دوره الگوریتم های یادگیری ماشین: اصول و پیاده سازی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره الگوریتم های یادگیری ماشین: اصول و پیاده سازی

موضوع کلی: برنامه نویسی

موضوع میانی: الگوریتم‌ها و ساختمان داده‌ها

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 3. مفاهیم کلیدی: داده، ویژگی، برچسب، مدل
• 4. پیش پردازش داده ها: پاکسازی و نرمال سازی
• 5. مهندسی ویژگی: انتخاب و استخراج ویژگی
• 6. تجسم داده ها برای درک بهتر
• 7. ارزیابی مدل: معیارهای عملکرد
• 8. تقسیم داده ها: آموزش، اعتبارسنجی، آزمون
• 9. رگرسیون خطی
• 10. تنظیم پارامترها در رگرسیون خطی
• 11. رگرسیون لجستیک
• 12. طبقه‌بندی کننده بیز ساده
• 13. ماشین بردار پشتیبان (SVM)
• 14. هسته ها در SVM
• 15. درختان تصمیم
• 16. جنگل تصادفی
• 17. تقویت گرادیان
• 18. مدل های ترکیبی (Ensemble Models)
• 19. خوشه بندی K-Means
• 20. خوشه بندی سلسله مراتبی
• 21. کاهش ابعاد: تحلیل مولفه های اصلی (PCA)
• 22. کاهش ابعاد: t-SNE
• 23. شبکه های عصبی مصنوعی: اصول اولیه
• 24. تابع فعال سازی در شبکه های عصبی
• 25. پس انتشار خطا (Backpropagation)
• 26. شبکه های عصبی عمیق (Deep Neural Networks)
• 27. شبکه های عصبی کانولوشنی (CNN)
• 28. شبکه های عصبی بازگشتی (RNN)
• 29. حافظه طولانی کوتاه مدت (LSTM)
• 30. واحد بازگشتی دروازه دار (GRU)
• 31. مدل های زبانی
• 32. پردازش زبان طبیعی (NLP)
• 33. تحلیل احساسات
• 34. تشخیص موجودیت نامگذاری شده (NER)
• 35. مدل های تولید متن
• 36. یادگیری بدون نظارت: مدل های مولد
• 37. شبکه های مولد تخاصمی (GAN)
• 38. کشف قوانین وابستگی
• 39. یادگیری تقویتی: مفاهیم پایه
• 40. محیط، عامل، پاداش
• 41. یادگیری Q
• 42. یادگیری سیاست گرادیان
• 43. یادگیری عمیق تقویتی
• 44. کاربردها در رباتیک
• 45. کاربردها در بازی ها
• 46. کاربردها در سیستم های توصیه گر
• 47. سیستم های توصیه گر مبتنی بر محتوا
• 48. سیستم های توصیه گر مبتنی بر فیلترینگ مشارکتی
• 49. فیلترینگ مشارکتی کاربر-مورد
• 50. فیلترینگ مشارکتی مورد-مورد
• 51. مدل های ماتریس فاکتورسازی
• 52. یادگیری نیمه نظارت شده
• 53. یادگیری خودکار (Self-Supervised Learning)
• 54. روش های منظم سازی (Regularization)
• 55. کاهش بیش برازش (Overfitting)
• 56. تنظیم فوق پارامترها (Hyperparameter Tuning)
• 57. جستجوی شبکه ای (Grid Search)
• 58. جستجوی تصادفی (Random Search)
• 59. بهینه سازی بیزی
• 60. تشخیص ناهنجاری
• 61. مدل های سری زمانی
• 62. پیش بینی سری زمانی
• 63. مدل های مبتنی بر آمار
• 64. مدل های مبتنی بر یادگیری ماشین
• 65. شبکه های عصبی برای سری زمانی
• 66. کاربردها در امور مالی
• 67. کاربردها در اقتصاد
• 68. کاربردها در پیش بینی آب و هوا
• 69. کاربردها در تشخیص پزشکی
• 70. یادگیری ماشین اخلاقی و مسئولانه
• 71. سوگیری در داده ها و مدل ها
• 72. عدالت در الگوریتم ها
• 73. شفافیت و توضیح پذیری مدل ها
• 74. حریم خصوصی داده ها
• 75. امنیت مدل های یادگیری ماشین
• 76. حملات متخاصم به مدل ها
• 77. دفاع در برابر حملات
• 78. یادگیری ماشین قابل اعتماد
• 79. پیاده سازی با Python
• 80. کتابخانه Scikit-learn
• 81. کتابخانه TensorFlow
• 82. کتابخانه Keras
• 83. کتابخانه PyTorch
• 84. ساخت خط لوله یادگیری ماشین
• 85. استقرار مدل ها
• 86. مانیتورینگ مدل ها در محیط عملیاتی
• 87. یادگیری ماشین در مقیاس بزرگ
• 88. پردازش توزیع شده داده ها
• 89. چارچوب های پردازش توزیع شده
• 90. کاربردها در اینترنت اشیاء (IoT)
• 91. اخلاق و مقررات در حوزه فناوری اطلاعات
• 92. قوانین حفاظت از داده ها
• 93. مسئولیت پذیری در توسعه نرم افزار
• 94. توسعه پایدار و فناوری
• 95. انطباق با قوانین جمهوری اسلامی ایران در توسعه نرم افزار
• 96. مبانی فقهی در حوزه فناوری اطلاعات
• 97. مقررات بانک مرکزی در حوزه رمزارزها (بدون ترویج)
• 98. اصول خانواده ایرانی-اسلامی در توسعه نرم افزار
• 99. موازین شرعی در حوزه محتوای دیجیتال
• 100. قوانین و مقررات وزارت بهداشت در حوزه پزشکی