اپلیکیشن اندرویدی فلش‌کارت آموزشی اصول و ارزیابی مدل‌های یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول و ارزیابی مدل‌های یادگیری ماشین

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین
• 2. انواع یادگیری ماشین
• 3. یادگیری نظارت‌شده
• 4. یادگیری بدون نظارت
• 5. یادگیری تقویتی
• 6. مفاهیم کلیدی در یادگیری ماشین
• 7. داده‌های آموزشی و آزمایشی
• 8. ویژگی‌ها و برچسب‌ها
• 9. مدل‌های یادگیری ماشین
• 10. انواع مدل‌های یادگیری ماشین
• 11. مدل‌های خطی
• 12. رگرسیون خطی
• 13. رگرسیون لجستیک
• 14. دسته‌بندی‌کننده‌های خطی
• 15. مدل‌های مبتنی بر درخت
• 16. درخت‌های تصمیم
• 17. جنگل‌های تصادفی
• 18. ماشین‌های بردار پشتیبان (SVM)
• 19. شبکه‌های عصبی مصنوعی
• 20. مقدمه‌ای بر شبکه‌های عصبی
• 21. لایه ورودی و خروجی
• 22. لایه‌های پنهان
• 23. توابع فعال‌سازی
• 24. پس‌انتشار خطا
• 25. شبکه‌های عصبی عمیق
• 26. شبکه‌های عصبی کانولوشنال (CNN)
• 27. شبکه‌های عصبی بازگشتی (RNN)
• 28. پردازش زبان طبیعی (NLP)
• 29. مقدمه‌ای بر NLP
• 30. مدل‌سازی زبان
• 31. تحلیل احساسات
• 32. طبقه‌بندی متن
• 33. تولید متن
• 34. یادگیری بدون نظارت (بخش دوم)
• 35. خوشه‌بندی
• 36. K-Means
• 37. خوشه‌بندی سلسله‌مراتبی
• 38. کاهش ابعاد
• 39. تحلیل مؤلفه‌های اصلی (PCA)
• 40. مقدمه‌ای بر یادگیری تقویتی
• 41. عوامل و محیط‌ها
• 42. پاداش و جریمه
• 43. سیاست‌ها و ارزش‌ها
• 44. یادگیری آفلاین و آنلاین
• 45. الگوریتم‌های یادگیری تقویتی
• 46. Q-Learning
• 47. Deep Q-Networks (DQN)
• 48. Policy Gradients
• 49. ارزیابی مدل‌های یادگیری ماشین
• 50. متریک‌های ارزیابی
• 51. دقت (Accuracy)
• 52. صحت (Precision)
• 53. بازیابی (Recall)
• 54. امتیاز F1
• 55. منحنی ROC و AUC
• 56. اعتبارسنجی متقابل (Cross-Validation)
• 57. تنظیم هایپرپارامترها
• 58. جستجوی شبکه‌ای (Grid Search)
• 59. جستجوی تصادفی (Random Search)
• 60. بهینه‌سازی بایسی (Bayesian Optimization)
• 61. ملاحظات اخلاقی در یادگیری ماشین
• 62. سوگیری در داده‌ها
• 63. عدالت در الگوریتم‌ها
• 64. شفافیت و تفسیرپذیری مدل‌ها
• 65. حریم خصوصی داده‌ها
• 66. کاربردهای یادگیری ماشین در صنعت
• 67. یادگیری ماشین در سلامت
• 68. یادگیری ماشین در امور مالی
• 69. یادگیری ماشین در خرده‌فروشی
• 70. یادگیری ماشین در تولید
• 71. یادگیری ماشین در حمل و نقل
• 72. ملاحظات پیاده‌سازی مدل‌ها
• 73. مهندسی ویژگی (Feature Engineering)
• 74. انتخاب ویژگی
• 75. استانداردسازی و نرمال‌سازی داده‌ها
• 76. مدیریت داده‌های نامتوازن
• 77. تشخیص ناهنجاری
• 78. مقدمه‌ای بر یادگیری عمیق
• 79. معماری‌های پیشرفته شبکه‌های عصبی
• 80. شبکه‌های مولد تخاصمی (GANs)
• 81. شبکه‌های اتو اِنسودِر (Autoencoders)
• 82. شبکه‌های گراف عصبی (GNNs)
• 83. یادگیری انتقالی (Transfer Learning)
• 84. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 85. یادگیری فدرال (Federated Learning)
• 86. امنیت در یادگیری ماشین
• 87. حملات خصمانه به مدل‌ها
• 88. آموزش مقاوم در برابر حملات
• 89. حفظ حریم خصوصی در یادگیری ماشین
• 90. کاربرد یادگیری ماشین در پیش‌بینی
• 91. پیش‌بینی سری‌های زمانی
• 92. مدل‌های پیش‌بینی تقاضا
• 93. پیش‌بینی رفتار مشتری
• 94. سیستم‌های توصیه‌گر
• 95. کاربرد یادگیری ماشین در پردازش تصویر
• 96. تشخیص اشیاء
• 97. تقسیم‌بندی تصویر
• 98. تولید تصویر
• 99. پردازش ویدئو
• 100. یادگیری ماشین در رباتیک