فلش‌کارت‌های آموزشی مبانی هوش مصنوعی با آمازون سیج‌میکر (Amazon SageMaker)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی با آمازون سیج‌میکر (Amazon SageMaker)

موضوع کلی: فناوری اطلاعات و هوش مصنوعی

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. کاربردهای هوش مصنوعی در دنیای امروز
• 3. آشنایی با مفاهیم پایه یادگیری ماشین
• 4. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 5. مراحل کلی یک پروژه یادگیری ماشین
• 6. مقدمه بر آمازون سیج‌میکر (Amazon SageMaker)
• 7. معماری و اجزای کلیدی سیج‌میکر
• 8. نصب و راه‌اندازی محیط توسعه سیج‌میکر
• 9. آماده‌سازی داده‌ها برای مدل‌های یادگیری ماشین
• 10. پاکسازی و پیش‌پردازش داده‌ها در سیج‌میکر
• 11. مهندسی ویژگی (Feature Engineering)
• 12. انتخاب الگوریتم‌های مناسب یادگیری ماشین
• 13. آموزش مدل‌های نظارت شده (رگرسیون و طبقه‌بندی)
• 14. ارزیابی عملکرد مدل‌های نظارت شده
• 15. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 16. آموزش مدل‌های بدون نظارت (خوشه‌بندی و کاهش ابعاد)
• 17. ارزیابی عملکرد مدل‌های بدون نظارت
• 18. مقدمه بر یادگیری عمیق (Deep Learning)
• 19. شبکه‌های عصبی مصنوعی (ANNs)
• 20. شبکه‌های عصبی کانولوشنی (CNNs)
• 21. شبکه‌های عصبی بازگشتی (RNNs)
• 22. کاربرد CNNs در پردازش تصویر
• 23. کاربرد RNNs در پردازش زبان طبیعی
• 24. آموزش مدل‌های یادگیری عمیق در سیج‌میکر
• 25. استفاده از فریم‌ورک‌های یادگیری عمیق با سیج‌میکر (TensorFlow, PyTorch)
• 26. مدیریت چرخه عمر مدل (MLOps)
• 27. مستندسازی و نسخه‌بندی مدل‌ها
• 28. استقرار مدل‌های یادگیری ماشین در سیج‌میکر
• 29. استقرار مدل به عنوان نقطه پایانی بلادرنگ (Real-time Endpoint)
• 30. استقرار مدل برای پردازش دسته‌ای (Batch Transform)
• 31. نظارت بر عملکرد مدل‌های مستقر شده
• 32. به‌روزرسانی و بازآموزی مدل‌ها
• 33. مقدمه بر پردازش زبان طبیعی (NLP)
• 34. تحلیل احساسات (Sentiment Analysis)
• 35. مدل‌سازی موضوع (Topic Modeling)
• 36. ترجمه ماشینی
• 37. خلاصه‌سازی متن
• 38. مدیریت و پردازش داده‌های متنی در سیج‌میکر
• 39. استفاده از الگوریتم‌های NLP پیش‌ساخته در سیج‌میکر
• 40. مقدمه بر پردازش تصویر (Computer Vision)
• 41. تشخیص اشیاء (Object Detection)
• 42. تقسیم‌بندی تصویر (Image Segmentation)
• 43. تشخیص چهره
• 44. تولید تصویر
• 45. مدیریت و پردازش داده‌های تصویری در سیج‌میکر
• 46. استفاده از الگوریتم‌های Computer Vision پیش‌ساخته در سیج‌میکر
• 47. یادگیری تقویتی (Reinforcement Learning)
• 48. مفاهیم کلیدی یادگیری تقویتی
• 49. الگوریتم‌های یادگیری تقویتی
• 50. کاربرد یادگیری تقویتی در رباتیک و بازی‌ها
• 51. آموزش عامل‌های یادگیری تقویتی در سیج‌میکر
• 52. مقدمه بر یادگیری انتقالی (Transfer Learning)
• 53. استفاده از مدل‌های از پیش آموزش دیده
• 54. تنظیم دقیق (Fine-tuning) مدل‌ها
• 55. کاربرد یادگیری انتقالی در سیج‌میکر
• 56. مقدمه بر یادگیری نیمه‌نظارت شده (Semi-supervised Learning)
• 57. یادگیری خودنظارت شده (Self-supervised Learning)
• 58. تشخیص ناهنجاری (Anomaly Detection)
• 59. سیستم‌های توصیه‌گر (Recommender Systems)
• 60. الگوریتم‌های مبتنی بر محتوا
• 61. الگوریتم‌های مبتنی بر فیلترینگ مشارکتی
• 62. ترکیب رویکردها در سیستم‌های توصیه‌گر
• 63. پیاده‌سازی سیستم‌های توصیه‌گر در سیج‌میکر
• 64. اخلاق در هوش مصنوعی
• 65. سوگیری در داده‌ها و الگوریتم‌ها
• 66. شفافیت و قابلیت تفسیر مدل‌ها (Explainable AI)
• 67. حریم خصوصی در هوش مصنوعی
• 68. امنیت مدل‌های یادگیری ماشین
• 69. مسئولیت‌پذیری در توسعه و استقرار هوش مصنوعی
• 70. ملاحظات قانونی و شرعی در استفاده از هوش مصنوعی
• 71. کاربرد هوش مصنوعی در حوزه‌های صنعتی
• 72. کاربرد هوش مصنوعی در حوزه سلامت
• 73. کاربرد هوش مصنوعی در حوزه مالی
• 74. کاربرد هوش مصنوعی در حوزه حمل و نقل
• 75. کاربرد هوش مصنوعی در حوزه آموزش
• 76. کاربرد هوش مصنوعی در حوزه کشاورزی
• 77. کاربرد هوش مصنوعی در حوزه خدمات شهری
• 78. کاربرد هوش مصنوعی در حوزه انرژی
• 79. کاربرد هوش مصنوعی در حوزه محیط زیست
• 80. آینده هوش مصنوعی و یادگیری ماشین
• 81. روندهای نوظهور در هوش مصنوعی
• 82. چالش‌های پیش رو در توسعه هوش مصنوعی
• 83. نقش هوش مصنوعی در تحول دیجیتال
• 84. یادگیری مداوم (Continual Learning)
• 85. یادگیری فدرال (Federated Learning)
• 86. هوش مصنوعی مولد (Generative AI)
• 87. مدل‌های زبانی بزرگ (LLMs)
• 88. کاربرد LLMs در تولید محتوا
• 89. ملاحظات امنیتی و اخلاقی LLMs
• 90. توسعه برنامه‌های کاربردی با استفاده از LLMs
• 91. مروری بر ابزارها و سرویس‌های پیشرفته سیج‌میکر
• 92. اتوماسیون فرآیندهای یادگیری ماشین
• 93. بهینه‌سازی هزینه در پروژه‌های هوش مصنوعی
• 94. مقیاس‌پذیری راه‌حل‌های هوش مصنوعی
• 95. همکاری در پروژه‌های یادگیری ماشین
• 96. آشنایی با مفاهیم پیشرفته‌تر داده‌کاوی
• 97. تحلیل سری‌های زمانی
• 98. مدل‌سازی پیش‌بینانه (Predictive Modeling)
• 99. استفاده از هوش مصنوعی برای بهینه‌سازی فرآیندها
• 100. مقدمه‌ای بر محاسبات کوانتومی و هوش مصنوعی