کتاب صوتی زبان انگلیسی برای مهندسان در درک و تحلیل الگوریتم‌های شبکه‌های عصبی گراف

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب زبان انگلیسی برای مهندسان در درک و تحلیل الگوریتم‌های شبکه‌های عصبی گراف

موضوع کلی: آموزش زبان‌های خارجی

موضوع میانی: زبان در حوزه مهندسی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر زبان انگلیسی تخصصی مهندسی
• 2. آشنایی با اصطلاحات رایج ریاضیات در انگلیسی
• 3. مفاهیم پایه شبکه‌های عصبی (Neural Networks)
• 4. واژگان کلیدی در یادگیری ماشین (Machine Learning Vocabulary)
• 5. اصطلاحات تخصصی گراف (Graph Terminology)
• 6. مفاهیم اولیه الگوریتم (Algorithm Basics)
• 7. ساختار جملات تخصصی در متون مهندسی
• 8. درک اعداد، واحدها و فرمول‌ها در انگلیسی
• 9. گرامر ضروری برای درک متون تخصصی
• 10. نحوه خواندن و تفسیر نمودارها و گراف‌ها در مقالات
• 11. الگوریتم های جستجو در گراف (Graph Search Algorithms)
• 12. آشنایی با توابع فعال‌سازی (Activation Functions)
• 13. شبکه‌های عصبی پیش‌خور (Feedforward Neural Networks)
• 14. شبکه‌های عصبی بازگشتی (Recurrent Neural Networks)
• 15. شبکه های عصبی کانولوشنی (Convolutional Neural Networks)
• 16. اصطلاحات تخصصی مربوط به لایه‌ها (Layers)
• 17. روش‌های بهینه‌سازی (Optimization Methods)
• 18. مقیاس‌بندی داده‌ها (Data Scaling)
• 19. نرمال‌سازی داده‌ها (Data Normalization)
• 20. انتخاب ویژگی (Feature Selection)
• 21. استخراج ویژگی (Feature Extraction)
• 22. کاهش ابعاد (Dimensionality Reduction)
• 23. درک اصطلاحات مرتبط با داده (Data Related Terms)
• 24. پیش پردازش داده ها (Data Preprocessing)
• 25. آماده سازی داده‌ها برای شبکه‌های عصبی
• 26. پیاده‌سازی شبکه‌های عصبی با پایتون (Python)
• 27. آشنایی با کتابخانه‌های پایتون (Python Libraries)
• 28. کاربرد Numpy در محاسبات ماتریسی
• 29. استفاده از Pandas برای تحلیل داده
• 30. TensorFlow برای شبکه‌های عصبی
• 31. PyTorch برای شبکه‌های عصبی
• 32. Keras برای شبکه‌های عصبی
• 33. معماری شبکه‌های عصبی گراف (Graph Neural Network Architectures)
• 34. انواع گراف‌ها (Types of Graphs)
• 35. ماتریس مجاورت (Adjacency Matrix)
• 36. ماتریس رخداد (Incidence Matrix)
• 37. درجه گره (Node Degree)
• 38. مسیر و دور در گراف (Path and Cycle)
• 39. اتصال گراف (Graph Connectivity)
• 40. الگوریتم Dijkstra برای یافتن کوتاهترین مسیر
• 41. الگوریتم PageRank
• 42. الگوریتم Centrality
• 43. همسایگی گره (Node Neighborhood)
• 44. اجتماعات گره (Node Clustering)
• 45. Embedding گره (Node Embedding)
• 46. بازنمایی گراف (Graph Representation)
• 47. یادگیری بازنمایی گراف (Graph Representation Learning)
• 48. Convolution در گراف (Graph Convolution)
• 49. پیام‌رسانی در گراف (Message Passing)
• 50. Pooling در گراف (Graph Pooling)
• 51. توجه در گراف (Graph Attention)
• 52. شبکه‌های عصبی گراف کانولوشنال (Graph Convolutional Networks - GCN)
• 53. شبکه‌های عصبی گراف توجهی (Graph Attention Networks - GAT)
• 54. شبکه‌های عصبی گراف پیام‌رسان (Message Passing Neural Networks - MPNN)
• 55. DeepWalk الگوریتم
• 56. Node2Vec الگوریتم
• 57. GraphSAGE الگوریتم
• 58. الگوریتم GIN (Graph Isomorphism Network)
• 59. ترکیب GNN با CNN
• 60. ترکیب GNN با RNN
• 61. کاربرد GNN در پردازش زبان طبیعی (NLP)
• 62. کاربرد GNN در بینایی ماشین (Computer Vision)
• 63. کاربرد GNN در پیشنهادگرها (Recommender Systems)
• 64. کاربرد GNN در بیوانفورماتیک (Bioinformatics)
• 65. کاربرد GNN در شبکه‌های اجتماعی (Social Networks)
• 66. کاربرد GNN در شیمی انفورماتیک (Cheminformatics)
• 67. کاربرد GNN در علوم مواد (Materials Science)
• 68. کاربرد GNN در سیستم‌های توصیه (Recommendation Systems)
• 69. اصطلاحات مربوط به ارزیابی مدل (Model Evaluation Metrics)
• 70. دقت (Accuracy)
• 71. صحت (Precision)
• 72. یادآوری (Recall)
• 73. F1-score
• 74. AUC-ROC
• 75. Mean Average Precision (MAP)
• 76. درک خطاهای رایج در آموزش شبکه‌های عصبی
• 77. بیش‌برازش (Overfitting)
• 78. کم‌برازش (Underfitting)
• 79. تنظیم هایپرپارامترها (Hyperparameter Tuning)
• 80. Cross-Validation
• 81. Dropout
• 82. Regularization
• 83. بهینه سازی شبکه عصبی (Neural Network Optimization)
• 84. Gradient Descent
• 85. Backpropagation
• 86. Adam Optimizer
• 87. SGD Optimizer
• 88. RMSProp Optimizer
• 89. تشخیص تقلب (Fraud Detection)
• 90. پیش بینی لینک (Link Prediction)
• 91. طبقه‌بندی گره (Node Classification)
• 92. طبقه‌بندی گراف (Graph Classification)
• 93. تولید گراف (Graph Generation)
• 94. تحلیل آسیب پذیری گراف (Graph Vulnerability Analysis)
• 95. حریم خصوصی در شبکه‌های عصبی گراف (Privacy in Graph Neural Networks)
• 96. حملات Adversarial در GNN
• 97. امنیت شبکه‌های عصبی گراف (Security of Graph Neural Networks)
• 98. آینده شبکه‌های عصبی گراف
• 99. مطالعه موردی: کاربرد GNN در یک پروژه مهندسی خاص
• 100. مقالات علمی تخصصی در زمینه GNN