کتاب صوتی Node.js Artificial Intelligence (AI): هوش مصنوعی Node.js

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره Node.js Artificial Intelligence (AI): هوش مصنوعی Node.js

موضوع کلی: برنامه نویسی

موضوع میانی: نود جی‌اس (Node.js)

📋 سرفصل‌های دوره

• 1. مقدمات هوش مصنوعی و Node.js
• 2. نصب و پیکربندی Node.js برای توسعه هوش مصنوعی
• 3. مبانی یادگیری ماشین در Node.js
• 4. یادگیری نظارت شده با Node.js
• 5. رگرسیون خطی در Node.js
• 6. رگرسیون لجستیک در Node.js
• 7. درختان تصمیم در Node.js
• 8. جنگل‌های تصادفی در Node.js
• 9. ماشین‌های بردار پشتیبان (SVM) با Node.js
• 10. یادگیری بدون نظارت با Node.js
• 11. خوشه‌بندی K-Means در Node.js
• 12. تحلیل مولفه‌های اصلی (PCA) در Node.js
• 13. شبکه‌های عصبی مصنوعی (ANN) در Node.js
• 14. معماری شبکه‌های عصبی پایه
• 15. پیاده‌سازی شبکه‌های عصبی با TensorFlow.js
• 16. آموزش شبکه‌های عصبی با TensorFlow.js
• 17. بهینه‌سازی شبکه‌های عصبی
• 18. شبکه‌های عصبی کانولوشنال (CNN) در Node.js
• 19. کاربرد CNN در پردازش تصویر
• 20. شبکه‌های عصبی بازگشتی (RNN) در Node.js
• 21. کاربرد RNN در پردازش زبان طبیعی
• 22. شبکه‌های حافظه طولانی کوتاه (LSTM) در Node.js
• 23. شبکه‌های حافظه طولانی کوتاه (GRU) در Node.js
• 24. پردازش زبان طبیعی (NLP) با Node.js
• 25. تجزیه و تحلیل احساسات با Node.js
• 26. شناسایی موجودیت نام‌گذاری شده (NER) با Node.js
• 27. مدل‌سازی موضوعی با Node.js
• 28. تولید متن با Node.js
• 29. یادگیری تقویتی (RL) در Node.js
• 30. مفاهیم پایه یادگیری تقویتی
• 31. الگوریتم‌های Q-Learning در Node.js
• 32. الگوریتم‌های Policy Gradient در Node.js
• 33. کاربرد RL در بازی‌ها و رباتیک
• 34. هوش مصنوعی مولد (Generative AI) در Node.js
• 35. مبانی شبکه‌های مولد تخاصمی (GAN)
• 36. پیاده‌سازی GAN با TensorFlow.js
• 37. کاربرد GAN در تولید تصویر
• 38. مدل‌های زبانی بزرگ (LLM) و Node.js
• 39. تنظیم دقیق (Fine-tuning) LLM با Node.js
• 40. کاربرد LLM در چت‌بات‌ها
• 41. کاربرد LLM در خلاصه‌سازی متن
• 42. مبانی داده‌کاوی در Node.js
• 43. پیش‌پردازش داده‌ها در Node.js
• 44. انتخاب ویژگی در Node.js
• 45. ارزیابی مدل‌های هوش مصنوعی
• 46. معیارهای ارزیابی برای رگرسیون
• 47. معیارهای ارزیابی برای طبقه‌بندی
• 48. تنظیم هایپرپارامترها
• 49. معماری‌های پیشرفته هوش مصنوعی
• 50. شبکه‌های مولد پیشرفته
• 51. شبکه‌های تبدیل‌کننده (Transformer) در Node.js
• 52. کاربرد ترانسفورمرها در NLP
• 53. هوش مصنوعیExplainable (XAI) در Node.js
• 54. تکنیک‌های تفسیر مدل
• 55. نمایش اهمیت ویژگی
• 56. کاربرد XAI در تشخیص خطا
• 57. استقرار مدل‌های هوش مصنوعی با Node.js
• 58. ساخت API برای مدل‌های هوش مصنوعی
• 59. استفاده از Express.js برای API
• 60. استقرار مدل در محیط واقعی
• 61. مدیریت داده‌ها برای هوش مصنوعی
• 62. پایگاه‌های داده NoSQL در Node.js
• 63. کاربرد MongoDB در پروژه‌های AI
• 64. کاربرد Redis در کشینگ مدل
• 65. امنیت در پروژه‌های هوش مصنوعی Node.js
• 66. حفاظت از داده‌ها در مدل‌های AI
• 67. ملاحظات اخلاقی در هوش مصنوعی
• 68. قوانین و مقررات مرتبط با AI در ایران
• 69. کاربرد هوش مصنوعی در صنعت
• 70. کاربرد هوش مصنوعی در سلامت
• 71. کاربرد هوش مصنوعی در آموزش
• 72. کاربرد هوش مصنوعی در کشاورزی
• 73. کاربرد هوش مصنوعی در امور مالی
• 74. کاربرد هوش مصنوعی در حمل و نقل
• 75. کاربرد هوش مصنوعی در شهر هوشمند
• 76. پروژه‌های عملی هوش مصنوعی با Node.js
• 77. ساخت یک چت‌بات ساده
• 78. ساخت یک سیستم توصیه‌گر
• 79. ساخت یک سیستم تشخیص تصویر
• 80. ساخت یک سیستم تحلیل احساسات
• 81. کاربرد Node.js در پردازش جریان داده
• 82. هوش مصنوعی در زمان واقعی (Real-time AI)
• 83. مفاهیم یادگیری آنلاین
• 84. پیاده‌سازی یادگیری آنلاین با Node.js
• 85. مقایسه Node.js با سایر فریم‌ورک‌های AI
• 86. مزایای استفاده از Node.js در AI
• 87. چالش‌های توسعه AI با Node.js
• 88. آینده هوش مصنوعی با Node.js
• 89. روندهای جدید در AI و Node.js
• 90. توسعه ابزارهای AI با Node.js
• 91. نکات پیشرفته برای توسعه‌دهندگان Node.js AI
• 92. بهینه‌سازی عملکرد مدل‌های AI
• 93. مدیریت حافظه در Node.js برای AI
• 94. کاربرد WebSockets در AI بلادرنگ
• 95. تجسم داده‌ها در پروژه‌های AI
• 96. ابزارهای تجسم داده در Node.js
• 97. مبانی یادگیری عمیق (Deep Learning)
• 98. شبکه‌های عصبی کانولوشنال پیشرفته
• 99. شبکه‌های عصبی بازگشتی پیشرفته
• 100. یادگیری انتقالی (Transfer Learning)