فلش‌کارت‌های آموزشی مبانی یادگیری ماشین: دیدگاه‌های آماری و کاربردی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین: دیدگاه‌های آماری و کاربردی

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری ماشین پیشرفته

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 3. مفاهیم کلیدی: داده، ویژگی، برچسب، مدل
• 4. پیش‌پردازش داده‌ها: پاکسازی، نرمال‌سازی، تبدیل
• 5. نمونه‌سازی داده‌ها: تقسیم داده‌ها به مجموعه‌های آموزش، اعتبارسنجی و آزمون
• 6. ارزیابی مدل: معیارهای دقت، صحت، بازیابی، امتیاز F1
• 7. رگرسیون خطی
• 8. رگرسیون لجستیک
• 9. درختان تصمیم
• 10. جنگل‌های تصادفی
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. دسته‌بندی‌کننده‌های بیز ساده
• 13. K-نزدیکترین همسایگان (KNN)
• 14. کاهش ابعاد: تحلیل مؤلفه‌های اصلی (PCA)
• 15. تجزیه مقادیر منفرد (SVD)
• 16. خوشه‌بندی: K-Means
• 17. خوشه‌بندی سلسله مراتبی
• 18. کشف قوانین انجمنی
• 19. یادگیری عمیق: مقدمه
• 20. شبکه‌های عصبی پرسپترون چندلایه
• 21. توابع فعال‌سازی
• 22. پس‌انتشار خطا
• 23. شبکه‌های عصبی کانولوشنی (CNN)
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. حافظه طولانی کوتاه مدت (LSTM)
• 26. واحدهای بازگشتی دروازه‌ای (GRU)
• 27. یادگیری تقویتی: مفاهیم پایه
• 28. عامل، محیط، حالت، عمل، پاداش
• 29. الگوریتم‌های یادگیری تقویتی: Q-Learning
• 30. یادگیری تقویتی عمیق (DRL)
• 31. مفاهیم آماری پیشرفته در یادگیری ماشین
• 32. فرضیه‌های آماری و آزمون فرض
• 33. مدل‌های خطی تعمیم یافته (GLM)
• 34. مدل‌های مخلوط
• 35. استنتاج بیزی
• 36. روش‌های مونت کارلو زنجیره مارکوف (MCMC)
• 37. مدل‌های گرافیکی
• 38. شبکه‌های بیزی
• 39. میدان‌های تصادفی مارکوف
• 40. یادگیری ماشین بر اساس سری‌های زمانی
• 41. مدل‌های ARIMA
• 42. مدل‌های حالت-فضا
• 43. فیلتر کالمن
• 44. یادگیری ماشین در اقتصاد: مقدمه
• 45. مدل‌های پیش‌بینی اقتصادی
• 46. تحلیل سری‌های زمانی اقتصادی
• 47. کاربرد مدل‌های یادگیری ماشین در بازارهای مالی
• 48. مدل‌سازی ریسک اعتباری
• 49. پیش‌بینی ورشکستگی
• 50. تحلیل احساسات در بازارهای مالی
• 51. یادگیری ماشین برای بهینه‌سازی پرتفوی
• 52. مدیریت ریسک در سرمایه‌گذاری
• 53. اقتصاد سنجی مبتنی بر یادگیری ماشین
• 54. مدل‌های پیش‌بینی تقاضا
• 55. بهینه‌سازی زنجیره تأمین
• 56. مدیریت موجودی
• 57. تخصیص منابع
• 58. یادگیری ماشین در داده‌های حجیم
• 59. معماری‌های پردازش توزیع شده (مانند Spark)
• 60. استفاده از چارچوب‌های یادگیری ماشین توزیع شده
• 61. بهینه‌سازی عملکرد مدل در مقیاس بزرگ
• 62. حفظ حریم خصوصی و امنیت در یادگیری ماشین
• 63. روش‌های حفظ حریم خصوصی داده‌ها
• 64. یادگیری فدرال
• 65. امنیت مدل‌ها در برابر حملات
• 66. اخلاق در هوش مصنوعی و یادگیری ماشین
• 67. سوگیری در الگوریتم‌ها
• 68. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 69. کاربرد یادگیری ماشین در تشخیص پزشکی
• 70. مدل‌های پیش‌بینی بیماری
• 71. تحلیل تصاویر پزشکی
• 72. سیستم‌های توصیه‌گر در پزشکی
• 73. یادگیری ماشین برای پردازش زبان طبیعی (NLP)
• 74. تجزیه و تحلیل متن
• 75. استخراج اطلاعات
• 76. ترجمه ماشینی
• 77. خلاصه‌سازی متن
• 78. مدل‌های زبانی بزرگ
• 79. یادگیری ماشین برای بینایی ماشین
• 80. تشخیص اشیاء
• 81. تقسیم‌بندی تصاویر
• 82. تشخیص چهره
• 83. تولید تصویر
• 84. مفاهیم پیشرفته در یادگیری عمیق
• 85. شبکه‌های مولد تخاصمی (GANs)
• 86. شبکه‌های خودرمزگذار متغیر (VAEs)
• 87. یادگیری انتقال (Transfer Learning)
• 88. یادگیری چند وظیفه ای (Multi-task Learning)
• 89. یادگیری خودنظارتی (Self-supervised Learning)
• 90. تفسیرپذیری مدل‌های یادگیری ماشین
• 91. روش‌های تفسیرپذیری (مانند LIME، SHAP)
• 92. تجزیه و تحلیل اهمیت ویژگی
• 93. نمایش بصری تصمیمات مدل
• 94. یادگیری ماشین قابل اعتماد و قوی
• 95. مدل‌سازی عدم قطعیت
• 96. تشخیص داده‌های پرت
• 97. مقاومت در برابر حملات تخاصمی
• 98. کاربرد یادگیری ماشین در رباتیک
• 99. کنترل ربات
• 100. ناوبری ربات