فلش‌کارت‌های آموزشی اصول یادگیری ماشین کاربردی در سامانه های هوشمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول یادگیری ماشین کاربردی در سامانه های هوشمند

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری با نظارت
• 5. رگرسیون خطی
• 6. رگرسیون لجستیک
• 7. ماشین‌های بردار پشتیبان (SVM)
• 8. درختان تصمیم
• 9. جنگل‌های تصادفی
• 10. تقویت‌کننده‌های گرادیان
• 11. یادگیری بدون نظارت
• 12. خوشه‌بندی K-Means
• 13. خوشه‌بندی سلسله مراتبی
• 14. تحلیل مؤلفه‌های اصلی (PCA)
• 15. کاهش ابعاد
• 16. یادگیری عمیق
• 17. شبکه‌های عصبی مصنوعی
• 18. شبکه‌های عصبی کانولوشنال (CNN)
• 19. شبکه‌های عصبی بازگشتی (RNN)
• 20. یادگیری تقویتی
• 21. مبانی آمار و احتمال در یادگیری ماشین
• 22. توزیع‌های احتمال
• 23. قضیه بیز
• 24. آزمون فرض آماری
• 25. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 26. مدل‌سازی زبان
• 27. تحلیل احساسات
• 28. شناسایی موجودیت نام‌گذاری شده (NER)
• 29. ترجمه ماشینی
• 30. مقدمه‌ای بر بینایی ماشین
• 31. تشخیص اشیاء
• 32. تقطیر تصویر
• 33. تشخیص چهره
• 34. مقدمه‌ای بر سیستم‌های توصیه‌گر
• 35. فیلترینگ مبتنی بر محتوا
• 36. فیلترینگ مشارکتی
• 37. سیستم‌های توصیه‌گر ترکیبی
• 38. ارزیابی مدل‌های یادگیری ماشین
• 39. معیارهای ارزیابی رگرسیون
• 40. معیارهای ارزیابی طبقه‌بندی
• 41. اعتبارسنجی متقابل
• 42. تنظیم هایپرپارامترها
• 43. مهندسی ویژگی
• 44. انتخاب ویژگی
• 45. استخراج ویژگی
• 46. پیش‌پردازش داده‌ها
• 47. پاکسازی داده‌ها
• 48. مقیاس‌بندی داده‌ها
• 49. تبدیل داده‌ها
• 50. مدیریت داده‌های نامتوازن
• 51. اخلاق در هوش مصنوعی
• 52. سوگیری در الگوریتم‌ها
• 53. شفافیت و قابلیت تفسیر
• 54. حریم خصوصی داده‌ها
• 55. کاربرد یادگیری ماشین در صنعت
• 56. یادگیری ماشین در سلامت
• 57. یادگیری ماشین در مالی
• 58. یادگیری ماشین در بازاریابی
• 59. یادگیری ماشین در تولید
• 60. یادگیری ماشین در کشاورزی
• 61. یادگیری ماشین در حمل و نقل
• 62. مبانی یادگیری عمیق پیشرفته
• 63. شبکه‌های عصبی ترانسفورمر
• 64. یادگیری انتقالی
• 65. یادگیری چندوظیفه‌ای
• 66. مباحث پیشرفته در پردازش زبان طبیعی
• 67. مدل‌های زبانی بزرگ (LLMs)
• 68. تولید متن
• 69. خلاصه‌سازی متن
• 70. پرسش و پاسخ
• 71. مباحث پیشرفته در بینایی ماشین
• 72. شبکه‌های مولد تخاصمی (GANs)
• 73. تولید تصویر
• 74. تولید ویدئو
• 75. واقعیت افزوده و مجازی
• 76. مباحث پیشرفته در یادگیری تقویتی
• 77. یادگیری عمیق تقویتی
• 78. رباتیک
• 79. بازی‌های هوشمند
• 80. مباحث پیشرفته در سیستم‌های توصیه‌گر
• 81. توصیه‌گرهای پویا
• 82. توصیه‌گرهای مبتنی بر دانش
• 83. توصیه‌گرهای اجتماعی
• 84. معماری‌های یادگیری ماشین
• 85. یادگیری توزیع‌شده
• 86. یادگیری لبه (Edge Learning)
• 87. یادگیری فدرال
• 88. مقدمه‌ای بر یادگیری ماشین قابل اعتماد
• 89. امنیت مدل‌های یادگیری ماشین
• 90. مقاومت در برابر حملات
• 91. تفسیرپذیری مدل‌های یادگیری ماشین
• 92. یادگیری ماشین و حکمرانی داده
• 93. چارچوب‌های قانونی و مقرراتی
• 94. استانداردهای توسعه و استقرار
• 95. هوش مصنوعی مولد و کاربردهای آن
• 96. تولید محتوای خلاقانه
• 97. طراحی و مهندسی با هوش مصنوعی
• 98. کاربرد هوش مصنوعی در آموزش و پرورش
• 99. شخصی‌سازی یادگیری
• 100. سیستم‌های خودکار ارزیابی