فلش‌کارت‌های آموزشی جاوا برای توسعه‌دهندگان Spring Cloud Vishay AI Platform

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جاوا برای توسعه‌دهندگان Spring Cloud Vishay AI Platform

موضوع کلی: برنامه نویسی

موضوع میانی: جاوا (Java)

📋 سرفصل‌های دوره

• 1. مقدمه ای بر جاوا و اکوسیستم آن
• 2. اصول برنامه نویسی شیءگرا در جاوا
• 3. انواع داده ها و متغیرها در جاوا
• 4. ساختارهای کنترلی در جاوا: شرط ها و حلقه ها
• 5. آرایه ها و مجموعه ها در جاوا
• 6. کلاس ها و اشیاء در جاوا
• 7. وراثت و پلی مورفیسم در جاوا
• 8. اینترفیس ها و کلاس های انتزاعی در جاوا
• 9. مدیریت خطا و استثناها در جاوا
• 10. ورودی/خروجی (I/O) در جاوا
• 11. مباحث پیشرفته تر در جاوا: مولتی تردینگ
• 12. مباحث پیشرفته تر در جاوا: Lambdas و Streams
• 13. مروری بر Spring Framework
• 14. مقدمه ای بر Spring Boot
• 15. پیکربندی برنامه های Spring Boot
• 16. مدیریت وابستگی ها با Spring Boot
• 17. Spring Data JPA برای دسترسی به داده ها
• 18. Spring Security برای احراز هویت و مجوزها
• 19. ساخت RESTful APIs با Spring Boot
• 20. ارتباطات بین سرویسی در Spring Cloud
• 21. مقدمه ای بر Spring Cloud
• 22. Service Discovery با Eureka
• 23. Circuit Breaker با Resilience4j
• 24. API Gateway با Spring Cloud Gateway
• 25. Distributed Configuration با Spring Cloud Config
• 26. Message Queues با RabbitMQ یا Kafka (با رعایت مقررات)
• 27. مقدمه ای بر معماری میکروسرویس
• 28. اصول طراحی میکروسرویس ها
• 29. مدیریت تراکنش های توزیع شده
• 30. پایش و لاگینگ در میکروسرویس ها
• 31. تست خودکار در میکروسرویس ها
• 32. استقرار میکروسرویس ها (با رویکرد داخلی)
• 33. امنیت در میکروسرویس ها (با رویکرد داخلی)
• 34. اصول اولیه هوش مصنوعی
• 35. مقدمه ای بر یادگیری ماشین
• 36. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 37. مدل های یادگیری ماشین: رگرسیون خطی و لجستیک
• 38. مدل های یادگیری ماشین: درخت تصمیم و جنگل تصادفی
• 39. شبکه های عصبی مصنوعی
• 40. مقدمه ای بر یادگیری عمیق
• 41. شبکه های عصبی کانولوشنال (CNN)
• 42. شبکه های عصبی بازگشتی (RNN)
• 43. پردازش زبان طبیعی (NLP)
• 44. مقدمه ای بر پلتفرم Vishay AI
• 45. معماری پلتفرم Vishay AI
• 46. ابزارهای توسعه در Vishay AI
• 47. استفاده از مدل های از پیش آموزش دیده در Vishay AI
• 48. آموزش مدل های سفارشی در Vishay AI
• 49. ارزیابی و اعتبارسنجی مدل ها در Vishay AI
• 50. استقرار مدل ها در Vishay AI
• 51. مدیریت داده ها در Vishay AI
• 52. امنیت داده ها در Vishay AI (با رعایت قوانین)
• 53. کار با API های Vishay AI
• 54. یکپارچه‌سازی Vishay AI با Spring Cloud
• 55. توسعه برنامه های کاربردی با Vishay AI و Spring Cloud
• 56. مباحث پیشرفته در Vishay AI
• 57. ملاحظات اخلاقی در هوش مصنوعی (با رویکرد داخلی)
• 58. قوانین و مقررات مربوط به هوش مصنوعی در ایران
• 59. کاربرد هوش مصنوعی در صنعت (با تمرکز بر صنایع داخلی)
• 60. کاربرد هوش مصنوعی در خدمات (با تمرکز بر خدمات داخلی)
• 61. کاربرد هوش مصنوعی در کشاورزی (با تمرکز بر کشاورزی داخلی)
• 62. کاربرد هوش مصنوعی در بهداشت و درمان (با رعایت مقررات)
• 63. کاربرد هوش مصنوعی در آموزش (با رعایت مقررات)
• 64. کاربرد هوش مصنوعی در امور مالی (با رعایت مقررات بانک مرکزی)
• 65. کاربرد هوش مصنوعی در حمل و نقل (با رعایت مقررات)
• 66. کاربرد هوش مصنوعی در مدیریت شهری (با رعایت مقررات)
• 67. کاربرد هوش مصنوعی در پژوهش و توسعه
• 68. مقدمه ای بر داده کاوی
• 69. تکنیک های پیش پردازش داده
• 70. الگوریتم های خوشه بندی
• 71. الگوریتم های طبقه بندی
• 72. قوانین انجمنی
• 73. تشخیص ناهنجاری
• 74. مقدمه ای بر تحلیل سری های زمانی
• 75. مدل های پیش بینی سری های زمانی
• 76. ارزیابی مدل های سری زمانی
• 77. کاربرد سری های زمانی در کسب و کار
• 78. مقدمه ای بر گراف های دانش
• 79. ساخت و نمایش گراف های دانش
• 80. پرس و جو از گراف های دانش
• 81. کاربرد گراف های دانش در هوش مصنوعی
• 82. مقدمه ای بر پردازش تصویر
• 83. فیلترها و تبدیل های تصویر
• 84. تشخیص لبه و ویژگی در تصویر
• 85. تشخیص اشیاء در تصویر
• 86. قطعه بندی تصویر
• 87. مقدمه ای بر پردازش گفتار
• 88. شناسایی گفتار
• 89. تولید گفتار
• 90. تحلیل احساسات در گفتار
• 91. مقدمه ای بر سیستم های توصیه گر
• 92. انواع سیستم های توصیه گر
• 93. ارزیابی سیستم های توصیه گر
• 94. کاربرد سیستم های توصیه گر در پلتفرم ها
• 95. مدیریت پروژه های نرم افزاری (با رویکرد داخلی)
• 96. اصول مستندسازی فنی (با رویکرد داخلی)
• 97. اخلاق حرفه ای در توسعه نرم افزار
• 98. مروری بر آخرین تحولات در هوش مصنوعی (با رویکرد داخلی)