دوره واژگان کلیدی مهندسی هوش مصنوعی به زبان ساده همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره واژگان کلیدی مهندسی هوش مصنوعی به زبان ساده

موضوع کلی: هوش مصنوعی و مهندسی داده

موضوع میانی: مفاهیم کلیدی در مهندسی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه بر هوش مصنوعی و مهندسی داده
• 2. تعریف مهندسی هوش مصنوعی
• 3. نقش مهندسی هوش مصنوعی در پیاده‌سازی سیستم‌های هوشمند
• 4. تفاوت هوش مصنوعی و مهندسی داده
• 5. مفاهیم پایه در مهندسی هوش مصنوعی
• 6. یادگیری ماشین (Machine Learning)
• 7. یادگیری عمیق (Deep Learning)
• 8. شبکه‌های عصبی (Neural Networks)
• 9. مدل‌های زبانی بزرگ (Large Language Models - LLMs)
• 10. پردازش زبان طبیعی (Natural Language Processing - NLP)
• 11. بینایی ماشین (Computer Vision)
• 12. یادگیری تقویتی (Reinforcement Learning)
• 13. یادگیری نظارت‌شده (Supervised Learning)
• 14. یادگیری نظارت‌نشده (Unsupervised Learning)
• 15. یادگیری نیمه‌نظارت‌شده (Semi-Supervised Learning)
• 16. مهندسی ویژگی (Feature Engineering)
• 17. انتخاب ویژگی (Feature Selection)
• 18. استخراج ویژگی (Feature Extraction)
• 19. داده‌های ساختاریافته (Structured Data)
• 20. داده‌های بدون ساختار (Unstructured Data)
• 21. داده‌های نیمه‌ساختاریافته (Semi-structured Data)
• 22. مجموعه داده (Dataset)
• 23. نمونه (Sample)
• 24. ویژگی (Feature)
• 25. برچسب (Label)
• 26. آموزش مدل (Model Training)
• 27. اعتبارسنجی مدل (Model Validation)
• 28. آزمون مدل (Model Testing)
• 29. بیش‌برازش (Overfitting)
• 30. کم‌برازش (Underfitting)
• 31. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 32. معماری مدل (Model Architecture)
• 33. لایه (Layer)
• 34. نورون (Neuron)
• 35. تابع فعال‌سازی (Activation Function)
• 36. تابع هزینه (Cost Function)
• 37. بهینه‌ساز (Optimizer)
• 38. گرادیان کاهشی (Gradient Descent)
• 39. نرخ یادگیری (Learning Rate)
• 40. پس‌انتشار خطا (Backpropagation)
• 41. ماتریس درهم‌ریختگی (Confusion Matrix)
• 42. دقت (Accuracy)
• 43. صحت (Precision)
• 44. بازیابی (Recall)
• 45. امتیاز F1 (F1 Score)
• 46. منحنی ROC (ROC Curve)
• 47. منحنی AUC (AUC Curve)
• 48. یادگیری انتقالی (Transfer Learning)
• 49. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 50. یادگیری فدرال (Federated Learning)
• 51. یادگیری آنلاین (Online Learning)
• 52. یادگیری دسته‌ای (Batch Learning)
• 53. مدل پایه (Base Model)
• 54. مدل پیش‌آموزش‌دیده (Pre-trained Model)
• 55. تنظیم دقیق (Fine-tuning)
• 56. استخراج ویژگی از مدل‌های زبانی (LLM Feature Extraction)
• 57. تولید متن (Text Generation)
• 58. خلاصه‌سازی متن (Text Summarization)
• 59. ترجمه ماشینی (Machine Translation)
• 60. تحلیل احساسات (Sentiment Analysis)
• 61. تشخیص موجودیت نام‌گذاری‌شده (Named Entity Recognition - NER)
• 62. مدل‌های زبانی بزرگ کاربردی (Applied LLMs)
• 63. مهندسی پرامپت (Prompt Engineering)
• 64. تکنیک‌های مهندسی پرامپت
• 65. پرامپت‌های زنجیره‌ای (Chain-of-thought Prompting)
• 66. پرامپت‌های وظیفه‌محور (Task-oriented Prompting)
• 67. مدیریت دانش در LLMs
• 68. استخراج دانش از LLMs
• 69. کاربرد LLMs در تولید محتوا
• 70. کاربرد LLMs در تحلیل داده
• 71. کاربرد LLMs در پشتیبانی مشتری
• 72. کاربرد LLMs در آموزش
• 73. سیستم‌های توصیه‌گر (Recommender Systems)
• 74. فیلترینگ مشارکتی (Collaborative Filtering)
• 75. فیلترینگ مبتنی بر محتوا (Content-Based Filtering)
• 76. سیستم‌های ترکیبی (Hybrid Systems)
• 77. یادگیری عمیق در بینایی ماشین
• 78. شبکه‌های کانولوشنال (Convolutional Neural Networks - CNNs)
• 79. تشخیص اشیاء (Object Detection)
• 80. تقسیم‌بندی تصویر (Image Segmentation)
• 81. تولید تصویر (Image Generation)
• 82. شبکه‌های مولد تخاصمی (Generative Adversarial Networks - GANs)
• 83. شبکه‌های انتشار (Diffusion Models)
• 84. تفسیرپذیری در هوش مصنوعی (Explainable AI - XAI)
• 85. ارزیابی مدل‌های هوش مصنوعی
• 86. متریک‌های ارزیابی مدل‌های یادگیری عمیق
• 87. اخلاق در هوش مصنوعی
• 88. سوگیری در داده‌ها و مدل‌ها (Bias in Data and Models)
• 89. حریم خصوصی داده‌ها (Data Privacy)
• 90. امنیت مدل‌های هوش مصنوعی
• 91. پیاده‌سازی و استقرار مدل‌های هوش مصنوعی
• 92. محیط‌های توسعه هوش مصنوعی
• 93. ابزارهای مهندسی داده برای هوش مصنوعی
• 94. پایپ‌لاین‌های داده (Data Pipelines)
• 95. مدیریت چرخه عمر مدل (Model Lifecycle Management)
• 96. نظارت بر مدل‌های مستقر شده (Monitoring Deployed Models)
• 97. به‌روزرسانی مدل‌ها (Model Updates)
• 98. مهندسی داده برای هوش مصنوعی مولد