کتاب صوتی هوش مصنوعی: مبانی طبقه‌بندی و درک انواع

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی: مبانی طبقه‌بندی و درک انواع

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 اهداف اصلی
• 3. انواع هوش مصنوعی: ضعیف، قوی و خودآگاه
• 4. یادگیری ماشین: زیرمجموعه‌ای از هوش مصنوعی
• 5. یادگیری نظارت‌شده: مبانی و الگوریتم‌ها
• 6. یادگیری بدون نظارت: مبانی و الگوریتم‌ها
• 7. یادگیری تقویتی: مبانی و کاربردها
• 8. شبکه‌های عصبی مصنوعی: ساختار و عملکرد
• 9. شبکه‌های عصبی عمیق: مفاهیم و معماری‌ها
• 10. یادگیری عمیق: مزایا و چالش‌ها
• 11. پردازش زبان طبیعی (NLP): مقدمه و کاربردها
• 12. درک زبان طبیعی (NLU): چالش‌ها و رویکردها
• 13. تولید زبان طبیعی (NLG): روش‌ها و تکنیک‌ها
• 14. بینایی ماشین: مقدمه و مفاهیم پایه
• 15. تشخیص اشیاء در تصاویر
• 16. طبقه‌بندی تصاویر و تحلیل محتوا
• 17. سیستم‌های توصیه‌گر: مبانی و انواع
• 18. یادگیری فعال و کاربرد آن
• 19. یادگیری نیمه‌نظارت‌شده
• 20. یادگیری انتقالی (Transfer Learning)
• 21. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 22. یادگیری فدرال (Federated Learning)
• 23. یادگیری با داده‌های نامتوازن
• 24. ماتریس درهم‌ریختگی (Confusion Matrix)
• 25. دقت، صحت و بازیابی در ارزیابی مدل
• 26. منحنی ROC و AUC
• 27. اعتبارسنجی متقابل (Cross-Validation)
• 28. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 29. کاهش ابعاد: PCA و t-SNE
• 30. انتخاب ویژگی (Feature Selection)
• 31. مهندسی ویژگی (Feature Engineering)
• 32. مدل‌های خطی: رگرسیون خطی و لجستیک
• 33. ماشین‌های بردار پشتیبان (SVM)
• 34. درخت‌های تصمیم (Decision Trees)
• 35. جنگل‌های تصادفی (Random Forests)
• 36. تقویت گرادیان (Gradient Boosting)
• 37. مدل‌های مبتنی بر جامعه (Ensemble Methods)
• 38. شبکه‌های عصبی کانولوشنال (CNN)
• 39. شبکه‌های عصبی بازگشتی (RNN)
• 40. حافظه طولانی کوتاه‌مدت (LSTM)
• 41. واحد بازگشتی دروازه‌ای (GRU)
• 42. شبکه‌های مولد تخاصمی (GANs)
• 43. خودرمزگذارها (Autoencoders)
• 44. یادگیری عمیق برای پردازش سری‌های زمانی
• 45. یادگیری عمیق برای پردازش گراف
• 46. هوش مصنوعی در پزشکی و سلامت
• 47. هوش مصنوعی در امور مالی و بانکداری اسلامی
• 48. هوش مصنوعی در آموزش و یادگیری
• 49. هوش مصنوعی در کشاورزی پایدار
• 50. هوش مصنوعی در مدیریت شهری و حمل‌ونقل
• 51. هوش مصنوعی در تولید و صنعت
• 52. اخلاق در هوش مصنوعی و مسئولیت‌پذیری
• 53. حریم خصوصی و امنیت داده‌ها در هوش مصنوعی
• 54. سوگیری در الگوریتم‌های هوش مصنوعی
• 55. تفسیرپذیری مدل‌های هوش مصنوعی (XAI)
• 56. هوش مصنوعی و آینده کار
• 57. هوش مصنوعی و چالش‌های اجتماعی
• 58. هوش مصنوعی و توسعه پایدار
• 59. قوانین و مقررات هوش مصنوعی در ایران
• 60. چارچوب‌های نظارتی برای هوش مصنوعی
• 61. ملاحظات فقهی در استفاده از هوش مصنوعی
• 62. کاربرد هوش مصنوعی در استخراج دانش از متون
• 63. مدل‌های زبانی بزرگ (LLMs)
• 64. معماری ترنسفورمر (Transformer Architecture)
• 65. توکن‌سازی و جاسازی کلمات (Word Embeddings)
• 66. مدل‌های ترنسفورمر پیش‌آموزش‌دیده
• 67. تنظیم دقیق مدل‌های ترنسفورمر (Fine-tuning)
• 68. کاربرد LLMs در خلاصه‌سازی متن
• 69. کاربرد LLMs در ترجمه ماشینی
• 70. کاربرد LLMs در تولید متن خلاقانه
• 71. کاربرد LLMs در پاسخگویی به سوالات
• 72. کاربرد LLMs در تحلیل احساسات
• 73. کاربرد LLMs در طبقه‌بندی متن
• 74. کاربرد LLMs در استخراج اطلاعات
• 75. مدل‌های زبانی در زبان فارسی
• 76. چالش‌های پردازش زبان فارسی با هوش مصنوعی
• 77. منابع داده برای آموزش مدل‌های فارسی
• 78. ارزیابی مدل‌های هوش مصنوعی فارسی
• 79. تکنیک‌های بهبود عملکرد مدل‌های فارسی
• 80. کاربرد هوش مصنوعی در تشخیص بیماری‌ها
• 81. هوش مصنوعی در نظام سلامت ایران
• 82. هوش مصنوعی و خدمات بانکی بدون ربا
• 83. هوش مصنوعی و مدیریت ریسک در بانکداری
• 84. هوش مصنوعی در برنامه‌ریزی درسی
• 85. هوش مصنوعی و یادگیری شخصی‌سازی‌شده
• 86. هوش مصنوعی در بهینه‌سازی مصرف انرژی
• 87. هوش مصنوعی در مدیریت منابع آب
• 88. هوش مصنوعی در پیش‌بینی حوادث طبیعی
• 89. هوش مصنوعی در توسعه زیرساخت‌های کشور
• 90. هوش مصنوعی در امنیت سایبری (دفاعی)
• 91. هوش مصنوعی و توسعه اقتصادی پایدار
• 92. هوش مصنوعی و هویت ملی
• 93. مسائل حقوقی هوش مصنوعی در ایران
• 94. پتانسیل‌های هوش مصنوعی در خدمت به نظام
• 95. آینده هوش مصنوعی و چشم‌انداز آن
• 96. تحقیقات پیشرفته در هوش مصنوعی
• 97. درس‌های عملی و پروژه‌های کاربردی هوش مصنوعی
• 98. کارگاه‌های تخصصی هوش مصنوعی
• 99. نکات کلیدی و جمع‌بندی مباحث
• 100. بررسی مطالعات موردی موفق هوش مصنوعی