دوره هوش مصنوعی: از مبانی تا کاربردهای پیشرفته (با تمرکز بر رویکردهای علمی و سازگار با چارچوب‌های رسمی) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی: از مبانی تا کاربردهای پیشرفته (با تمرکز بر رویکردهای علمی و سازگار با چارچوب‌های رسمی)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و کاربردهای هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی
• 2. تاریخچه هوش مصنوعی
• 3. تعریف هوش مصنوعی
• 4. انواع هوش مصنوعی
• 5. یادگیری ماشین چیست
• 6. انواع یادگیری ماشین
• 7. یادگیری نظارت شده
• 8. یادگیری نظارت نشده
• 9. یادگیری تقویتی
• 10. شبکه‌های عصبی مصنوعی
• 11. ساختار پرسپترون
• 12. توابع فعال‌سازی
• 13. پس‌انتشار خطا
• 14. شبکه‌های عصبی عمیق
• 15. شبکه‌های عصبی کانولوشنی
• 16. کاربرد شبکه‌های کانولوشنی
• 17. شبکه‌های عصبی بازگشتی
• 18. کاربرد شبکه‌های بازگشتی
• 19. پردازش زبان طبیعی (NLP)
• 20. مدل‌های زبانی
• 21. مدل‌های تولید متن
• 22. تحلیل احساسات
• 23. ترجمه ماشینی
• 24. تشخیص گفتار
• 25. سیستم‌های توصیه‌گر
• 26. معماری سیستم‌های توصیه‌گر
• 27. فیلترینگ مشارکتی
• 28. فیلترینگ مبتنی بر محتوا
• 29. یادگیری عمیق در سیستم‌های توصیه‌گر
• 30. بینایی ماشین
• 31. پردازش تصویر
• 32. تشخیص اشیاء
• 33. تقسیم‌بندی تصویر
• 34. تشخیص چهره
• 35. کاربردهای بینایی ماشین
• 36. هوش مصنوعی در پزشکی
• 37. تشخیص بیماری‌ها
• 38. کشف دارو
• 39. رباتیک پزشکی
• 40. هوش مصنوعی در امور مالی
• 41. تشخیص تقلب
• 42. معاملات الگوریتمی
• 43. مدیریت ریسک
• 44. هوش مصنوعی در صنعت
• 45. اتوماسیون صنعتی
• 46. نگهداری پیش‌بینانه
• 47. بهینه‌سازی تولید
• 48. هوش مصنوعی در حمل و نقل
• 49. خودروهای خودران
• 50. بهینه‌سازی ترافیک
• 51. مدیریت لجستیک
• 52. هوش مصنوعی در آموزش
• 53. شخصی‌سازی یادگیری
• 54. ارزیابی خودکار
• 55. سیستم‌های کمک آموزشی
• 56. اخلاق در هوش مصنوعی
• 57. سوگیری در الگوریتم‌ها
• 58. شفافیت و توضیح‌پذیری
• 59. حریم خصوصی داده‌ها
• 60. امنیت در هوش مصنوعی
• 61. مسئولیت‌پذیری در هوش مصنوعی
• 62. آینده هوش مصنوعی
• 63. هوش مصنوعی عمومی (AGI)
• 64. هوش مصنوعی و جامعه
• 65. هوش مصنوعی و اشتغال
• 66. هوش مصنوعی و حکمرانی
• 67. تکنیک‌های پیش‌پردازش داده
• 68. پاکسازی داده‌ها
• 69. مقیاس‌بندی داده‌ها
• 70. کاهش ابعاد داده‌ها
• 71. تحلیل اکتشافی داده‌ها
• 72. مصورسازی داده‌ها
• 73. مفاهیم آماری در یادگیری ماشین
• 74. احتمال و آمار
• 75. توزیع‌های احتمالی
• 76. آزمون فرض آماری
• 77. رگرسیون خطی
• 78. رگرسیون لجستیک
• 79. دسته‌بندی‌کننده‌های مبتنی بر درخت
• 80. جنگل‌های تصادفی
• 81. ماشین‌های بردار پشتیبان (SVM)
• 82. خوشه‌بندی K-Means
• 83. تحلیل مولفه‌های اصلی (PCA)
• 84. یادگیری عمیق برای داده‌های جدولی
• 85. مدل‌های گرادیان بوستینگ
• 86. یادگیری نیمه‌نظارت شده
• 87. یادگیری بدون نظارت برای کشف الگو
• 88. کاربردهای یادگیری تقویتی در رباتیک
• 89. کاربرد یادگیری تقویتی در بازی‌ها
• 90. پردازش زبان طبیعی پیشرفته
• 91. شبکه‌های ترنسفورمر
• 92. مدل‌های زبانی بزرگ (LLMs)
• 93. تولید محتوای خلاقانه با LLMs
• 94. کاربرد LLMs در خدمات مشتری
• 95. بینایی ماشین برای تحلیل ویدئو
• 96. یادگیری عمیق برای تشخیص ناهنجاری
• 97. هوش مصنوعی در امنیت سایبری
• 98. تشخیص نفوذ
• 99. تحلیل بدافزار
• 100. هوش مصنوعی و اینترنت اشیاء (IoT)