اپلیکیشن اندرویدی فلش‌کارت آموزشی مبانی و کاربردهای یادگیری عمیق در مهندسی نرم‌افزار

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و کاربردهای یادگیری عمیق در مهندسی نرم‌افزار

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق (Deep Learning)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی و یادگیری ماشین
• 2. تاریخچه هوش مصنوعی
• 3. انواع یادگیری ماشین
• 4. یادگیری با نظارت
• 5. یادگیری بدون نظارت
• 6. یادگیری تقویتی
• 7. شبکه‌های عصبی مصنوعی
• 8. تابع فعال‌سازی
• 9. پس‌انتشار خطا
• 10. شبکه‌های عصبی کانولوشنی (CNN)
• 11. کاربردهای CNN در پردازش تصویر
• 12. شبکه‌های عصبی بازگشتی (RNN)
• 13. کاربردهای RNN در پردازش زبان طبیعی
• 14. حافظه طولانی کوتاه مدت (LSTM)
• 15. واحد بازگشتی دروازه‌ای (GRU)
• 16. شبکه‌های مولد تخاصمی (GAN)
• 17. معماری GAN
• 18. کاربردهای GAN
• 19. یادگیری عمیق در بینایی ماشین
• 20. تشخیص اشیاء
• 21. تقسیم‌بندی تصویر
• 22. تولید تصویر
• 23. یادگیری عمیق در پردازش زبان طبیعی
• 24. مدل‌های زبانی
• 25. ترجمه ماشینی
• 26. تولید متن
• 27. تحلیل احساسات
• 28. یادگیری عمیق در سیستم‌های توصیه‌گر
• 29. فیلترینگ مشارکتی
• 30. فیلترینگ مبتنی بر محتوا
• 31. ترکیب روش‌ها
• 32. یادگیری عمیق در مهندسی نرم‌افزار
• 33. مهندسی ویژگی در یادگیری عمیق
• 34. تنظیم هایپرپارامترها
• 35. اعتبارسنجی مدل
• 36. کاهش ابعاد
• 37. انتخاب مدل
• 38. بهینه‌سازی مدل
• 39. آموزش توزیع شده
• 40. استفاده از GPU و TPU
• 41. کتابخانه‌ها و فریم‌ورک‌های یادگیری عمیق
• 42. TensorFlow
• 43. PyTorch
• 44. Keras
• 45. Scikit-learn
• 46. مقدمه‌ای بر مفاهیم ریاضی در یادگیری عمیق
• 47. جبر خطی
• 48. حساب دیفرانسیل و انتگرال
• 49. احتمال و آمار
• 50. مفاهیم بهینه‌سازی
• 51. گرادیان کاهشی
• 52. بهینه‌سازهای پیشرفته
• 53. تنظیم‌کننده‌ها (Regularization)
• 54. L1 و L2 Regularization
• 55. Dropout
• 56. Data Augmentation
• 57. یادگیری انتقالی (Transfer Learning)
• 58. Fine-tuning مدل‌های از پیش آموزش دیده
• 59. کاربرد یادگیری انتقالی در مسائل مختلف
• 60. مقدمه‌ای بر یادگیری عمیق غیرنظارتی
• 61. خودرمزگذارها (Autoencoders)
• 62. کاربردهای خودرمزگذارها
• 63. شبکه‌های عصبی گراف (GNN)
• 64. کاربردهای GNN
• 65. یادگیری عمیق برای داده‌های سری زمانی
• 66. مدل‌های پیش‌بینی سری زمانی
• 67. کاربردها در اقتصاد و مالی
• 68. مقدمه‌ای بر یادگیری عمیق برای داده‌های صوتی
• 69. پردازش گفتار
• 70. تشخیص صدا
• 71. یادگیری عمیق در رباتیک
• 72. کنترل ربات
• 73. ناوبری ربات
• 74. یادگیری عمیق در بازی‌ها
• 75. یادگیری تقویتی در بازی‌ها
• 76. تکنیک‌های پیشرفته در یادگیری عمیق
• 77. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 78. یادگیری یک‌شات (One-shot Learning)
• 79. یادگیری صفرشات (Zero-shot Learning)
• 80. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 81. سوگیری در داده‌ها و مدل‌ها
• 82. شفافیت و قابلیت توضیح‌پذیری (Explainability)
• 83. حریم خصوصی در هوش مصنوعی
• 84. امنیت مدل‌های یادگیری عمیق
• 85. حملات تخاصمی (Adversarial Attacks)
• 86. دفاع در برابر حملات تخاصمی
• 87. معماری‌های نوین در یادگیری عمیق
• 88. Transformer Networks
• 89. کاربردهای Transformer
• 90. مقدمه‌ای بر یادگیری عمیق ترکیبی
• 91. یادگیری عمیق در مهندسی پزشکی
• 92. تشخیص بیماری با تصویربرداری پزشکی
• 93. توسعه دارو
• 94. یادگیری عمیق در تحلیل داده‌های بزرگ
• 95. کاربردها در صنعت
• 96. یادگیری عمیق در حوزه انرژی
• 97. بهینه‌سازی مصرف انرژی
• 98. پیش‌بینی تولید انرژی
• 99. یادگیری عمیق در کشاورزی هوشمند
• 100. تشخیص آفات و بیماری‌ها