اپلیکیشن اندرویدی فلش‌کارت آموزشی اصول یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول یادگیری ماشین و هوش مصنوعی: از مبانی تا کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و کاربردهای یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و جایگاه آن
• 2. تاریخچه هوش مصنوعی
• 3. انواع یادگیری ماشین
• 4. یادگیری با نظارت
• 5. یادگیری بدون نظارت
• 6. یادگیری تقویتی
• 7. مفاهیم پایه یادگیری ماشین
• 8. داده‌ها و پیش‌پردازش داده‌ها
• 9. پاکسازی داده‌ها
• 10. مقیاس‌بندی ویژگی‌ها
• 11. انتخاب ویژگی
• 12. مدل‌های خطی
• 13. رگرسیون خطی
• 14. رگرسیون لجستیک
• 15. طبقه‌بندی‌کننده‌های بیز ساده
• 16. ماشین‌های بردار پشتیبان (SVM)
• 17. درختان تصمیم
• 18. قوانین انجمنی
• 19. خوشه‌بندی
• 20. K-Means
• 21. خوشه‌بندی سلسله مراتبی
• 22. تحلیل مولفه‌های اصلی (PCA)
• 23. کاهش ابعاد
• 24. شبکه‌های عصبی مصنوعی
• 25. مبانی نورون و لایه‌ها
• 26. توابع فعال‌سازی
• 27. انتشار رو به جلو
• 28. پس‌انتشار خطا (Backpropagation)
• 29. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 30. شبکه‌های عصبی کانولوشنال (CNN)
• 31. معماری CNN
• 32. کاربرد CNN در بینایی ماشین
• 33. شبکه‌های عصبی بازگشتی (RNN)
• 34. معماری RNN
• 35. کاربرد RNN در پردازش زبان طبیعی
• 36. حافظه طولانی کوتاه مدت (LSTM)
• 37. واحد بازگشتی دروازه‌ای (GRU)
• 38. مهندسی ویژگی در یادگیری ماشین
• 39. انتخاب مدل مناسب
• 40. اعتبارسنجی متقابل (Cross-validation)
• 41. تنظیم ابرپارامترها
• 42. بایاس و واریانس
• 43. بیش‌برازش و کم‌برازش
• 44. روش‌های منظم‌سازی (Regularization)
• 45. L1 و L2 Regularization
• 46. درختان تقویتی (Ensemble Methods)
• 47. کیسه سازی (Bagging)
• 48. تقویت (Boosting)
• 49. ماشین‌های بردار گرادیان (Gradient Boosting Machines)
• 50. XGBoost
• 51. LightGBM
• 52. مدل‌های ترکیبی (Hybrid Models)
• 53. کاربرد یادگیری ماشین در پردازش زبان طبیعی
• 54. تحلیل احساسات
• 55. ترجمه ماشینی
• 56. تولید متن
• 57. مدل‌های زبانی بزرگ (LLMs)
• 58. کاربرد یادگیری ماشین در بینایی ماشین
• 59. تشخیص اشیاء
• 60. تقسیم‌بندی تصاویر
• 61. تولید تصویر
• 62. تشخیص چهره
• 63. کاربرد یادگیری ماشین در سیستم‌های توصیه‌گر
• 64. فیلترینگ مشارکتی
• 65. فیلترینگ مبتنی بر محتوا
• 66. سیستم‌های توصیه‌گر ترکیبی
• 67. کاربرد یادگیری ماشین در تحلیل داده‌های سری زمانی
• 68. پیش‌بینی سری زمانی
• 69. شناسایی ناهنجاری در سری زمانی
• 70. کاربرد یادگیری ماشین در حوزه سلامت
• 71. تشخیص بیماری
• 72. کشف دارو
• 73. شخصی‌سازی درمان
• 74. کاربرد یادگیری ماشین در حوزه مالی
• 75. تشخیص تقلب
• 76. پیش‌بینی بازار
• 77. مدیریت ریسک
• 78. کاربرد یادگیری ماشین در اتوماسیون صنعتی
• 79. کنترل کیفیت
• 80. نگهداری پیش‌بینانه
• 81. رباتیک هوشمند
• 82. کاربرد یادگیری ماشین در کشاورزی
• 83. پیش‌بینی محصولات
• 84. مدیریت منابع آب
• 85. تشخیص آفات
• 86. اخلاقیات در هوش مصنوعی
• 87. سوگیری در داده‌ها و مدل‌ها
• 88. شفافیت و تفسیرپذیری مدل‌ها
• 89. حریم خصوصی و امنیت داده‌ها
• 90. مسئولیت‌پذیری در هوش مصنوعی
• 91. آینده هوش مصنوعی و یادگیری ماشین
• 92. هوش مصنوعی عمومی (AGI)
• 93. یادگیری عمیق در عمل
• 94. مقدمه‌ای بر چارچوب‌های یادگیری عمیق
• 95. TensorFlow و Keras
• 96. PyTorch
• 97. ساخت اولین مدل یادگیری ماشین
• 98. آموزش و ارزیابی مدل
• 99. بهینه‌سازی مدل
• 100. مقدمه‌ای بر مفاهیم پیشرفته‌تر