اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی هوش مصنوعی برای عموم: درک ابزارها و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی برای عموم: درک ابزارها و کاربردها

موضوع کلی: علوم کامپیوتر و فناوری

موضوع میانی: هوش مصنوعی کاربردی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی: تعریف و تاریخچه
• 2. هوش مصنوعی چیست؟ مفاهیم پایه
• 3. کاربردهای هوش مصنوعی در زندگی روزمره
• 4. تاریخچه هوش مصنوعی: از آغاز تا امروز
• 5. انواع هوش مصنوعی: ضعیف، قوی و ابر هوش
• 6. یادگیری ماشین: ستون فقرات هوش مصنوعی
• 7. یادگیری نظارت شده: پیش‌بینی و طبقه‌بندی
• 8. یادگیری بدون نظارت: کشف الگوها
• 9. یادگیری تقویتی: تصمیم‌گیری هوشمند
• 10. شبکه‌های عصبی مصنوعی: الهام از مغز انسان
• 11. معماری شبکه‌های عصبی: لایه‌ها و اتصالات
• 12. یادگیری عمیق: توانمندی‌های نوین
• 13. شبکه‌های عصبی کانولوشنی (CNN) برای تصاویر
• 14. شبکه‌های عصبی بازگشتی (RNN) برای دنباله‌ها
• 15. پردازش زبان طبیعی (NLP): تعامل ماشین و زبان
• 16. درک زبان طبیعی (NLU)
• 17. تولید زبان طبیعی (NLG)
• 18. کاربردهای NLP: چت‌بات‌ها و دستیارهای صوتی
• 19. بینایی ماشین: درک دنیای بصری
• 20. تشخیص اشیاء و چهره
• 21. تحلیل تصاویر پزشکی
• 22. یادگیری عمیق در بینایی ماشین
• 23. سیستم‌های توصیه‌گر: شخصی‌سازی تجربیات
• 24. الگوریتم‌های فیلترینگ مشارکتی
• 25. الگوریتم‌های مبتنی بر محتوا
• 26. کاربرد توصیه‌گرها در تجارت الکترونیک
• 27. هوش مصنوعی در بازی‌ها: از شطرنج تا بازی‌های ویدیویی
• 28. هوش مصنوعی در رباتیک: ربات‌های هوشمند
• 29. ربات‌های صنعتی و خدماتی
• 30. تعامل ربات با محیط
• 31. هوش مصنوعی در بهداشت و درمان: تشخیص و درمان
• 32. تحلیل داده‌های پزشکی
• 33. توسعه داروها
• 34. ربات‌های جراح
• 35. هوش مصنوعی در امور مالی: پیش‌بینی بازار و کشف تقلب
• 36. تحلیل ریسک
• 37. معاملات الگوریتمی
• 38. امنیت مالی
• 39. هوش مصنوعی در حمل و نقل: خودروهای خودران
• 40. مسیریابی هوشمند
• 41. مدیریت ترافیک
• 42. ایمنی در حمل و نقل
• 43. هوش مصنوعی در آموزش: شخصی‌سازی یادگیری
• 44. ارزیابی پیشرفت دانش‌آموزان
• 45. تولید محتوای آموزشی
• 46. هوش مصنوعی در کشاورزی: کشاورزی دقیق
• 47. نظارت بر محصولات
• 48. مدیریت منابع آب
• 49. پیش‌بینی آفات
• 50. اخلاق در هوش مصنوعی: چالش‌ها و ملاحظات
• 51. سوگیری در الگوریتم‌ها
• 52. حریم خصوصی داده‌ها
• 53. مسئولیت‌پذیری در سیستم‌های هوشمند
• 54. آینده هوش مصنوعی: فرصت‌ها و تهدیدها
• 55. هوش مصنوعی و اشتغال: تغییرات آینده
• 56. هوش مصنوعی و خلاقیت: هنر و موسیقی
• 57. هوش مصنوعی و حکمرانی: سیاست‌گذاری و مقررات
• 58. تکنیک‌های مقدماتی در یادگیری ماشین
• 59. مفاهیم اساسی آمار در هوش مصنوعی
• 60. احتمالات و توزیع‌ها
• 61. آزمون فرض آماری
• 62. مقدمه‌ای بر جبر خطی برای هوش مصنوعی
• 63. بردارها و ماتریس‌ها
• 64. عملیات ماتریسی
• 65. مفاهیم مرتبط با داده‌های بزرگ
• 66. ذخیره‌سازی و پردازش داده‌های حجیم
• 67. کاربرد ابزارهای کلان داده
• 68. استخراج ویژگی (Feature Extraction)
• 69. مهندسی ویژگی (Feature Engineering)
• 70. انتخاب ویژگی (Feature Selection)
• 71. ارزیابی مدل‌های یادگیری ماشین
• 72. معیارهای دقت، صحت و بازیابی
• 73. منحنی ROC و AUC
• 74. اعتبارسنجی متقابل (Cross-Validation)
• 75. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 76. کاهش بعد (Dimensionality Reduction)
• 77. تحلیل مولفه‌های اصلی (PCA)
• 78. t-SNE برای بصری‌سازی
• 79. مقدمه‌ای بر یادگیری عمیق
• 80. توابع فعال‌سازی (Activation Functions)
• 81. تابع هزینه (Loss Function)
• 82. بهینه‌سازها (Optimizers)
• 83. پس‌انتشار خطا (Backpropagation)
• 84. شبکه‌های مولد تخاصمی (GANs)
• 85. کاربرد GANs در تولید تصاویر
• 86. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 87. شبکه‌های حافظه کوتاه‌مدت (GRU)
• 88. مدل‌های ترنسفورمر (Transformers)
• 89. کاربرد ترنسفورمرها در NLP
• 90. هوش مصنوعی مولد (Generative AI)
• 91. مدل‌های زبانی بزرگ (LLMs)
• 92. کاربرد LLMs در تولید متن
• 93. اصول اخلاقی در توسعه و به‌کارگیری هوش مصنوعی
• 94. مدیریت ریسک در پروژه‌های هوش مصنوعی
• 95. استانداردهای ایمنی در سیستم‌های هوش مصنوعی
• 96. حقوق مالکیت فکری در هوش مصنوعی
• 97. هوش مصنوعی و حاکمیت داده‌ها
• 98. امنیت سایبری در عصر هوش مصنوعی
• 99. مقدمه‌ای بر پردازش گفتار
• 100. تشخیص گفتار