دوره React.js از مقدماتی تا پیشرفته همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره React.js از مقدماتی تا پیشرفته

موضوع کلی: برنامه نویسی

موضوع میانی: توسعه وب: فرانت‌اند**

📋 سرفصل‌های دوره

• 1. مقدمه ای بر یادگیری ماشین
• 2. مفاهیم پایه ای یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری تحت نظارت
• 5. رگرسیون خطی
• 6. رگرسیون لجستیک
• 7. ماشین بردار پشتیبان (SVM)
• 8. درختان تصمیم
• 9. جنگل های تصادفی
• 10. یادگیری بدون نظارت
• 11. خوشه بندی
• 12. K-Means
• 13. کاهش ابعاد
• 14. t-SNE
• 15. یادگیری تقویتی
• 16. مقدمه ای بر شبکه های عصبی
• 17. نورون ها و لایه ها
• 18. شبکه های عصبی پرسپترون چند لایه (MLP)
• 19. توابع فعال سازی
• 20. انتشار رو به عقب (Backpropagation)
• 21. بهینه سازی و گرادیان نزولی
• 22. نرخ یادگیری
• 23. تنظیم نرخ یادگیری
• 24. بهینه سازها (Optimizers)
• 25. Adam
• 26. RMSprop
• 27. تنظیم هایپرپارامترها
• 28. اعتبارسنجی متقابل (Cross-validation)
• 29. تنظیم کننده ها (Regularization)
• 30. L1 و L2
• 31. Dropout
• 32. مدل های پیچیده و Overfitting
• 33. Underfitting
• 34. معماری های شبکه عصبی
• 35. شبکه های عصبی کانولوشنال (CNN)
• 36. لایه های کانولوشن
• 37. لایه های Pooling
• 38. معماری های CNN معروف
• 39. LeNet
• 40. AlexNet
• 41. ResNet
• 42. Inception
• 43. کاربرد CNN در بینایی ماشین
• 44. تشخیص اشیاء
• 45. تقسیم بندی تصویر
• 46. تولید تصویر
• 47. شبکه های عصبی بازگشتی (RNN)
• 48. سلول های RNN پایه
• 49. LSTM
• 50. کاربرد RNN در پردازش زبان طبیعی
• 51. مدل های زبانی
• 52. ترجمه ماشینی
• 53. تولید متن
• 54. تحلیل احساسات
• 55. شبکه های مولد تخاصمی (GAN)
• 56. معماری GAN
• 57. آموزش GAN
• 58. کاربرد GAN
• 59. مدل های ترنسفورمر (Transformer)
• 60. مکانیزم توجه (Attention Mechanism)
• 61. Encoder-Decoder
• 62. کاربرد ترنسفورمر
• 63. BERT
• 64. یادگیری عمیق در علوم پزشکی
• 65. تشخیص بیماری از روی تصاویر پزشکی
• 66. کشف دارو
• 67. پردازش سیگنال های زیستی
• 68. یادگیری عمیق در پردازش تصویر
• 69. فشرده سازی تصویر
• 70. افزایش کیفیت تصویر
• 71. تولید محتوای تصویری
• 72. یادگیری عمیق در پردازش صوت
• 73. تشخیص گفتار
• 74. تولید گفتار
• 75. تفکیک منابع صوتی
• 76. کاربرد یادگیری عمیق در تحلیل داده های حجیم
• 77. سیستم های توصیه گر
• 78. تشخیص ناهنجاری
• 79. پیش بینی سری های زمانی
• 80. اخلاق در یادگیری ماشین
• 81. سوگیری در داده ها
• 82. حریم خصوصی
• 83. مسئولیت پذیری
• 84. معرفی ابزارهای یادگیری عمیق
• 85. TensorFlow
• 86. Keras
• 87. PyTorch
• 88. مقدمه ای بر پیاده سازی مدل ها
• 89. آماده سازی داده ها
• 90. مهندسی ویژگی
• 91. انتخاب مدل
• 92. آموزش مدل
• 93. ارزیابی مدل
• 94. مدل های پیشرفته
• 95. یادگیری انتقالی (Transfer Learning)
• 96. یادگیری چند وظیفه ای (Multi-task Learning)
• 97. یادگیری فدرال (Federated Learning)
• 98. یادگیری تقویتی عمیق (Deep Reinforcement Learning)
• 99. کاربردهای عملی یادگیری عمیق
• 100. رباتیک