دوره توسعه ابزارها و متدولوژی‌های هوش مصنوعی قابل اعتماد همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره توسعه ابزارها و متدولوژی‌های هوش مصنوعی قابل اعتماد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: هوش مصنوعی قابل اعتماد (Trustworthy AI)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی قابل اعتماد
• 2. اصول اخلاقی در هوش مصنوعی
• 3. مفاهیم کلیدی در اعتمادپذیری هوش مصنوعی
• 4. چارچوب‌های قانونی و مقرراتی هوش مصنوعی در ایران
• 5. حریم خصوصی و حفاظت از داده‌ها در سیستم‌های هوش مصنوعی
• 6. امنیت داده‌ها و هوش مصنوعی
• 7. شفافیت و قابلیت توضیح‌پذیری در هوش مصنوعی
• 8. مدل‌های ریاضی برای توضیح‌پذیری
• 9. روش‌های ارزیابی قابلیت توضیح‌پذیری
• 10. انصاف و عدم تبعیض در هوش مصنوعی
• 11. شناسایی و کاهش سوگیری در داده‌ها
• 12. شناسایی و کاهش سوگیری در مدل‌ها
• 13. مسئولیت‌پذیری در هوش مصنوعی
• 14. مدیریت ریسک در سیستم‌های هوش مصنوعی
• 15. پایش و نظارت بر عملکرد سیستم‌های هوش مصنوعی
• 16. اعتبارسنجی و تأیید مدل‌های هوش مصنوعی
• 17. متدولوژی‌های توسعه هوش مصنوعی قابل اعتماد
• 18. چرخه حیات توسعه هوش مصنوعی قابل اعتماد
• 19. نقش مهندسی نرم‌افزار در هوش مصنوعی قابل اعتماد
• 20. استفاده از ابزارهای متن‌باز برای هوش مصنوعی قابل اعتماد
• 21. پلتفرم‌های توسعه هوش مصنوعی قابل اعتماد
• 22. مقدمه‌ای بر یادگیری ماشین
• 23. انواع یادگیری ماشین
• 24. یادگیری نظارت‌شده
• 25. یادگیری نظارت‌نشده
• 26. یادگیری تقویتی
• 27. پیش‌پردازش داده‌ها برای یادگیری ماشین
• 28. انتخاب ویژگی و مهندسی ویژگی
• 29. مدل‌های خطی
• 30. رگرسیون خطی
• 31. رگرسیون لجستیک
• 32. ماشین‌های بردار پشتیبان (SVM)
• 33. درختان تصمیم
• 34. جنگل‌های تصادفی
• 35. مدل‌های تقویت گرادیان (Gradient Boosting)
• 36. شبکه‌های عصبی مصنوعی
• 37. مقدمه‌ای بر شبکه‌های عصبی عمیق
• 38. شبکه‌های عصبی کانولوشنال (CNN)
• 39. کاربرد CNN در پردازش تصویر
• 40. شبکه‌های عصبی بازگشتی (RNN)
• 41. کاربرد RNN در پردازش زبان طبیعی
• 42. شبکه‌های حافظه طولانی کوتاه‌مدت (LSTM)
• 43. شبکه‌های حافظه طولانی کوتاه‌مدت (GRU)
• 44. شبکه‌های مولد تخاصمی (GAN)
• 45. کاربرد GAN در تولید داده
• 46. یادگیری انتقالی (Transfer Learning)
• 47. یادگیری فدرال (Federated Learning)
• 48. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 49. تحلیل احساسات
• 50. مدل‌سازی موضوعی (Topic Modeling)
• 51. ترجمه ماشینی
• 52. خلاصه‌سازی متن
• 53. سیستم‌های پرسش و پاسخ
• 54. تولید متن
• 55. مقدمه‌ای بر بینایی ماشین
• 56. تشخیص اشیاء
• 57. تقسیم‌بندی تصویر (Image Segmentation)
• 58. تشخیص چهره
• 59. تخمین وضعیت بدن (Pose Estimation)
• 60. تولید تصویر
• 61. مقدمه‌ای بر هوش مصنوعی در صنعت
• 62. هوش مصنوعی در تولید و بهینه‌سازی فرآیندها
• 63. هوش مصنوعی در مدیریت زنجیره تأمین
• 64. هوش مصنوعی در خدمات مشتریان
• 65. هوش مصنوعی در مالی و بانکداری (با چارچوب شرعی)
• 66. هوش مصنوعی در سلامت (با پروتکل‌های وزارت بهداشت)
• 67. هوش مصنوعی در کشاورزی
• 68. هوش مصنوعی در حمل و نقل
• 69. هوش مصنوعی در انرژی
• 70. هوش مصنوعی در آموزش (با چارچوب رسمی)
• 71. هوش مصنوعی و رباتیک
• 72. اخلاق و مسئولیت در رباتیک
• 73. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 74. فیلتر مشارکتی
• 75. فیلتر مبتنی بر محتوا
• 76. سیستم‌های توصیه‌گر ترکیبی
• 77. ارزیابی سیستم‌های توصیه‌گر
• 78. امنیت سیستم‌های توصیه‌گر
• 79. حریم خصوصی در سیستم‌های توصیه‌گر
• 80. هوش مصنوعی و اقتصاد خرد
• 81. هوش مصنوعی و اقتصاد کلان
• 82. هوش مصنوعی و توسعه پایدار
• 83. آینده هوش مصنوعی قابل اعتماد
• 84. چالش‌های پیش روی هوش مصنوعی قابل اعتماد
• 85. نقش پژوهش در توسعه هوش مصنوعی قابل اعتماد
• 86. سیاست‌گذاری هوش مصنوعی
• 87. همکاری‌های بین‌المللی در هوش مصنوعی
• 88. کاربرد هوش مصنوعی در حکمرانی (با چارچوب رسمی)
• 89. هوش مصنوعی و امنیت ملی (با رویکرد دفاعی)
• 90. هوش مصنوعی و سلامت روان (با رویکرد علمی و رسمی)
• 91. مقدمه‌ای بر یادگیری تقویتی عمیق
• 92. کاربردهای یادگیری تقویتی عمیق
• 93. مقدمه‌ای بر یادگیری توزیع‌شده
• 94. یادگیری با چندین عامل (Multi-agent Learning)
• 95. هوش مصنوعی و محاسبات ابری
• 96. امنیت و حریم خصوصی در هوش مصنوعی ابری
• 97. مقدمه‌ای بر هوش مصنوعی کوانتومی
• 98. چالش‌ها و فرصت‌های هوش مصنوعی کوانتومی
• 99. هوش مصنوعی و بلاکچین
• 100. کاربرد بلاکچین در افزایش اعتمادپذیری هوش مصنوعی