دوره Rust and AI: Building Intelligent Systems with Rust همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Rust and AI: Building Intelligent Systems with Rust

موضوع کلی: برنامه نویسی

موضوع میانی: راست (Rust)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر زبان برنامه‌نویسی Rust
• 2. مفاهیم پایه Rust: متغیرها، انواع داده و عملیات
• 3. ساختار کنترل در Rust: شرط‌ها و حلقه‌ها
• 4. توابع و مدیریت خطا در Rust
• 5. مالکیت (Ownership) و قرض گرفتن (Borrowing) در Rust
• 6. ساختارهای داده‌ای در Rust: Structs و Enums
• 7. روش‌ها (Methods) و پیاده‌سازی آن‌ها در Rust
• 8. مدیریت حافظه و زمان حیات (Lifetimes) در Rust
• 9. مدیریت خطا پیشرفته در Rust: Result و Option
• 10. کالکشن‌ها (Collections) در Rust: Vector، String و HashMap
• 11. استفاده از Traits برای انتزاع در Rust
• 12. Generic ها در Rust برای کدنویسی قابل استفاده مجدد
• 13. تست‌نویسی در Rust
• 14. مدیریت وابستگی‌ها با Cargo
• 15. مقدمه‌ای بر هوش مصنوعی
• 16. مبانی یادگیری ماشین
• 17. انواع یادگیری ماشین: نظارت شده، بدون نظارت و تقویتی
• 18. پیش‌پردازش داده‌ها برای هوش مصنوعی
• 19. معرفی کتابخانه‌های هوش مصنوعی در Python (برای مقایسه مفهومی)
• 20. ساخت مدل‌های یادگیری ماشین ساده
• 21. ارزیابی مدل‌های یادگیری ماشین
• 22. مقدمه‌ای بر شبکه های عصبی مصنوعی
• 23. ساختار لایه‌های شبکه عصبی
• 24. آموزش شبکه‌های عصبی: انتشار رو به عقب
• 25. شبکه‌های عصبی کانولوشنی (CNN)
• 26. شبکه‌های عصبی بازگشتی (RNN)
• 27. پردازش زبان طبیعی (NLP)
• 28. مقدمه‌ای بر یادگیری عمیق
• 29. معماری‌های مدرن شبکه‌های عصبی
• 30. یادگیری انتقالی (Transfer Learning)
• 31. تکنیک‌های تنظیم هایپرپارامترها
• 32. مقدمه‌ای بر Rust برای توسعه سیستم‌های هوشمند
• 33. استفاده از Rust در محاسبات علمی
• 34. کتابخانه‌های عددی در Rust
• 35. آرایه‌های چندبعدی در Rust
• 36. بهینه‌سازی عملکرد کد Rust
• 37. کار با داده‌های بزرگ در Rust
• 38. معرفی کتابخانه `ndarray` در Rust
• 39. مقدمه‌ای بر مفاهیم پایگاه داده
• 40. طراحی پایگاه داده رابطه‌ای
• 41. زبان SQL برای مدیریت داده‌ها
• 42. مقدمه‌ای بر پایگاه داده‌های NoSQL
• 43. کار با داده‌های ساختاریافته در Rust
• 44. ذخیره‌سازی داده‌ها با استفاده از Rust
• 45. مقدمه‌ای بر مفاهیم شبکه و ارتباطات
• 46. پروتکل‌های ارتباطی پایه
• 47. ارتباطات امن در شبکه‌ها
• 48. مقدمه‌ای بر معماری سیستم‌های توزیع شده
• 49. پیاده‌سازی سرویس‌های میکرو در Rust
• 50. استفاده از Rust برای توسعه API
• 51. مقدمه‌ای بر مفاهیم داده‌کاوی
• 52. الگوهای داده‌کاوی
• 53. خوشه‌بندی (Clustering)
• 54. طبقه‌بندی (Classification)
• 55. تحلیل رگرسیون
• 56. مقدمه‌ای بر یادگیری تقویتی
• 57. عناصر کلیدی یادگیری تقویتی
• 58. الگوریتم‌های یادگیری تقویتی پایه
• 59. یادگیری تقویتی عمیق
• 60. کاربرد یادگیری تقویتی در سیستم‌های خودکار
• 61. مقدمه‌ای بر هوش مصنوعی مولد
• 62. مدل‌های زبانی بزرگ (LLMs)
• 63. مقدمه‌ای بر معماری ترانسفورمر
• 64. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 65. تولید متن با استفاده از Rust
• 66. تولید کد با استفاده از Rust
• 67. مقدمه‌ای بر پردازش تصویر
• 68. الگوریتم‌های پردازش تصویر پایه
• 69. کاربرد شبکه‌های عصبی کانولوشنی در پردازش تصویر
• 70. تشخیص اشیاء در تصاویر
• 71. تقسیم‌بندی تصاویر
• 72. مقدمه‌ای بر پردازش گفتار
• 73. تبدیل گفتار به متن
• 74. تبدیل متن به گفتار
• 75. کاربرد Rust در سیستم‌های پردازش تصویر
• 76. کاربرد Rust در سیستم‌های پردازش گفتار
• 77. مقدمه‌ای بر اخلاق در هوش مصنوعی
• 78. سوگیری در الگوریتم‌های هوش مصنوعی
• 79. مسئولیت‌پذیری در هوش مصنوعی
• 80. امنیت سیستم‌های هوش مصنوعی
• 81. مقدمه‌ای بر استقرار مدل‌های هوش مصنوعی
• 82. استقرار مدل‌ها در محیط‌های ابری
• 83. استقرار مدل‌ها در دستگاه‌های لبه (Edge Devices)
• 84. مانیتورینگ و نگهداری مدل‌های هوش مصنوعی
• 85. بهبود مستمر مدل‌ها
• 86. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 87. الگوریتم‌های مبتنی بر محتوا
• 88. الگوریتم‌های فیلترینگ مشارکتی
• 89. سیستم‌های توصیه‌گر ترکیبی
• 90. کاربرد Rust در ساخت سیستم‌های توصیه‌گر
• 91. مقدمه‌ای بر مفاهیم یادگیری چند وظیفه‌ای
• 92. یادگیری چند وظیفه‌ای با شبکه‌های عصبی
• 93. کاربرد Rust در یادگیری چند وظیفه‌ای
• 94. مقدمه‌ای بر یادگیری انتقالی در Rust
• 95. بهینه‌سازی مدل‌های هوش مصنوعی با Rust
• 96. پیاده‌سازی الگوریتم‌های هوش مصنوعی سفارشی در Rust
• 97. توسعه ابزارهای کمکی هوش مصنوعی با Rust
• 98. مقدمه‌ای بر مفاهیم یادگیری فدرال
• 99. کاربرد Rust در یادگیری فدرال
• 100. مقدمه‌ای بر یادگیری تقویتی پیشرفته