دوره مقدمه‌ای بر علوم داده و هوش مصنوعی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر علوم داده و هوش مصنوعی

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: مبانی هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مبانی علوم داده و کاربردهای آن
• 2. آشنایی با مفاهیم کلیدی هوش مصنوعی
• 3. تاریخچه و سیر تحول علوم داده و هوش مصنوعی
• 4. اخلاق در علوم داده و هوش مصنوعی
• 5. قوانین و مقررات حاکم بر داده و هوش مصنوعی در ایران
• 6. مقدمه‌ای بر آمار و احتمالات در علوم داده
• 7. مفاهیم پایه احتمال و توزیع‌های آماری
• 8. آمار توصیفی: شاخص‌های مرکزی و پراکندگی
• 9. آمار استنباطی: آزمون فرض و فاصله اطمینان
• 10. مبانی یادگیری ماشین
• 11. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 12. الگوریتم‌های یادگیری نظارت شده: رگرسیون خطی
• 13. الگوریتم‌های یادگیری نظارت شده: رگرسیون لجستیک
• 14. الگوریتم‌های یادگیری نظارت شده: درخت تصمیم
• 15. الگوریتم‌های یادگیری نظارت شده: ماشین بردار پشتیبان (SVM)
• 16. الگوریتم‌های یادگیری نظارت شده: شبکه‌های عصبی پایه
• 17. الگوریتم‌های یادگیری بدون نظارت: خوشه‌بندی (K-Means)
• 18. الگوریتم‌های یادگیری بدون نظارت: کاهش ابعاد (PCA)
• 19. ارزیابی مدل‌های یادگیری ماشین
• 20. معیارهای ارزیابی مدل‌های رگرسیون
• 21. معیارهای ارزیابی مدل‌های طبقه‌بندی
• 22. اعتبارسنجی متقابل (Cross-Validation)
• 23. مهندسی ویژگی (Feature Engineering)
• 24. شناسایی و انتخاب ویژگی‌های مرتبط
• 25. تبدیل و نرمال‌سازی داده‌ها
• 26. مدیریت داده‌های گمشده
• 27. مقدمه‌ای بر یادگیری عمیق
• 28. شبکه‌های عصبی کانولوشنال (CNN)
• 29. شبکه‌های عصبی بازگشتی (RNN)
• 30. شبکه‌های عصبی ترنسفورمر (Transformer)
• 31. کاربرد شبکه‌های عصبی در پردازش تصویر
• 32. کاربرد شبکه‌های عصبی در پردازش زبان طبیعی
• 33. پردازش زبان طبیعی (NLP)
• 34. پیش‌پردازش متن: توکنایز و حذف کلمات توقف
• 35. مدل‌سازی زبان: N-grams
• 36. تعبیه‌سازی کلمات (Word Embeddings): Word2Vec
• 37. تعبیه‌سازی کلمات: GloVe
• 38. مدل‌های زبانی بزرگ (LLMs) و معماری ترنسفورمر
• 39. کاربردهای LLMs در تولید متن
• 40. کاربردهای LLMs در خلاصه‌سازی متن
• 41. کاربردهای LLMs در ترجمه ماشینی
• 42. کاربردهای LLMs در پاسخ به پرسش
• 43. مبانی داده‌کاوی
• 44. فرآیند داده‌کاوی: کشف دانش از پایگاه داده (KDD)
• 45. قوانین وابستگی (Association Rules)
• 46. الگوریتم Apriori
• 47. کاربرد قوانین وابستگی در تحلیل سبد خرید
• 48. تحلیل سری‌های زمانی
• 49. مفاهیم پایه سری‌های زمانی
• 50. مدل‌های ARIMA
• 51. پیش‌بینی در سری‌های زمانی
• 52. کاربرد تحلیل سری‌های زمانی در اقتصاد
• 53. کاربرد تحلیل سری‌های زمانی در پیش‌بینی تقاضا
• 54. مباحث پیشرفته در یادگیری ماشین
• 55. یادگیری تقویتی: مفاهیم پایه
• 56. الگوریتم‌های Q-Learning
• 57. کاربرد یادگیری تقویتی در رباتیک
• 58. یادگیری نیمه‌نظارت شده
• 59. یادگیری انتقالی (Transfer Learning)
• 60. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 61. هوش مصنوعی مولد (Generative AI)
• 62. مدل‌های مولد: شبکه‌های زایای تخاصمی (GANs)
• 63. مدل‌های مولد: مدل‌های انتشار (Diffusion Models)
• 64. کاربرد هوش مصنوعی مولد در تولید محتوا
• 65. کاربرد هوش مصنوعی مولد در طراحی
• 66. هوش مصنوعی در کسب و کار
• 67. تحلیل داده‌های مشتری
• 68. پیش‌بینی رفتار مشتری
• 69. سیستم‌های توصیه‌گر (Recommender Systems)
• 70. طراحی سیستم‌های توصیه‌گر مبتنی بر محتوا
• 71. طراحی سیستم‌های توصیه‌گر مبتنی بر فیلترینگ مشارکتی
• 72. کاربرد هوش مصنوعی در بازاریابی دیجیتال
• 73. هوش مصنوعی در بهینه‌سازی فرآیندهای کسب و کار
• 74. مباحث پیشرفته در پردازش زبان طبیعی
• 75. مدل‌های زبانی پیشرفته: BERT
• 76. مدل‌های زبانی پیشرفته: GPT
• 77. تنظیم دقیق (Fine-tuning) مدل‌های زبانی بزرگ
• 78. تولید متن خلاقانه با LLMs
• 79. استخراج اطلاعات از متن
• 80. تشخیص موجودیت نام‌گذاری شده (NER)
• 81. تحلیل احساسات (Sentiment Analysis)
• 82. مدیریت و ذخیره‌سازی داده‌ها
• 83. مبانی پایگاه داده رابطه‌ای (SQL)
• 84. مبانی پایگاه داده NoSQL
• 85. کاربرد پایگاه داده در علوم داده
• 86. مدیریت کلان داده (Big Data)
• 87. مقدمه‌ای بر اکوسیستم Hadoop
• 88. Spark و پردازش توزیع شده
• 89. اصول مهندسی داده
• 90. معماری داده مدرن
• 91. امنیت داده‌ها در علوم داده
• 92. حریم خصوصی داده‌ها و حفاظت از اطلاعات
• 93. مباحث اخلاقی و قانونی پیشرفته در هوش مصنوعی
• 94. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 95. پیش‌داوری (Bias) در داده‌ها و الگوریتم‌ها
• 96. روش‌های کاهش پیش‌داوری
• 97. شفافیت و قابلیت توضیح‌پذیری (Explainability) در هوش مصنوعی
• 98. کاربردهای نوین هوش مصنوعی در ایران
• 99. هوش مصنوعی در صنعت و تولید
• 100. هوش مصنوعی در کشاورزی و منابع طبیعی