اپلیکیشن اندرویدی فلشکارت آموزشی پیشبینی بقا با استفاده از یادگیری ماشین: درسهایی از تراژدی تایتانیک
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره پیشبینی بقا با استفاده از یادگیری ماشین: درسهایی از تراژدی تایتانیک
موضوع کلی: هوش مصنوعی و یادگیری ماشین
موضوع میانی: کاربردهای یادگیری ماشین در تحلیل داده
📋 سرفصلهای دوره
- 1. مقدمهای بر یادگیری ماشین و کاربردهای آن
- 2. مفاهیم پایه در پیشبینی بقا
- 3. آشنایی با مجموعه داده تایتانیک
- 4. پاکسازی و پیشپردازش دادهها
- 5. مدیریت مقادیر گمشده در دادهها
- 6. کدگذاری متغیرهای طبقهای
- 7. مهندسی ویژگی برای بهبود مدل
- 8. انتخاب ویژگیهای مرتبط
- 9. آشنایی با الگوریتمهای دستهبندی
- 10. رگرسیون لجستیک برای پیشبینی بقا
- 11. درخت تصمیم برای پیشبینی بقا
- 12. جنگل تصادفی برای پیشبینی بقا
- 13. ماشین بردار پشتیبان (SVM)
- 14. یادگیری مبتنی بر همسایگان نزدیک (KNN)
- 15. ارزیابی عملکرد مدلهای دستهبندی
- 16. متریکهای ارزیابی: دقت (Accuracy)
- 17. متریکهای ارزیابی: صحت (Precision)
- 18. متریکهای ارزیابی: بازیابی (Recall)
- 19. متریکهای ارزیابی: امتیاز F1
- 20. منحنی ROC و سطح زیر منحنی (AUC)
- 21. اعتبارسنجی متقابل (Cross-validation)
- 22. تنظیم هایپرپارامترها
- 23. بهینهسازی مدل با Grid Search
- 24. بهینهسازی مدل با Randomized Search
- 25. آشنایی با مفاهیم یادگیری عمیق
- 26. شبکههای عصبی مصنوعی
- 27. معماری شبکههای عصبی
- 28. پیشپردازش دادهها برای شبکههای عصبی
- 29. آموزش شبکههای عصبی
- 30. استفاده از شبکههای عصبی برای پیشبینی بقا
- 31. مقدمهای بر پردازش زبان طبیعی (NLP)
- 32. کاربرد NLP در تحلیل دادههای متنی
- 33. تحلیل احساسات در دادههای متنی
- 34. استخراج ویژگی از متن
- 35. مدلسازی موضوعی (Topic Modeling)
- 36. استفاده از مدلهای زبانی از پیش آموزشدیده
- 37. کاربرد مدلهای زبانی در پیشبینی بقا
- 38. مقدمهای بر یادگیری تقویتی
- 39. مفاهیم پایه در یادگیری تقویتی
- 40. کاربرد یادگیری تقویتی در بهینهسازی
- 41. یادگیری تقویتی در سیستمهای توصیهگر
- 42. مقدمهای بر الگوریتمهای خوشهبندی
- 43. الگوریتم K-Means
- 44. ارزیابی مدلهای خوشهبندی
- 45. کاربرد خوشهبندی در تحلیل داده
- 46. مقدمهای بر تشخیص ناهنجاری
- 47. روشهای تشخیص ناهنجاری
- 48. کاربرد تشخیص ناهنجاری در مجموعه داده تایتانیک
- 49. مقدمهای بر مدلهای سری زمانی
- 50. پیشبینی با استفاده از مدلهای سری زمانی
- 51. کاربرد مدلهای سری زمانی در تحلیل داده
- 52. مقدمهای بر یادگیری چندبرچسبی (Multi-label Learning)
- 53. روشهای یادگیری چندبرچسبی
- 54. کاربرد یادگیری چندبرچسبی در مجموعه داده تایتانیک
- 55. مقدمهای بر یادگیری انتقال (Transfer Learning)
- 56. تکنیکهای یادگیری انتقال
- 57. کاربرد یادگیری انتقال در مجموعه داده تایتانیک
- 58. مقدمهای بر یادگیری فدرال (Federated Learning)
- 59. اصول یادگیری فدرال
- 60. کاربرد یادگیری فدرال در حفظ حریم خصوصی
- 61. مقدمهای بر هوش مصنوعی اخلاقی
- 62. مسائل اخلاقی در هوش مصنوعی
- 63. سوگیری در الگوریتمهای یادگیری ماشین
- 64. شفافیت و قابلیت توضیحپذیری مدلها
- 65. مسئولیتپذیری در هوش مصنوعی
- 66. کاربردهای پیشرفته یادگیری ماشین در صنعت
- 67. یادگیری ماشین در حوزه سلامت
- 68. یادگیری ماشین در حوزه مالی
- 69. یادگیری ماشین در حوزه تولید
- 70. یادگیری ماشین در حوزه حمل و نقل
- 71. یادگیری ماشین در حوزه کشاورزی
- 72. یادگیری ماشین در حوزه انرژی
- 73. یادگیری ماشین در حوزه آموزش
- 74. یادگیری ماشین در حوزه خدمات مشتری
- 75. یادگیری ماشین در حوزه امنیت سایبری
- 76. یادگیری ماشین در حوزه تحقیقات علمی
- 77. یادگیری ماشین در حوزه رسانه و سرگرمی
- 78. یادگیری ماشین در حوزه مدیریت شهری
- 79. یادگیری ماشین در حوزه بهینهسازی فرآیندها
- 80. یادگیری ماشین در حوزه پیشبینی رفتار مصرفکننده
- 81. یادگیری ماشین در حوزه تحلیل شبکههای اجتماعی
- 82. یادگیری ماشین در حوزه رباتیک
- 83. یادگیری ماشین در حوزه بازیسازی
- 84. یادگیری ماشین در حوزه طراحی محصول
- 85. یادگیری ماشین در حوزه تحلیل دادههای جغرافیایی
- 86. یادگیری ماشین در حوزه مدیریت ریسک
- 87. یادگیری ماشین در حوزه کشف تقلب
- 88. یادگیری ماشین در حوزه بهینهسازی زنجیره تأمین
- 89. یادگیری ماشین در حوزه تشخیص پزشکی
- 90. یادگیری ماشین در حوزه ساخت محتوای هوشمند
- 91. یادگیری ماشین در حوزه تحلیل دادههای آب و هوا
- 92. یادگیری ماشین در حوزه پیشبینی بلایای طبیعی
- 93. یادگیری ماشین در حوزه بهینهسازی مصرف انرژی
- 94. یادگیری ماشین در حوزه توسعه نرمافزار
- 95. یادگیری ماشین در حوزه ترجمه ماشینی
- 96. یادگیری ماشین در حوزه خلاصهسازی متن
- 97. یادگیری ماشین در حوزه تولید متن
- 98. یادگیری ماشین در حوزه تولید تصویر
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.