دوره مدل‌سازی و شبیه‌سازی شتاب‌یافته با یادگیری ماشین در جولیا همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مدل‌سازی و شبیه‌سازی شتاب‌یافته با یادگیری ماشین در جولیا

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: یادگیری ماشین و شبیه‌سازی

📋 سرفصل‌های دوره

• 1. مقدمه ای بر مدل‌سازی و شبیه‌سازی
• 2. مبانی یادگیری ماشین
• 3. مقدمه ای بر زبان برنامه‌نویسی جولیا
• 4. کاربرد جولیا در محاسبات علمی
• 5. ساختار داده‌ها در جولیا
• 6. الگوریتم‌های پایه در جولیا
• 7. مفاهیم اساسی شبیه‌سازی
• 8. انواع مدل‌های شبیه‌سازی
• 9. روش‌های عددی در شبیه‌سازی
• 10. مقدمه ای بر یادگیری ماشین شتاب‌یافته
• 11. چارچوب‌های یادگیری ماشین در جولیا
• 12. نصب و پیکربندی محیط جولیا
• 13. یادگیری نظارت شده
• 14. رگرسیون خطی
• 15. رگرسیون لجستیک
• 16. درختان تصمیم
• 17. ماشین‌های بردار پشتیبان
• 18. یادگیری بدون نظارت
• 19. خوشه‌بندی K-Means
• 20. تحلیل مولفه‌های اصلی (PCA)
• 21. شبکه‌های عصبی مصنوعی
• 22. مبانی شبکه‌های عصبی
• 23. شبکه‌های عصبی کانولوشنی (CNN)
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. یادگیری تقویتی
• 26. مقدمه ای بر یادگیری تقویتی
• 27. عوامل و محیط‌ها در یادگیری تقویتی
• 28. الگوریتم‌های Q-Learning
• 29. عوامل مبتنی بر سیاست
• 30. مدل‌سازی سیستم‌های دینامیکی
• 31. معادلات دیفرانسیل معمولی (ODE)
• 32. حل عددی ODE ها در جولیا
• 33. مدل‌سازی سیستم‌های پویا با استفاده از یادگیری ماشین
• 34. شبیه‌سازی سیستم‌های فیزیکی
• 35. شبیه‌سازی سیالات
• 36. شبیه‌سازی حرارتی
• 37. شبیه‌سازی سازه‌ای
• 38. شبیه‌سازی سیستم‌های بیولوژیکی
• 39. شبیه‌سازی سیستم‌های اقتصادی
• 40. شبیه‌سازی شبکه‌های پیچیده
• 41. معرفی JuliaSim
• 42. معماری JuliaSim
• 43. قابلیت‌های JuliaSim برای شبیه‌سازی
• 44. استفاده از JuliaSim برای مدل‌سازی سیستم‌های دینامیکی
• 45. ترکیب یادگیری ماشین و شبیه‌سازی با JuliaSim
• 46. شتاب‌دهی مدل‌سازی با استفاده از یادگیری ماشین
• 47. آموزش مدل‌های یادگیری ماشین برای شبیه‌سازی
• 48. اعتبارسنجی مدل‌های شبیه‌سازی
• 49. ارزیابی عملکرد مدل‌های شبیه‌سازی
• 50. بهینه‌سازی پارامترهای مدل
• 51. تنظیم دقیق مدل‌های یادگیری ماشین
• 52. پیش‌بینی رفتار سیستم‌ها
• 53. تحلیل حساسیت در شبیه‌سازی
• 54. تجسم نتایج شبیه‌سازی
• 55. کاربردهای صنعتی شبیه‌سازی شتاب‌یافته
• 56. شبیه‌سازی در صنعت نفت و گاز
• 57. شبیه‌سازی در صنعت خودروسازی
• 58. شبیه‌سازی در صنعت داروسازی
• 59. شبیه‌سازی در صنعت انرژی
• 60. شبیه‌سازی در حوزه مالی
• 61. شبیه‌سازی در حوزه سلامت
• 62. شبیه‌سازی در حوزه محیط زیست
• 63. ملاحظات اخلاقی در یادگیری ماشین و شبیه‌سازی
• 64. امنیت داده‌ها در شبیه‌سازی
• 65. حریم خصوصی در جمع‌آوری داده‌ها
• 66. مدیریت داده‌های بزرگ در شبیه‌سازی
• 67. پردازش موازی در شبیه‌سازی
• 68. محاسبات ابری برای شبیه‌سازی
• 69. مقدمه ای بر مدل‌سازی مبتنی بر عامل
• 70. شبیه‌سازی مبتنی بر عامل با جولیا
• 71. کاربرد مدل‌سازی مبتنی بر عامل در علوم اجتماعی
• 72. کاربرد مدل‌سازی مبتنی بر عامل در علوم زیستی
• 73. اصول طراحی آزمایش در شبیه‌سازی
• 74. تحلیل آماری نتایج شبیه‌سازی
• 75. استنتاج آماری در مدل‌سازی
• 76. روش‌های مونت کارلو در شبیه‌سازی
• 77. شبیه‌سازی رویداد گسسته
• 78. مقدمه ای بر یادگیری عمیق
• 79. معماری‌های یادگیری عمیق پیشرفته
• 80. کاربرد یادگیری عمیق در پردازش زبان طبیعی
• 81. کاربرد یادگیری عمیق در بینایی ماشین
• 82. یادگیری انتقالی
• 83. یادگیری خودنظارتی
• 84. یادگیری فدرال
• 85. شبیه‌سازی و مدل‌سازی در مهندسی نرم‌افزار
• 86. تست نرم‌افزار با استفاده از شبیه‌سازی
• 87. بهینه‌سازی عملکرد نرم‌افزار
• 88. پیش‌بینی خطا در نرم‌افزار
• 89. مدل‌سازی نیازمندی‌ها
• 90. مدل‌سازی معماری نرم‌افزار
• 91. مدل‌سازی فرآیندهای کسب و کار
• 92. مقدمه ای بر علم داده
• 93. ابزارهای علم داده در جولیا
• 94. تجسم داده‌ها در علم داده
• 95. پیش‌پردازش داده‌ها
• 96. مهندسی ویژگی
• 97. انتخاب مدل
• 98. ارزیابی مدل
• 99. تفسیر نتایج
• 100. کاربرد شبیه‌سازی در توسعه محصولات جدید