فلش‌کارت‌های آموزشی جامع آمادگی آزمون مهندس یادگیری ماشین AWS (MLA-C01)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جامع آمادگی آزمون مهندس یادگیری ماشین AWS (MLA-C01)

موضوع کلی: علوم و فناوری داده

موضوع میانی: یادگیری ماشین و هوش مصنوعی

📋 سرفصل‌های دوره

• 1. مبانی علوم داده و یادگیری ماشین
• 2. آشنایی با مفاهیم کلیدی یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. جمع‌آوری و پیش‌پردازش داده‌ها
• 5. پاکسازی و نرمال‌سازی داده‌ها
• 6. مهندسی ویژگی و انتخاب ویژگی
• 7. مدل‌های یادگیری ماشین نظارت شده
• 8. رگرسیون خطی و لجستیک
• 9. ماشین‌های بردار پشتیبان (SVM)
• 10. درختان تصمیم و جنگل‌های تصادفی
• 11. مدل‌های یادگیری ماشین بدون نظارت
• 12. خوشه‌بندی (K-Means, DBSCAN)
• 13. کاهش ابعاد (PCA, t-SNE)
• 14. شبکه‌های عصبی و یادگیری عمیق
• 15. مبانی شبکه‌های عصبی مصنوعی
• 16. شبکه‌های عصبی کانولوشنی (CNN)
• 17. شبکه‌های عصبی بازگشتی (RNN)
• 18. یادگیری عمیق برای پردازش زبان طبیعی (NLP)
• 19. آموزش و ارزیابی مدل‌های یادگیری ماشین
• 20. تقسیم داده‌ها: آموزش، اعتبارسنجی، تست
• 21. معیارهای ارزیابی مدل (دقت، صحت، بازیابی، F1-Score)
• 22. اعتبارسنجی متقابل (Cross-Validation)
• 23. تنظیم هایپرپارامترها
• 24. مدیریت و استقرار مدل‌های یادگیری ماشین
• 25. مفهوم MLOps
• 26. پایپ‌لاین‌های یادگیری ماشین
• 27. استقرار مدل‌ها در محیط عملیاتی
• 28. نظارت بر عملکرد مدل
• 29. اصول امنیت در یادگیری ماشین
• 30. حفاظت از داده‌ها و مدل‌ها
• 31. اخلاق در هوش مصنوعی و یادگیری ماشین
• 32. سوگیری در داده‌ها و مدل‌ها
• 33. شفافیت و قابلیت توضیح مدل‌ها
• 34. کاربرد یادگیری ماشین در حوزه‌های مختلف
• 35. یادگیری ماشین در تحلیل داده‌های مالی
• 36. یادگیری ماشین در پردازش تصویر
• 37. یادگیری ماشین در پردازش زبان طبیعی
• 38. یادگیری ماشین در سیستم‌های توصیه‌گر
• 39. مقدمه‌ای بر خدمات AWS برای یادگیری ماشین
• 40. معرفی AWS SageMaker
• 41. ایجاد محیط توسعه در SageMaker
• 42. آماده‌سازی داده‌ها با SageMaker Data Wrangler
• 43. آموزش مدل‌ها در SageMaker
• 44. استقرار و مدیریت مدل‌ها با SageMaker
• 45. استفاده از الگوریتم‌های داخلی SageMaker
• 46. سفارشی‌سازی مدل‌ها با SageMaker
• 47. استفاده از فریم‌ورک‌های محبوب در SageMaker
• 48. Amazon Personalize برای سیستم‌های توصیه‌گر
• 49. Amazon Rekognition برای پردازش تصویر
• 50. Amazon Comprehend برای NLP
• 51. Amazon Lex برای ساخت چت‌بات‌ها
• 52. Amazon Textract برای استخراج متن از اسناد
• 53. Amazon Forecast برای پیش‌بینی سری‌های زمانی
• 54. Amazon Translate برای ترجمه ماشینی
• 55. Amazon Transcribe برای تبدیل گفتار به متن
• 56. Amazon Polly برای تبدیل متن به گفتار
• 57. امنیت و انطباق در خدمات AWS ML
• 58. مدیریت دسترسی و هویت (IAM)
• 59. رمزنگاری داده‌ها در AWS
• 60. نظارت و ثبت وقایع (CloudTrail, CloudWatch)
• 61. انطباق با مقررات و استانداردها
• 62. بهینه‌سازی هزینه در خدمات AWS ML
• 63. مدیریت منابع و هزینه‌ها
• 64. انتخاب نمونه‌های مناسب برای آموزش و استقرار
• 65. استفاده از Spot Instances
• 66. برنامه‌ریزی و مانیتورینگ هزینه‌ها
• 67. مباحث پیشرفته در یادگیری ماشین
• 68. یادگیری تقویتی عمیق
• 69. یادگیری انتقالی (Transfer Learning)
• 70. شبکه‌های مولد تخاصمی (GANs)
• 71. یادگیری چند وظیفه‌ای (Multi-Task Learning)
• 72. یادگیری فدرال (Federated Learning)
• 73. تفسیرپذیری مدل‌های یادگیری عمیق (XAI)
• 74. معرفی مدل‌های زبانی بزرگ (LLMs)
• 75. کاربرد LLMs در NLP
• 76. تکنیک‌های تنظیم دقیق (Fine-tuning) LLMs
• 77. ملاحظات اخلاقی و امنیتی LLMs
• 78. پردازش زبان طبیعی با استفاده از کتابخانه‌های فارسی
• 79. تحلیل احساسات متون فارسی
• 80. استخراج موجودیت‌های نام‌دار (NER) در فارسی
• 81. خلاصه‌سازی متون فارسی
• 82. ترجمه ماشینی فارسی به انگلیسی و بالعکس
• 83. ساخت مدل‌های طبقه‌بندی متن فارسی
• 84. استفاده از مدل‌های از پیش آموزش‌دیده فارسی
• 85. تکنیک‌های پیشرفته پردازش متن
• 86. تحلیل شبکه‌های اجتماعی در ایران
• 87. تحلیل الگوهای رفتار کاربران
• 88. پیش‌بینی روندها و رفتارها
• 89. کاربرد داده‌کاوی در کسب‌وکارهای ایرانی
• 90. بهینه‌سازی فرآیندهای کسب‌وکار
• 91. شخصی‌سازی تجربه مشتری
• 92. مدیریت ریسک و جلوگیری از تقلب
• 93. مقدمه‌ای بر امنیت سایبری در حوزه داده
• 94. مفاهیم اولیه امنیت داده
• 95. حملات رایج سایبری و راه‌های مقابله
• 96. حفاظت از اطلاعات حساس
• 97. قوانین و مقررات حفاظت از داده در ایران
• 98. بررسی قوانین مربوط به داده‌ها و حریم خصوصی
• 99. مسئولیت‌های قانونی سازمان‌ها در قبال داده‌ها
• 100. پیامدهای نقض قوانین حفاظت از داده