اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی آماری و احتمالی برای هوش مصنوعی: از نظریه تا کاربرد

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی آماری و احتمالی برای هوش مصنوعی: از نظریه تا کاربرد

موضوع کلی: هوش مصنوعی و علم داده

موضوع میانی: مبانی آماری و احتمالی در هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و علم داده
• 2. اهمیت آمار و احتمال در هوش مصنوعی
• 3. مروری بر مفاهیم پایه آمار توصیفی
• 4. میانگین، میانه و نما
• 5. واریانس و انحراف معیار
• 6. نمودارهای توزیع فراوانی
• 7. مقدمه‌ای بر نظریه احتمال
• 8. فضای نمونه و پیشامدها
• 9. قواعد جمع و ضرب احتمالات
• 10. احتمال شرطی و استقلال پیشامدها
• 11. قضیه بیز و کاربردهای آن
• 12. متغیرهای تصادفی گسسته
• 13. توزیع دوجمله‌ای
• 14. توزیع پواسون
• 15. متغیرهای تصادفی پیوسته
• 16. توزیع یکنواخت
• 17. توزیع نرمال (گوسی)
• 18. خواص توزیع نرمال
• 19. توزیع نمایی
• 20. توزیع گاما
• 21. توزیع بتا
• 22. توزیع‌های چندمتغیره
• 23. کوواریانس و همبستگی
• 24. مفاهیم بسط یافته در توزیع‌های چندمتغیره
• 25. استنباط آماری: تخمین
• 26. تخمین‌گرهای نقطه‌ای
• 27. قضیه حد مرکزی
• 28. فاصله اطمینان
• 29. خطای استاندارد
• 30. استنباط آماری: آزمون فرض
• 31. مقدمه‌ای بر آزمون فرض
• 32. آزمون فرض برای میانگین
• 33. آزمون فرض برای نسبت
• 34. آزمون فرض برای واریانس
• 35. آزمون‌های ناپارامتری
• 36. مقدمه‌ای بر رگرسیون خطی
• 37. مدل رگرسیون خطی ساده
• 38. تخمین ضرایب رگرسیون
• 39. ارزیابی مدل رگرسیون
• 40. رگرسیون خطی چندگانه
• 41. مقدمه‌ای بر یادگیری ماشین آماری
• 42. مدل‌های طبقه‌بندی آماری
• 43. قانون بیز در طبقه‌بندی
• 44. ماشین بردار پشتیبان (SVM) با رویکرد آماری
• 45. درخت‌های تصمیم و رویکرد احتمالی
• 46. جنگل‌های تصادفی و استنباط آماری
• 47. شبکه‌های عصبی و مدل‌سازی احتمالاتی
• 48. مقدمه‌ای بر پردازش زبان طبیعی با رویکرد آماری
• 49. مدل‌های زبانی آماری
• 50. مدل‌های مارکوف مخفی (HMM)
• 51. مدل‌های گرافیکی احتمالی
• 52. شبکه‌های بیز (Bayesian Networks)
• 53. میدان‌های تصادفی شرطی (CRF)
• 54. مقدمه‌ای بر یادگیری تقویتی با چارچوب احتمالی
• 55. فرایندهای تصمیم مارکوف (MDP)
• 56. یادگیری Q
• 57. یادگیری Deep Q
• 58. مدل‌های پایه در اقتصاد اسلامی
• 59. مبانی بانکداری بدون ربا
• 60. عقود اسلامی در نظام بانکی
• 61. مقررات بانک مرکزی جمهوری اسلامی ایران
• 62. مقدمه‌ای بر اقتصاد سنجی با رویکرد اسلامی
• 63. مدل‌سازی اقتصاد اسلامی با ابزار آماری
• 64. تحلیل داده‌های اقتصادی با رویکرد اسلامی
• 65. مقدمه‌ای بر بهینه‌سازی در هوش مصنوعی
• 66. الگوریتم‌های ژنتیک و مبانی احتمالی
• 67. بهینه‌سازی مبتنی بر اجتماع ذرات (PSO)
• 68. بهینه‌سازی مبتنی بر مورچگان (ACO)
• 69. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 70. انتشار رو به جلو و عقب
• 71. توابع فعال‌سازی در شبکه‌های عمیق
• 72. بهینه‌سازی مدل‌های عمیق
• 73. شبکه‌های عصبی کانولوشنی (CNN)
• 74. شبکه‌های عصبی بازگشتی (RNN)
• 75. مدل‌های ترنسفورمر
• 76. کاربرد آمار و احتمال در تحلیل داده‌های تصویر
• 77. کاربرد آمار و احتمال در پردازش سیگنال
• 78. کاربرد آمار و احتمال در سیستم‌های توصیه‌گر
• 79. کاربرد آمار و احتمال در تحلیل سری‌های زمانی
• 80. مقدمه‌ای بر داده‌کاوی و کشف الگو
• 81. روش‌های خوشه‌بندی آماری
• 82. قوانین وابستگی و تحلیل سبد خرید
• 83. مقدمه‌ای بر ارزیابی مدل‌های هوش مصنوعی
• 84. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 85. معیارهای ارزیابی مدل‌های رگرسیون
• 86. اعتبارسنجی متقابل
• 87. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 88. سوگیری در داده‌ها و مدل‌ها
• 89. شفافیت و تفسیرپذیری مدل‌ها
• 90. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 91. مقدمه‌ای بر ابزارهای نرم‌افزاری آماری
• 92. پایتون و کتابخانه‌های علم داده
• 93. کتابخانه NumPy
• 94. کتابخانه Pandas
• 95. کتابخانه Scikit-learn
• 96. کتابخانه Matplotlib و Seaborn
• 97. مقدمه‌ای بر مفاهیم پیشرفته‌تر
• 98. کاربرد آمار در یادگیری عمیق پیشرفته
• 99. مدل‌های احتمالی بیزی در یادگیری عمیق
• 100. استنتاج بیزی در شبکه‌های عصبی