فلش‌کارت‌های آموزشی مرور مفاهیم کلیدی یادگیری ماشین برای نیمسال اول

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مرور مفاهیم کلیدی یادگیری ماشین برای نیمسال اول

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: مبانی و تکنیک‌های یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. مقدمه‌ای بر یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. یادگیری با نظارت: رگرسیون و طبقه‌بندی
• 5. مفاهیم اساسی رگرسیون خطی
• 6. رگرسیون چندگانه و مفروضات آن
• 7. ارزیابی مدل‌های رگرسیون
• 8. مقدمه‌ای بر طبقه‌بندی
• 9. رگرسیون لجستیک و تابع سیگموئید
• 10. مدل‌های طبقه‌بندی: K-نزدیکترین همسایه (KNN)
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. هسته‌های SVM و کاربردها
• 13. درختان تصمیم و قوانین تصمیم‌گیری
• 14. الگوریتم‌های مبتنی بر درخت: جنگل‌های تصادفی
• 15. تقویت گرادیان و کاربردهای آن
• 16. یادگیری بدون نظارت: خوشه‌بندی
• 17. الگوریتم K-Means برای خوشه‌بندی
• 18. خوشه‌بندی سلسله مراتبی
• 19. تحلیل مؤلفه‌های اصلی (PCA) برای کاهش ابعاد
• 20. مقدمه‌ای بر یادگیری تقویتی
• 21. عناصر یادگیری تقویتی: عامل، محیط، حالت، عمل
• 22. پاداش و تابع ارزش
• 23. روش‌های یادگیری تقویتی: مونت کارلو و TD learning
• 24. Q-Learning و Deep Q-Networks (DQN)
• 25. معماری شبکه‌های عصبی مصنوعی
• 26. تابع فعال‌سازی و نقش آن
• 27. پس‌انتشار خطا (Backpropagation)
• 28. شبکه‌های عصبی کانولوشنی (CNN)
• 29. کاربرد CNN در پردازش تصویر
• 30. شبکه‌های عصبی بازگشتی (RNN)
• 31. کاربرد RNN در پردازش زبان طبیعی
• 32. حافظه کوتاه‌مدت طولانی (LSTM)
• 33. شبکه‌های عصبی ترنسفورمر
• 34. پردازش زبان طبیعی (NLP)
• 35. توکن‌سازی و پیش‌پردازش متن
• 36. مدل‌های زبانی آماری
• 37. مدل‌های زبانی مبتنی بر شبکه‌های عصبی
• 38. بردارهای کلمه (Word Embeddings): Word2Vec, GloVe
• 39. مدل‌های ترنسفورمر برای NLP
• 40. تکنیک‌های استخراج ویژگی
• 41. مهندسی ویژگی در یادگیری ماشین
• 42. انتخاب ویژگی و روش‌های آن
• 43. نرمال‌سازی و استانداردسازی داده‌ها
• 44. مدیریت داده‌های گمشده
• 45. تشخیص و مدیریت داده‌های پرت (Outliers)
• 46. اعتبارسنجی متقابل (Cross-validation)
• 47. تنظیم ابرپارامترها (Hyperparameter tuning)
• 48. بایاس و واریانس در مدل‌ها
• 49. بیش‌برازش (Overfitting) و کم‌برازش (Underfitting)
• 50. راهکارهای مقابله با بیش‌برازش
• 51. مقدمه‌ای بر یادگیری عمیق
• 52. معماری‌های یادگیری عمیق
• 53. کاربرد یادگیری عمیق در بینایی ماشین
• 54. کاربرد یادگیری عمیق در پردازش زبان طبیعی
• 55. یادگیری انتقالی (Transfer Learning)
• 56. شبکه‌های مولد تخاصمی (GANs)
• 57. اخلاق در هوش مصنوعی
• 58. ملاحظات حقوقی و مقررات فناوری اطلاعات
• 59. امنیت داده‌ها و حریم خصوصی
• 60. کاربرد هوش مصنوعی در اقتصاد اسلامی
• 61. بانکداری بدون ربا و هوش مصنوعی
• 62. مقررات بانک مرکزی در حوزه رمزارز
• 63. مدل‌سازی ریسک در سیستم بانکی
• 64. کاربرد هوش مصنوعی در مدیریت سرمایه‌گذاری
• 65. تحلیل داده‌های مالی با یادگیری ماشین
• 66. پیش‌بینی روندهای بازار سهام
• 67. بهینه‌سازی سبد سهام
• 68. رصد و تحلیل اخبار اقتصادی
• 69. تشخیص تقلب در تراکنش‌های بانکی
• 70. سیستم‌های توصیه‌گر در تجارت الکترونیک
• 71. شخصی‌سازی تجربه کاربری
• 72. تحلیل رفتار مشتری
• 73. بهینه‌سازی زنجیره تأمین
• 74. هوش مصنوعی در تولید و صنعت
• 75. پیش‌بینی نیاز بازار
• 76. مدیریت موجودی انبار
• 77. کنترل کیفیت محصولات
• 78. رباتیک و اتوماسیون صنعتی
• 79. هوش مصنوعی در سلامت
• 80. تشخیص بیماری‌ها با یادگیری ماشین
• 81. تحلیل تصاویر پزشکی
• 82. کشف دارو و درمان‌های نوین
• 83. مدیریت پرونده‌های الکترونیک سلامت
• 84. هوش مصنوعی در کشاورزی
• 85. پیش‌بینی شرایط آب و هوایی
• 86. مدیریت بهینه منابع آب و خاک
• 87. تشخیص آفات و بیماری‌های گیاهی
• 88. کشاورزی دقیق
• 89. هوش مصنوعی در آموزش
• 90. شخصی‌سازی فرایند یادگیری
• 91. ارزیابی خودکار تکالیف
• 92. سیستم‌های کمک آموزشی هوشمند
• 93. تحلیل پیشرفت تحصیلی دانش‌آموزان
• 94. هوش مصنوعی در حمل و نقل
• 95. خودروهای خودران
• 96. بهینه‌سازی ترافیک شهری
• 97. مدیریت ناوگان حمل و نقل
• 98. پیش‌بینی خرابی تجهیزات
• 99. هوش مصنوعی در انرژی
• 100. مدیریت بهینه مصرف انرژی