دوره مهندسی یادگیری ماشین: از مبانی تا پیاده‌سازی پروژه‌های کاربردی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مهندسی یادگیری ماشین: از مبانی تا پیاده‌سازی پروژه‌های کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و کاربردهای یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. مقدمه‌ای بر هوش مصنوعی
• 3. انواع یادگیری ماشین
• 4. یادگیری نظارت شده
• 5. یادگیری بدون نظارت
• 6. یادگیری تقویتی
• 7. پیش‌پردازش داده‌ها
• 8. پاکسازی داده‌ها
• 9. کاهش ابعاد داده‌ها
• 10. انتخاب ویژگی
• 11. مدل‌های خطی
• 12. رگرسیون خطی
• 13. رگرسیون لجستیک
• 14. ماشین‌های بردار پشتیبان (SVM)
• 15. درختان تصمیم
• 16. جنگل‌های تصادفی
• 17. تقویت گرادیان
• 18. مدل‌های مبتنی بر همسایگی
• 19. K-نزدیکترین همسایگان (KNN)
• 20. خوشه‌بندی
• 21. K-Means
• 22. خوشه‌بندی سلسله مراتبی
• 23. تحلیل مولفه‌های اصلی (PCA)
• 24. کاهش ابعاد با استفاده از تحلیل مولفه‌های مستقل (ICA)
• 25. شبکه‌های عصبی مصنوعی
• 26. مبانی پرسپترون
• 27. شبکه‌های عصبی عمیق
• 28. شبکه‌های عصبی کانولوشنال (CNN)
• 29. شبکه‌های عصبی بازگشتی (RNN)
• 30. یادگیری عمیق برای پردازش زبان طبیعی
• 31. کاربرد CNN در بینایی ماشین
• 32. کاربرد RNN در پردازش زبان طبیعی
• 33. یادگیری بدون نظارت برای کشف الگو
• 34. اتصال‌گرایی آماری
• 35. کاهش ابعاد غیرخطی
• 36. شبکه‌های مولد تخاصمی (GANs)
• 37. مدل‌های زبانی
• 38. یادگیری تقویتی: مبانی
• 39. عامل عامل و محیط
• 40. تابع پاداش
• 41. سیاست عامل
• 42. ارزش تابع
• 43. یادگیری Q
• 44. یادگیری Deep Q-Networks (DQN)
• 45. مدل‌های عامل-عامل
• 46. بازی و یادگیری تقویتی
• 47. کاربردهای یادگیری تقویتی
• 48. یادگیری ماشین در پردازش زبان طبیعی
• 49. مدل‌سازی موضوعی
• 50. تحلیل احساسات
• 51. ترجمه ماشینی
• 52. خلاصه‌سازی متن
• 53. سیستم‌های توصیه‌گر
• 54. فیلترینگ مشارکتی
• 55. فیلترینگ مبتنی بر محتوا
• 56. یادگیری ماشین در بینایی ماشین
• 57. تشخیص اشیاء
• 58. دسته‌بندی تصاویر
• 59. تقطیر تصاویر
• 60. تشخیص چهره
• 61. پردازش سیگنال صوتی
• 62. تشخیص گفتار
• 63. تشخیص موسیقی
• 64. کاربردهای یادگیری ماشین در پزشکی
• 65. تشخیص بیماری
• 66. کشف دارو
• 67. تجزیه و تحلیل تصاویر پزشکی
• 68. کاربردهای یادگیری ماشین در مالی
• 69. پیش‌بینی بازار سهام
• 70. تشخیص تقلب
• 71. امتیازدهی اعتباری
• 72. کاربردهای یادگیری ماشین در صنعت
• 73. بهینه‌سازی فرآیند
• 74. نگهداری پیش‌بینانه
• 75. کنترل کیفیت
• 76. اخلاق در یادگیری ماشین
• 77. سوگیری در الگوریتم‌ها
• 78. شفافیت و قابلیت تفسیر
• 79. حریم خصوصی داده‌ها
• 80. مسئولیت‌پذیری در هوش مصنوعی
• 81. پیاده‌سازی پروژه‌های یادگیری ماشین
• 82. تعریف مسئله
• 83. جمع‌آوری و آماده‌سازی داده‌ها
• 84. انتخاب مدل
• 85. آموزش و ارزیابی مدل
• 86. تنظیم ابرپارامترها
• 87. پیاده‌سازی مدل در محیط واقعی
• 88. پایش و نگهداری مدل
• 89. مقدمه‌ای بر مهندسی یادگیری ماشین
• 90. چرخه حیات پروژه یادگیری ماشین
• 91. ابزارها و فریم‌ورک‌های یادگیری ماشین
• 92. TensorFlow
• 93. PyTorch
• 94. Scikit-learn
• 95. مفاهیم پیشرفته در یادگیری ماشین
• 96. یادگیری انتقالی
• 97. یادگیری چندوظیفه‌ای
• 98. یادگیری فعال
• 99. یادگیری فدرال
• 100. آینده یادگیری ماشین