فلش‌کارت‌های آموزشی مقدمه‌ای بر یادگیری ماشین: مبانی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مقدمه‌ای بر یادگیری ماشین: مبانی و کاربردها

موضوع کلی: علوم کامپیوتر و مهندسی نرم‌افزار

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین
• 2. تعریف یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری با نظارت
• 5. یادگیری بدون نظارت
• 6. یادگیری تقویتی
• 7. مفاهیم پایه در یادگیری ماشین
• 8. داده‌ها و ویژگی‌ها
• 9. مجموعه داده‌های آموزشی و آزمایشی
• 10. مهندسی ویژگی
• 11. پیش‌پردازش داده‌ها
• 12. پاکسازی داده‌ها
• 13. مقیاس‌بندی داده‌ها
• 14. رمزگذاری داده‌های دسته‌ای
• 15. مدل‌های خطی
• 16. رگرسیون خطی
• 17. رگرسیون لجستیک
• 18. مقدمه‌ای بر طبقه‌بندی
• 19. الگوریتم‌های طبقه‌بندی
• 20. K-نزدیک‌ترین همسایه (KNN)
• 21. ماشین‌های بردار پشتیبان (SVM)
• 22. درختان تصمیم
• 23. جنگل‌های تصادفی
• 24. نایوبه‌یز
• 25. مدل‌های آماری
• 26. مدل‌های بیزی
• 27. استنتاج بیزی
• 28. شبکه‌های بیزی
• 29. مدل‌های گرافیکی
• 30. یادگیری عمیق
• 31. شبکه‌های عصبی مصنوعی
• 32. مبانی شبکه‌های عصبی
• 33. پرتسپترون
• 34. شبکه‌های عصبی پیش‌خور
• 35. توابع فعال‌سازی
• 36. پس‌انتشار خطا
• 37. بهینه‌سازی در شبکه‌های عصبی
• 38. نزول گرادیان
• 39. گرادیان کاهشی تصادفی
• 40. بهینه‌سازهای پیشرفته
• 41. متریک‌های ارزیابی مدل
• 42. دقت (Accuracy)
• 43. صحت (Precision)
• 44. بازیابی (Recall)
• 45. امتیاز F1
• 46. منحنی ROC و AUC
• 47. اعتبارسنجی متقابل (Cross-validation)
• 48. تنظیم فراپارامترها (Hyperparameter tuning)
• 49. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 50. روش‌های مقابله با بیش‌برازش
• 51. تنظیم‌گری (Regularization)
• 52. کاهش ابعاد (Dimensionality reduction)
• 53. تجزیه مولفه‌های اصلی (PCA)
• 54. توزیع یکنواخت همسایگی (t-SNE)
• 55. کاربردهای یادگیری ماشین
• 56. پردازش زبان طبیعی (NLP)
• 57. مقدمه‌ای بر NLP
• 58. تحلیل احساسات
• 59. طبقه‌بندی متن
• 60. شناسایی موجودیت نام‌گذاری شده (NER)
• 61. بینایی ماشین (Computer Vision)
• 62. تشخیص اشیاء
• 63. طبقه‌بندی تصویر
• 64. تولید تصویر
• 65. سیستم‌های توصیه‌گر
• 66. فیلترینگ مشارکتی
• 67. فیلترینگ مبتنی بر محتوا
• 68. سیستم‌های ترکیبی
• 69. یادگیری تقویتی پیشرفته
• 70. عوامل یادگیری تقویتی
• 71. یادگیری از طریق پاداش
• 72. الگوریتم‌های Q-learning
• 73. یادگیری عمیق تقویتی
• 74. کاربردهای یادگیری تقویتی
• 75. رباتیک
• 76. بازی‌ها
• 77. سیستم‌های خودران
• 78. مباحث پیشرفته در یادگیری ماشین
• 79. یادگیری چندوظیفه‌ای (Multi-task learning)
• 80. یادگیری انتقالی (Transfer learning)
• 81. یادگیری افزایشی (Incremental learning)
• 82. یادگیری فعال (Active learning)
• 83. یادگیری توضیحی (Explainable AI - XAI)
• 84. اخلاق در یادگیری ماشین
• 85. حریم خصوصی داده‌ها
• 86. سوگیری در الگوریتم‌ها
• 87. مسئولیت‌پذیری
• 88. کاربردها در صنعت و اقتصاد
• 89. تحلیل داده‌های مالی
• 90. پیش‌بینی بازار
• 91. مدیریت ریسک
• 92. کاربردها در سلامت
• 93. تشخیص بیماری
• 94. کشف دارو
• 95. شخصی‌سازی درمان
• 96. مقدمه‌ای بر مهندسی نرم‌افزار در یادگیری ماشین
• 97. چرخه حیات پروژه‌های ML
• 98. استقرار مدل‌های ML
• 99. نظارت بر عملکرد مدل‌ها
• 100. امنیت در سیستم‌های ML