اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی یادگیری ماشین: رویکرد مبتنی بر مطالعه موردی (با تمرکز بر کاربردهای مجاز)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین: رویکرد مبتنی بر مطالعه موردی (با تمرکز بر کاربردهای مجاز)

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین و هوش مصنوعی کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم کامپیوتر و هوش مصنوعی
• 2. تعریف یادگیری ماشین و انواع آن
• 3. یادگیری نظارت شده و نظارت نشده
• 4. مفاهیم پایه آمار و احتمالات برای یادگیری ماشین
• 5. جبر خطی برای یادگیری ماشین
• 6. کاربرد آمار و احتمال در مدل‌های یادگیری ماشین
• 7. مقدمه‌ای بر پردازش داده‌ها
• 8. پاکسازی و پیش‌پردازش داده‌ها
• 9. مهندسی ویژگی
• 10. انتخاب ویژگی
• 11. رابطه بین ویژگی‌ها و نتایج
• 12. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت شده
• 13. رگرسیون خطی
• 14. رگرسیون لجستیک
• 15. دسته‌بندی‌کننده‌های بیز ساده
• 16. ماشین‌های بردار پشتیبان (SVM)
• 17. درختان تصمیم
• 18. جنگل‌های تصادفی
• 19. تقویت گرادیان
• 20. مقدمه‌ای بر الگوریتم‌های یادگیری نظارت نشده
• 21. خوشه‌بندی K-Means
• 22. خوشه‌بندی سلسله مراتبی
• 23. تحلیل مولفه‌های اصلی (PCA)
• 24. تکنیک‌های کاهش ابعاد
• 25. ارزیابی مدل‌های یادگیری ماشین
• 26. معیارهای ارزیابی برای رگرسیون
• 27. معیارهای ارزیابی برای دسته‌بندی
• 28. منحنی ROC و AUC
• 29. اعتبارسنجی متقابل
• 30. تنظیم هایپرپارامترها
• 31. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 32. نورون‌ها و لایه‌ها
• 33. توابع فعال‌سازی
• 34. پس‌انتشار خطا (Backpropagation)
• 35. شبکه‌های عصبی عمیق
• 36. شبکه‌های عصبی کانولوشنی (CNN)
• 37. شبکه‌های عصبی بازگشتی (RNN)
• 38. کاربردهای CNN در بینایی ماشین
• 39. کاربردهای RNN در پردازش زبان طبیعی
• 40. مقدمه‌ای بر یادگیری تقویتی
• 41. مفاهیم عامل، محیط، پاداش
• 42. فرآیندهای تصمیم‌گیری مارکوف (MDP)
• 43. الگوریتم Q-Learning
• 44. الگوریتم SARSA
• 45. شبکه‌های عصبی عمیق در یادگیری تقویتی
• 46. کاربردهای یادگیری تقویتی در رباتیک
• 47. کاربردهای یادگیری تقویتی در بازی‌ها
• 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 49. توکنیزاسیون و نرمال‌سازی متن
• 50. مدل‌های زبانی آماری
• 51. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
• 52. کاربرد NLP در تحلیل احساسات
• 53. کاربرد NLP در ترجمه ماشینی
• 54. کاربرد NLP در خلاصه‌سازی متن
• 55. کاربرد NLP در تشخیص موجودیت نام‌گذاری شده
• 56. مقدمه‌ای بر بینایی ماشین
• 57. پردازش تصویر پایه
• 58. تشخیص لبه و ویژگی
• 59. تشخیص اشیاء
• 60. تقسیم‌بندی تصویر
• 61. کاربرد بینایی ماشین در تشخیص چهره
• 62. کاربرد بینایی ماشین در خودروهای خودران
• 63. کاربرد بینایی ماشین در پزشکی
• 64. مقدمه‌ای بر یادگیری ماشینی کاربردی
• 65. مطالعات موردی در حوزه بهداشت و درمان
• 66. مطالعات موردی در حوزه مالی
• 67. مطالعات موردی در حوزه آموزش
• 68. مطالعات موردی در حوزه کشاورزی
• 69. مطالعات موردی در حوزه صنعت
• 70. ملاحظات اخلاقی در هوش مصنوعی
• 71. سوگیری در داده‌ها و مدل‌ها
• 72. شفافیت و قابلیت تفسیر مدل‌ها
• 73. حریم خصوصی داده‌ها
• 74. امنیت در سیستم‌های هوش مصنوعی
• 75. آینده هوش مصنوعی و یادگیری ماشین
• 76. یادگیری ماشینی توزیع شده
• 77. هوش مصنوعی سازگار
• 78. هوش مصنوعی عمومی (AGI)
• 79. مباحث پیشرفته در شبکه‌های عصبی
• 80. شبکه‌های مولد تخاصمی (GANs)
• 81. شبکه‌های ترنسفورمر
• 82. یادگیری انتقالی
• 83. یادگیری چندوظیفه‌ای
• 84. یادگیری خودنظارت
• 85. یادگیری با داده‌های کم
• 86. یادگیری ترکیبی
• 87. کاربردهای نوظهور هوش مصنوعی
• 88. هوش مصنوعی در اکتشافات علمی
• 89. هوش مصنوعی و خلاقیت
• 90. هوش مصنوعی و تعامل انسان و ماشین
• 91. مباحث پیشرفته در پردازش زبان طبیعی
• 92. مدل‌های زبانی بزرگ (LLMs)
• 93. یادگیری تقویتی با بازخورد انسانی
• 94. تولید متن با LLMs
• 95. ترجمه ماشینی عصبی
• 96. استخراج اطلاعات از متن
• 97. سیستم‌های پرسش و پاسخ
• 98. مدل‌سازی موضوعی
• 99. شبکه‌های عصبی گراف (GNNs)
• 100. کاربرد GNNs در تحلیل شبکه‌ها