فلش‌کارت‌های آموزشی ماشین‌های جادویی: درک محاسبات و هوش مصنوعی

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره ماشین‌های جادویی: درک محاسبات و هوش مصنوعی

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: مبانی هوش مصنوعی و محاسبات

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر ماشین‌های جادویی
• 2. تاریخچهٔ اندیشه‌های محاسباتی
• 3. مفهوم الگوریتم و گام‌های آن
• 4. ساختمان داده‌های اساسی
• 5. انواع ساختار داده‌های خطی
• 6. ساختار داده‌های غیرخطی: درخت‌ها
• 7. مبانی گراف‌ها در علوم کامپیوتر
• 8. معرفی زبان‌های برنامه‌نویسی
• 9. پارادایم‌های برنامه‌نویسی
• 10. برنامه‌نویسی رویه‌ای
• 11. برنامه‌نویسی شیءگرا: مفاهیم اولیه
• 12. کلاس‌ها و اشیاء در برنامه‌نویسی
• 13. وراثت و پلی‌مورفیسم
• 14. انواع داده‌های انتزاعی
• 15. طراحی الگوریتم‌ها
• 16. تحلیل پیچیدگی الگوریتم‌ها
• 17. الگوریتم‌های مرتب‌سازی
• 18. الگوریتم‌های جستجو
• 19. مبانی نظریهٔ محاسبات
• 20. ماشین‌های تورینگ: مدل نظری
• 21. محدودیت‌های محاسباتی
• 22. پیچیدگی زمانی و مکانی
• 23. کلاس‌های پیچیدگی P و NP
• 24. مسائل NP-کامل
• 25. مقدمه‌ای بر هوش مصنوعی
• 26. تاریخچهٔ هوش مصنوعی
• 27. هوش مصنوعی نمادین
• 28. سیستم‌های خبره
• 29. پردازش زبان طبیعی
• 30. یادگیری ماشین: مفاهیم پایه
• 31. یادگیری نظارت‌شده
• 32. رگرسیون خطی
• 33. دسته‌بندی‌کننده‌های بیز
• 34. ماشین‌های بردار پشتیبان
• 35. درختان تصمیم
• 36. یادگیری نظارت‌نشده
• 37. خوشه‌بندی
• 38. کاهش ابعاد
• 39. شبکه‌های عصبی مصنوعی
• 40. مبانی پرسپترون
• 41. شبکه‌های عصبی چندلایه
• 42. پس‌انتشار خطا
• 43. شبکه‌های عصبی کانولوشنال
• 44. شبکه‌های عصبی بازگشتی
• 45. یادگیری عمیق
• 46. معرفی مدل‌های زبانی
• 47. کاربرد هوش مصنوعی در ایران
• 48. اخلاق در هوش مصنوعی
• 49. سوگیری در داده‌ها و الگوریتم‌ها
• 50. مسئولیت‌پذیری در هوش مصنوعی
• 51. امنیت در سیستم‌های هوش مصنوعی
• 52. هوش مصنوعی و آیندهٔ شغل‌ها
• 53. هوش مصنوعی در پزشکی
• 54. هوش مصنوعی در آموزش
• 55. هوش مصنوعی در صنعت
• 56. هوش مصنوعی در کشاورزی
• 57. هوش مصنوعی در حمل‌ونقل
• 58. هوش مصنوعی و پردازش تصویر
• 59. هوش مصنوعی و تشخیص الگو
• 60. هوش مصنوعی و رباتیک
• 61. انسان و ماشین: تعامل
• 62. هوش مصنوعی و علوم شناختی
• 63. نظریهٔ بازی‌ها و هوش مصنوعی
• 64. بهینه‌سازی در هوش مصنوعی
• 65. هوش مصنوعی مولد
• 66. مدل‌های زبانی بزرگ (LLMs)
• 67. کاربرد LLMs در تولید محتوا
• 68. اخلاق در استفاده از LLMs
• 69. دقت و محدودیت‌های LLMs
• 70. هوش مصنوعی و پژوهش علمی
• 71. آیندهٔ تحقیقات هوش مصنوعی
• 72. مباحث پیشرفته در یادگیری ماشین
• 73. یادگیری تقویتی
• 74. مدل‌های گرافیکی احتمالی
• 75. سیستم‌های توصیه‌گر
• 76. پردازش سیگنال با هوش مصنوعی
• 77. هوش مصنوعی در تحلیل داده‌های بزرگ
• 78. هوش مصنوعی و اینترنت اشیاء
• 79. هوش مصنوعی و بلاک‌چین
• 80. هوش مصنوعی و واقعیت مجازی/افزوده
• 81. معماری‌های نوین شبکه‌های عصبی
• 82. مبانی یادگیری انتقالی
• 83. خودآموزی (Self-supervised Learning)
• 84. یادگیری چندوظیفه‌ای
• 85. یادگیری فدرال
• 86. کاربرد هوش مصنوعی در امنیت سایبری
• 87. هوش مصنوعی و کشف تقلب
• 88. هوش مصنوعی و ربات‌های خودمختار
• 89. تکنیک‌های پیشرفتهٔ پردازش زبان طبیعی
• 90. تحلیل احساسات با هوش مصنوعی
• 91. ترجمهٔ ماشینی عصبی
• 92. تولید متن با هوش مصنوعی
• 93. خلاصه‌سازی متن با هوش مصنوعی
• 94. مفاهیم پیشرفته در بینایی ماشین
• 95. تشخیص اشیاء در تصاویر
• 96. تقطیع تصویر
• 97. تولید تصویر با هوش مصنوعی
• 98. مدیریت پروژه‌های هوش مصنوعی
• 99. پیاده‌سازی سیستم‌های هوش مصنوعی
• 100. ارزیابی و اعتبارسنجی مدل‌های هوش مصنوعی