اپلیکیشن اندرویدی فلش‌کارت آموزشی مجموعه ابزارهای یادگیری ماشین: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مجموعه ابزارهای یادگیری ماشین: مبانی و کاربردها

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: ابزارها و تکنیک‌های یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. انواع یادگیری ماشین
• 3. یادگیری نظارت شده
• 4. یادگیری نظارت نشده
• 5. یادگیری تقویتی
• 6. بررسی داده‌ها و پیش‌پردازش
• 7. پاکسازی داده‌ها
• 8. مقیاس‌بندی ویژگی‌ها
• 9. انتخاب ویژگی
• 10. مهندسی ویژگی
• 11. مدل‌های رگرسیون خطی
• 12. رگرسیون لجستیک
• 13. ماشین‌های بردار پشتیبان (SVM)
• 14. درختان تصمیم
• 15. جنگل‌های تصادفی
• 16. تقویت گرادیان
• 17. مدل‌های طبقه‌بندی
• 18. K-نزدیکترین همسایه (KNN)
• 19. تحلیل تشخیص خطی (LDA)
• 20. تحلیل تشخیص مربعی (QDA)
• 21. بایز ساده
• 22. شبکه‌های عصبی مصنوعی
• 23. مقدمه‌ای بر شبکه‌های عصبی
• 24. شبکه‌های عصبی کانولوشنال (CNN)
• 25. شبکه‌های عصبی بازگشتی (RNN)
• 26. شبکه‌های عصبی ترنسفورمر
• 27. مفاهیم اساسی یادگیری عمیق
• 28. آموزش مدل‌های یادگیری عمیق
• 29. تنظیم ابرپارامترها
• 30. تنظیم‌کننده ها (Regularization)
• 31. کاهش ابعاد
• 32. تحلیل مولفه‌های اصلی (PCA)
• 33. توزیع غیرخطی یکنواخت (t-SNE)
• 34. کاربرد PCA در کاهش ابعاد
• 35. کاربرد t-SNE در بصری‌سازی
• 36. ارزیابی مدل
• 37. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 38. معیارهای ارزیابی مدل‌های رگرسیون
• 39. ماتریس درهم‌ریختگی
• 40. منحنی ROC و AUC
• 41. اعتبارسنجی متقابل
• 42. مدل‌های یادگیری ترکیبی (Ensemble Learning)
• 43. نکات مهم در یادگیری ترکیبی
• 44. Bagging و Boosting
• 45. استفاده از مدل‌های ترکیبی
• 46. پردازش زبان طبیعی (NLP)
• 47. مبانی پردازش زبان طبیعی
• 48. توکن‌سازی و ریشه‌یابی
• 49. بردارسازی متن
• 50. مدل‌های زبانی
• 51. تحلیل احساسات
• 52. ترجمه ماشینی
• 53. سیستم‌های پرسش و پاسخ
• 54. بینایی ماشین
• 55. مقدمه‌ای بر بینایی ماشین
• 56. پردازش تصویر
• 57. تشخیص اشیا
• 58. طبقه‌بندی تصویر
• 59. تقسیم‌بندی تصویر
• 60. تولید تصویر
• 61. یادگیری تقویتی پیشرفته
• 62. فرایندهای تصمیم مارکوف (MDP)
• 63. الگوریتم‌های یادگیری تقویتی
• 64. یادگیری Q
• 65. یادگیری عمیق تقویتی
• 66. کاربردهای یادگیری تقویتی
• 67. یادگیری ماشین در عمل
• 68. چرخه حیات پروژه یادگیری ماشین
• 69. جمع‌آوری و آماده‌سازی داده‌ها
• 70. انتخاب و آموزش مدل
• 71. ارزیابی و استقرار مدل
• 72. نظارت و نگهداری مدل
• 73. اخلاق در یادگیری ماشین
• 74. سوگیری در الگوریتم‌ها
• 75. شفافیت و توضیح‌پذیری
• 76. حریم خصوصی داده‌ها
• 77. مسئولیت‌پذیری در یادگیری ماشین
• 78. کاربردهای یادگیری ماشین در صنعت
• 79. کاربرد در سلامت
• 80. کاربرد در مالی
• 81. کاربرد در بازاریابی
• 82. کاربرد در حمل و نقل
• 83. کاربرد در تولید
• 84. ملاحظات امنیتی در یادگیری ماشین
• 85. حملات به مدل‌های یادگیری ماشین
• 86. حفاظت از مدل‌ها
• 87. امنیت داده‌ها در پروژه‌های یادگیری ماشین
• 88. یادگیری ماشین در ایران
• 89. وضعیت فعلی و چالش‌ها
• 90. فرصت‌ها و آینده
• 91. نقش دانشگاه‌ها و مراکز تحقیقاتی
• 92. قوانین و مقررات مرتبط
• 93. جمع‌بندی مباحث
• 94. مرور مفاهیم کلیدی
• 95. تمرینات عملی
• 96. مطالعات موردی
• 97. آینده یادگیری ماشین