فلش‌کارت‌های آموزشی انواع هوش مصنوعی: درک سطوح و مرزها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره انواع هوش مصنوعی: درک سطوح و مرزها

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: انواع هوش مصنوعی (ضعیف، قوی، عمومی)

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و تاریخچه آن
• 2. تعریف هوش مصنوعی و مفاهیم پایه
• 3. انواع هوش مصنوعی: ضعیف، قوی و ابرهوش
• 4. یادگیری ماشین: اصول و مبانی
• 5. یادگیری نظارت‌شده: الگوریتم‌های کلیدی
• 6. رگرسیون خطی و لجستیک
• 7. ماشین‌های بردار پشتیبان (SVM)
• 8. درختان تصمیم و جنگل‌های تصادفی
• 9. یادگیری نظارت‌نشده: خوشه‌بندی
• 10. الگوریتم K-Means
• 11. تحلیل مؤلفه‌های اصلی (PCA)
• 12. یادگیری تقویتی: مفاهیم و کاربردها
• 13. مدل‌های مارکوف پنهان (HMM)
• 14. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 15. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 16. توابع فعال‌سازی در شبکه‌های عصبی
• 17. پس‌انتشار خطا (Backpropagation)
• 18. شبکه‌های عصبی کانولوشنال (CNN)
• 19. کاربرد CNN در پردازش تصویر
• 20. شبکه‌های عصبی بازگشتی (RNN)
• 21. شبکه‌های حافظه طولانی کوتاه (LSTM)
• 22. شبکه‌های حافظه انتخابی (GRU)
• 23. پردازش زبان طبیعی (NLP): مبانی
• 24. مدل‌سازی زبان و پیش‌بینی کلمه
• 25. تحلیل احساسات با استفاده از NLP
• 26. ترجمه ماشینی عصبی
• 27. شناسایی موجودیت نام‌گذاری شده (NER)
• 28. بینایی ماشین و پردازش تصویر
• 29. تشخیص اشیاء در تصاویر
• 30. تولید تصویر و هنر با هوش مصنوعی
• 31. هوش مصنوعی مولد: مفاهیم و انواع
• 32. شبکه‌های زایشی تخاصمی (GAN)
• 33. کاربرد GAN در تولید محتوا
• 34. مدل‌های زبانی بزرگ (LLM)
• 35. معماری ترنسفورمر در LLM
• 36. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 37. کاربردهای LLM در آموزش
• 38. هوش مصنوعی در سیستم‌های توصیه‌گر
• 39. الگوریتم‌های فیلترینگ مشارکتی
• 40. فیلترینگ مبتنی بر محتوا
• 41. هوش مصنوعی در تشخیص پزشکی
• 42. کاربرد هوش مصنوعی در تصویربرداری پزشکی
• 43. هوش مصنوعی در داروسازی و کشف دارو
• 44. هوش مصنوعی در سیستم‌های خودران
• 45. هوش مصنوعی در رباتیک
• 46. هوش مصنوعی در بازی‌ها
• 47. هوش مصنوعی در امور مالی و بانکداری
• 48. هوش مصنوعی در مدیریت ریسک
• 49. هوش مصنوعی در پیش‌بینی بازار
• 50. اخلاق در هوش مصنوعی
• 51. سوگیری در الگوریتم‌های هوش مصنوعی
• 52. شفافیت و قابلیت توضیح‌پذیری AI
• 53. حریم خصوصی و امنیت در هوش مصنوعی
• 54. تاثیر هوش مصنوعی بر اشتغال
• 55. هوش مصنوعی و آینده کار
• 56. ملاحظات قانونی و شرعی در هوش مصنوعی
• 57. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 58. هوش مصنوعی در علوم انسانی
• 59. هوش مصنوعی در تحلیل داده‌های اجتماعی
• 60. هوش مصنوعی و آموزش مجازی
• 61. هوش مصنوعی در بهینه‌سازی فرآیندها
• 62. هوش مصنوعی و شهر هوشمند
• 63. هوش مصنوعی در کشاورزی هوشمند
• 64. هوش مصنوعی در مدیریت انرژی
• 65. هوش مصنوعی در تحلیل داده‌های بزرگ
• 66. مفاهیم پیشرفته در یادگیری عمیق
• 67. یادگیری خودنظارت‌شده
• 68. یادگیری نیمه‌نظارت‌شده
• 69. یادگیری انتقالی (Transfer Learning)
• 70. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 71. یادگیری فدرال (Federated Learning)
• 72. شبکه‌های عصبی گراف (GNN)
• 73. پردازش گراف با GNN
• 74. کاربرد GNN در شبکه‌های اجتماعی
• 75. یادگیری عمیق برای داده‌های سری زمانی
• 76. پیش‌بینی سری زمانی با مدل‌های عمیق
• 77. هوش مصنوعی در تحلیل داده‌های مالی
• 78. هوش مصنوعی در بهینه‌سازی تولید
• 79. هوش مصنوعی در مدیریت زنجیره تأمین
• 80. هوش مصنوعی در خدمات مشتریان
• 81. هوش مصنوعی در ارزیابی اعتبار
• 82. هوش مصنوعی و امنیت سایبری
• 83. شناسایی ناهنجاری با هوش مصنوعی
• 84. هوش مصنوعی در تحلیل ترافیک
• 85. هوش مصنوعی در پیش‌بینی حوادث
• 86. هوش مصنوعی و تحقیقات علمی
• 87. هوش مصنوعی در اکتشافات فضایی
• 88. هوش مصنوعی در مدل‌سازی آب و هوا
• 89. هوش مصنوعی و حقوق بشر
• 90. هوش مصنوعی و عدالت اجتماعی
• 91. مرزهای فعلی و آینده هوش مصنوعی
• 92. چالش‌های پیاده‌سازی هوش مصنوعی
• 93. طراحی سیستم‌های هوش مصنوعی مقیاس‌پذیر
• 94. ارزیابی عملکرد مدل‌های هوش مصنوعی
• 95. مقدمه‌ای بر یادگیری ماشین کوانتومی
• 96. مبانی یادگیری ماشین کوانتومی
• 97. کاربردهای احتمالی یادگیری ماشین کوانتومی