دوره مقدمه‌ای بر کاربرد هوش مصنوعی با پایتون برای متخصصان و علاقمندان همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر کاربرد هوش مصنوعی با پایتون برای متخصصان و علاقمندان

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: برنامه‌نویسی هوش مصنوعی با پایتون

📋 سرفصل‌های دوره

• 1. آشنایی با مفاهیم هوش مصنوعی
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. کاربردهای هوش مصنوعی در صنایع مختلف
• 5. مقدمه‌ای بر زبان برنامه‌نویسی پایتون
• 6. مفاهیم پایه پایتون: متغیرها، انواع داده، عملگرها
• 7. ساختارهای کنترلی در پایتون: شرط‌ها و حلقه‌ها
• 8. توابع در پایتون
• 9. کار با داده‌ها در پایتون: لیست‌ها، تاپل‌ها، دیکشنری‌ها
• 10. مقدمه‌ای بر کتابخانه‌های پایتون برای علم داده
• 11. نصب و راه‌اندازی محیط توسعه پایتون (IDE)
• 12. مقدمه‌ای بر NumPy برای محاسبات عددی
• 13. عملیات پایه با آرایه‌های NumPy
• 14. عملیات ریاضی و آماری با NumPy
• 15. مقدمه‌ای بر Pandas برای تحلیل داده
• 16. ساخت و دستکاری DataFrame در Pandas
• 17. خواندن و نوشتن داده‌ها با Pandas
• 18. پاکسازی و پیش‌پردازش داده‌ها در Pandas
• 19. تجسم داده‌ها با Matplotlib
• 20. رسم نمودارهای پایه: خطی، میله‌ای، نقطه‌ای
• 21. تنظیمات پیشرفته نمودارها در Matplotlib
• 22. مقدمه‌ای بر Seaborn برای تجسم داده‌های آماری
• 23. رسم نمودارهای آماری پیچیده‌تر با Seaborn
• 24. مقدمه‌ای بر یادگیری ماشین در Scikit-learn
• 25. تقسیم داده‌ها به مجموعه آموزش و آزمون
• 26. ارزیابی مدل‌های یادگیری ماشین: دقت، صحت، بازیابی
• 27. رگرسیون خطی
• 28. رگرسیون لجستیک
• 29. درخت‌های تصمیم
• 30. جنگل‌های تصادفی
• 31. ماشین‌های بردار پشتیبان (SVM)
• 32. خوشه‌بندی: K-Means
• 33. خوشه‌بندی: DBSCAN
• 34. تحلیل مولفه‌های اصلی (PCA)
• 35. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 36. ساختار یک پرسپترون
• 37. لایه‌های شبکه‌های عصبی: ورودی، پنهان، خروجی
• 38. توابع فعال‌سازی در شبکه‌های عصبی
• 39. پس‌انتشار خطا (Backpropagation)
• 40. آموزش شبکه‌های عصبی
• 41. بهینه‌سازی در آموزش شبکه‌های عصبی
• 42. مقدمه‌ای بر یادگیری عمیق
• 43. شبکه‌های عصبی کانولوشنال (CNN)
• 44. کاربرد CNN در تشخیص تصویر
• 45. شبکه‌های عصبی بازگشتی (RNN)
• 46. کاربرد RNN در پردازش زبان طبیعی
• 47. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 49. پیش‌پردازش متن: توکن‌سازی، حذف کلمات توقف، ریشه‌یابی
• 50. بازنمایی متن: Bag-of-Words, TF-IDF
• 51. مدل‌های زبانی
• 52. کاربرد NLP در تحلیل احساسات
• 53. کاربرد NLP در خلاصه‌سازی متن
• 54. کاربرد NLP در ترجمه ماشینی (با تأکید بر چارچوب رسمی)
• 55. مقدمه‌ای بر یادگیری تقویتی
• 56. عناصر یادگیری تقویتی: عامل، محیط، پاداش
• 57. الگوریتم‌های یادگیری تقویتی: Q-Learning
• 58. کاربرد یادگیری تقویتی در رباتیک
• 59. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 60. کاربرد یادگیری انتقالی در تشخیص تصویر
• 61. مقدمه‌ای بر مدل‌های پیش‌بینانه
• 62. ساخت مدل‌های پیش‌بینانه با پایتون
• 63. تنظیم پارامترهای مدل‌ها
• 64. اعتبارسنجی متقابل (Cross-Validation)
• 65. مقدمه‌ای بر مهندسی ویژگی
• 66. تکنیک‌های مهندسی ویژگی
• 67. مدیریت داده‌های پرت (Outliers)
• 68. مدیریت داده‌های گمشده
• 69. مقدمه‌ای بر بهینه‌سازی مدل‌ها
• 70. تنظیم دقیق هایپرپارامترها
• 71. انتخاب بهترین مدل
• 72. مقدمه‌ای بر استقرار مدل‌های هوش مصنوعی
• 73. ذخیره‌سازی و بارگذاری مدل‌ها
• 74. ساخت API برای مدل‌های هوش مصنوعی
• 75. ملاحظات اخلاقی در هوش مصنوعی
• 76. حریم خصوصی داده‌ها در هوش مصنوعی
• 77. سوگیری در مدل‌های هوش مصنوعی (با رویکرد حل مسئله)
• 78. تشریح کاربردهای هوش مصنوعی در خدمات اداری و دولتی
• 79. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندهای سازمانی
• 80. هوش مصنوعی و آینده کسب و کار در ایران
• 81. مقدمه‌ای بر چارچوب‌های یادگیری عمیق (TensorFlow, PyTorch)
• 82. نصب و راه‌اندازی TensorFlow
• 83. ساخت اولین مدل با TensorFlow
• 84. نصب و راه‌اندازی PyTorch
• 85. ساخت اولین مدل با PyTorch
• 86. مقایسه TensorFlow و PyTorch
• 87. مقدمه‌ای بر پردازش تصویر با OpenCV
• 88. عملیات پایه روی تصاویر با OpenCV
• 89. تشخیص لبه و کانتورها با OpenCV
• 90. تشخیص چهره با OpenCV (با رعایت ملاحظات)
• 91. مقدمه‌ای بر پردازش صدا
• 92. کاربرد هوش مصنوعی در تحلیل داده‌های صوتی
• 93. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 94. الگوریتم‌های سیستم‌های توصیه‌گر
• 95. پیاده‌سازی یک سیستم توصیه‌گر ساده
• 96. هوش مصنوعی در مدیریت منابع آب
• 97. هوش مصنوعی در کشاورزی هوشمند
• 98. هوش مصنوعی در بهینه‌سازی مصرف انرژی
• 99. هوش مصنوعی در حمل و نقل هوشمند
• 100. بررسی چالش‌های پیاده‌سازی هوش مصنوعی در ایران