف سوگیری در دادهها
- 3. فصل ۳: انواع سوگیری در مجموعه دادهها
- 4. فصل ۴: منابع سوگیری در جمعآوری داده
- 5. فصل ۵: تأثیر سوگیری داده بر عملکرد مدل
- 6. فصل ۶: شناسایی سوگیری در مجموعه دادهها
- 7. فصل ۷: ابزارهای خودکار برای تشخیص سوگیری
- 8. فصل ۸: نمونههای واقعی سوگیری در دادهها
- 9. فصل ۹: سوگیری در دادههای متنی
- 10. فصل ۱۰: سوگیری در دادههای تصویری
- 11. فصل ۱۱: سوگیری در دادههای صوتی
- 12. فصل ۱۲: سوگیری در دادههای ساختاریافته
- 13. فصل ۱۳: سوگیری در دادههای غیرساختاریافته
- 14. فصل ۱۴: تعاریف سوگیری در مدلهای یادگیری ماشین
- 15. فصل ۱۵: سوگیری الگوریتمی
- 16. فصل ۱۶: سوگیری آماری
- 17. فصل ۱۷: سوگیری مفهومی
- 18. فصل ۱۸: سوگیری در طبقهبندی
- 19. فصل ۱۹: سوگیری در رگرسیون
- 20. فصل ۲۰: سوگیری در خوشهبندی
- 21. فصل ۲۱: سوگیری در سیستمهای توصیهگر
- 22. فصل ۲۲: سوگیری در پردازش زبان طبیعی
- 23. فصل ۲۳: سوگیری در بینایی کامپیوتر
- 24. فصل ۲۴: سوگیری در تشخیص پزشکی
- 25. فصل ۲۵: سوگیری در سیستمهای حقوقی
- 26. فصل ۲۶: سوگیری در استخدام
- 27. فصل ۲۷: سوگیری در اعتبار سنجی اعتباری
- 28. فصل ۲۸: تأثیر سوگیری بر تصمیمگیری
- 29. فصل ۲۹: پیامدهای اجتماعی سوگیری
- 30. فصل ۳۰: پیامدهای اخلاقی سوگیری
- 31. فصل ۳۱: اندازهگیری سوگیری در مدلها
- 32. فصل ۳۲: معیارهای اندازهگیری سوگیری
- 33. فصل ۳۳: معیارهای برابری
- 34. فصل ۳۴: معیارهای دقت
- 35. فصل ۳۵: معیارهای عدم تبعیض
- 36. فصل ۳۶: معیارهای انصاف
- 37. فصل ۳۷: شناسایی منابع سوگیری در مدل
- 38. فصل ۳۸: مهندسی ویژگی و سوگیری
- 39. فصل ۳۹: انتخاب مدل و سوگیری
- 40. فصل ۴۰: آموزش مدل و سوگیری
- 41. فصل ۴۱: ارزیابی مدل و سوگیری
- 42. فصل ۴۲: روشهای کاهش سوگیری در دادهها
- 43. فصل ۴۳: نمونهبرداری متعادل
- 44. فصل ۴۴: تولید داده مصنوعی
- 45. فصل ۴۵: برچسبگذاری مجدد دادهها
- 46. فصل ۴۶: پاکسازی دادهها
- 47. فصل ۴۷: روشهای کاهش سوگیری در مدلها
- 48. فصل ۴۸: الگوریتمهای مقاوم به سوگیری
- 49. فصل ۴۹: تنظیم وزنها در تابع هزینه
- 50. فصل ۵۰: پیشپردازش دادهها برای مدل
- 51. فصل ۵۱: پسپردازش خروجی مدل
- 52. فصل ۵۲: روشهای کاهش سوگیری در طول آموزش
- 53. فصل ۵۳: جلوگیری از بازگشت سوگیری
- 54. فصل ۵۴: تکنیکهای یادگیری فعال
- 55. فصل ۵۵: استفاده از دادههای غیرسوگیرانه
- 56. فصل ۵۶: تعادل در مجموعه دادههای آموزشی
- 57. فصل ۵۷: روشهای کاهش سوگیری در مدلهای پیچیده
- 58. فصل ۵۸: شبکههای عصبی عمیق و سوگیری
- 59. فصل ۵۹: مدلهای مبتنی بر درخت و سوگیری
- 60. فصل ۶۰: مدلهای مبتنی بر جدول و سوگیری
- 61. فصل ۶۱: روشهای کاهش سوگیری در سیستمهای توصیهگر
- 62. فصل ۶۲: شخصیسازی و سوگیری
- 63. فصل ۶۳: فیلتر مشارکتی و سوگیری
- 64. فصل ۶۴: فیلتر محتوا و سوگیری
- 65. فصل ۶۵: روشهای کاهش سوگیری در پردازش زبان طبیعی
- 66. فصل ۶۶: واژگان و سوگیری
- 67. فصل ۶۷: معنیشناسی و سوگیری
- 68. فصل ۶۸: نحو و سوگیری
- 69. فصل ۶۹: مدلهای زبانی و سوگیری
- 70. فصل ۷۰: روشهای کاهش سوگیری در بینایی کامپیوتر
- 71. فصل ۷۱: ویژگیهای تصویر و سوگیری
- 72. فصل ۷۲: مجموعه دادههای تصویری و سوگیری
- 73. فصل ۷۳: مدلهای تشخیص تصویر و سوگیری
- 74. فصل ۷۴: روشهای کاهش سوگیری در تشخیص پزشکی
- 75. فصل ۷۵: دادههای بالینی و سوگیری
- 76. فصل ۷۶: بیماریهای نادر و سوگیری
- 77. فصل ۷۷: پروفایل بیماران و سوگیری
- 78. فصل ۷۸: روشهای کاهش سوگیری در سیستمهای حقوقی
- 79. فصل ۷۹: دادههای پرونده و سوگیری
- 80. فصل ۸۰: پیشبینی جرایم و سوگیری
- 81. فصل ۸۱: احکام قضایی و سوگیری
- 82. فصل ۸۲: مسئولیتپذیری در هوش مصنوعی
- 83. فصل ۸۳: چارچوبهای اخلاقی برای هوش مصنوعی
- 84. فصل ۸۴: قوانین و مقررات مربوط به سوگیری
- 85. فصل ۸۵: نقش مهندسان در کاهش سوگیری
- 86. فصل ۸۶: نقش دانشمندان داده در کاهش سوگیری
- 87. فصل ۸۷: نقش محققان در کاهش سوگیری
- 88. فصل ۸۸: نقش سیاستگذاران در کاهش سوگیری
- 89. فصل ۸۹: فرهنگ سازمانی و کاهش سوگیری
- 90. فصل ۹۰: آموزش و آگاهیبخشی درباره سوگیری
- 91. فصل ۹۱: پایش مداوم سوگیری
- 92. فصل ۹۲: گزارشدهی سوگیری
- 93. فصل ۹۳: ایجاد مجموعه دادههای عادلانه
- 94. فصل ۹۴: طراحی الگوریتمهای منصفانه
- 95. فصل ۹۵: ارزیابی مداوم اثرات سوگیری
- 96. فصل ۹۶: آینده تحقیقات سوگیری در هوش مصنوعی
- 97. فصل ۹۷: چالشهای پیش رو در کاهش سوگیری
- 98. فصل ۹۸: فرصتهای نوین برای هوش مصنوعی منصفانه
- 99. فصل ۹۹: همکاری جهانی برای رفع سوگیری
- 100. فصل ۱۰۰: تعهد به هوش مصنوعی مسئولانه
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.