کتاب صوتی هوش مصنوعی برای مهندسان: مفاهیم، ابزارها و راهکارها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره هوش مصنوعی برای مهندسان: مفاهیم، ابزارها و راهکارها

موضوع کلی: هوش مصنوعی در مهندسی

موضوع میانی: مبانی و کاربردهای هوش مصنوعی در علوم مهندسی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و مهندسی
• 2. تاریخچه مختصر هوش مصنوعی
• 3. مفاهیم پایه هوش مصنوعی
• 4. یادگیری ماشین: مقدمه
• 5. یادگیری نظارت شده
• 6. یادگیری بدون نظارت
• 7. یادگیری تقویتی
• 8. شبکه‌های عصبی مصنوعی
• 9. معماری‌های عمیق یادگیری
• 10. شبکه‌های کانولوشنی (CNN)
• 11. شبکه‌های بازگشتی (RNN)
• 12. پردازش زبان طبیعی (NLP)
• 13. مفاهیم اساسی NLP
• 14. کاربردهای NLP در مهندسی
• 15. بینایی ماشین
• 16. مفاهیم پایه بینایی ماشین
• 17. کاربردهای بینایی ماشین در مهندسی
• 18. سیستم‌های خبره
• 19. مقدمه‌ای بر سیستم‌های خبره
• 20. طراحی و پیاده‌سازی سیستم‌های خبره
• 21. منطق فازی و کاربردهای آن
• 22. سیستم‌های چندعاملی
• 23. مقدمه‌ای بر سیستم‌های چندعاملی
• 24. کاربرد سیستم‌های چندعاملی در مهندسی
• 25. بهینه‌سازی با هوش مصنوعی
• 26. الگوریتم‌های ژنتیک
• 27. بهینه‌سازی کلونی مورچگان
• 28. بهینه‌سازی ازدحام ذرات
• 29. یادگیری عمیق در پردازش سیگنال
• 30. کاربرد یادگیری عمیق در مخابرات
• 31. هوش مصنوعی در رباتیک
• 32. کنترل ربات با یادگیری عمیق
• 33. هوش مصنوعی در مهندسی عمران
• 34. تحلیل سازه‌ها با هوش مصنوعی
• 35. پیش‌بینی خرابی سازه‌ها
• 36. مدیریت ترافیک با هوش مصنوعی
• 37. هوش مصنوعی در مهندسی برق
• 38. تحلیل شبکه‌های قدرت
• 39. بهینه‌سازی تولید و توزیع انرژی
• 40. هوش مصنوعی در مهندسی مکانیک
• 41. طراحی و شبیه‌سازی سیستم‌های مکانیکی
• 42. بهینه‌سازی فرآیندهای تولید
• 43. هوش مصنوعی در مهندسی شیمی
• 44. کنترل فرآیندهای شیمیایی
• 45. بهینه‌سازی واکنش‌های شیمیایی
• 46. هوش مصنوعی در مهندسی پزشکی
• 47. تشخیص بیماری با یادگیری عمیق
• 48. توسعه ابزارهای پزشکی هوشمند
• 49. هوش مصنوعی در مهندسی مواد
• 50. طراحی مواد جدید با هوش مصنوعی
• 51. پیش‌بینی خواص مواد
• 52. یادگیری تقویتی برای کنترل سیستم‌ها
• 53. مدل‌سازی و شبیه‌سازی با هوش مصنوعی
• 54. هوش مصنوعی در تحلیل داده‌های بزرگ مهندسی
• 55. استخراج دانش از داده‌های مهندسی
• 56. تجسم داده‌های مهندسی با هوش مصنوعی
• 57. اخلاق در هوش مصنوعی مهندسی
• 58. مسئولیت‌پذیری در سیستم‌های هوشمند
• 59. امنیت سایبری در سیستم‌های هوشمند
• 60. حریم خصوصی در هوش مصنوعی
• 61. چالش‌های پیاده‌سازی هوش مصنوعی در صنعت
• 62. مطالعات موردی موفق هوش مصنوعی در مهندسی
• 63. کاربرد هوش مصنوعی در نگهداری و تعمیرات پیش‌بینانه
• 64. بهبود بهره‌وری با هوش مصنوعی
• 65. نوآوری در مهندسی با هوش مصنوعی
• 66. هوش مصنوعی و اینترنت اشیاء (IoT)
• 67. ادغام هوش مصنوعی و IoT در مهندسی
• 68. یادگیری فعال در مهندسی
• 69. یادگیری انتقال در مهندسی
• 70. یادگیری چند وظیفه‌ای در مهندسی
• 71. هوش مصنوعی مولد در مهندسی
• 72. کاربرد مدل‌های مولد در طراحی مهندسی
• 73. واقعیت افزوده و مجازی با هوش مصنوعی
• 74. هوش مصنوعی در بهینه‌سازی زنجیره تأمین
• 75. پیش‌بینی تقاضا با هوش مصنوعی
• 76. مدیریت ریسک در پروژه‌های مهندسی
• 77. سیستم‌های توصیه‌گر در مهندسی
• 78. کاربرد هوش مصنوعی در آموزش مهندسی
• 79. محیط‌های یادگیری هوشمند
• 80. ارزیابی عملکرد سیستم‌های هوش مصنوعی
• 81. معیارهای ارزیابی مدل‌های یادگیری ماشین
• 82. کالیبراسیون مدل‌های مهندسی
• 83. اعتبارسنجی مدل‌های هوش مصنوعی
• 84. تفسیرپذیری مدل‌های یادگیری عمیق
• 85. خودکارسازی وظایف تکراری مهندسی
• 86. کاربرد هوش مصنوعی در طراحی مدار مجتمع
• 87. بهینه‌سازی معماری تراشه‌ها
• 88. هوش مصنوعی در مهندسی نفت و گاز
• 89. پیش‌بینی تولید مخازن
• 90. بهینه‌سازی استخراج
• 91. هوش مصنوعی در مهندسی کشاورزی
• 92. کشاورزی دقیق با هوش مصنوعی
• 93. پیش‌بینی آفات و بیماری‌ها
• 94. هوش مصنوعی در مدیریت پسماند
• 95. بهینه‌سازی فرآیندهای بازیافت
• 96. هوش مصنوعی در مهندسی معماری
• 97. طراحی پایدار با هوش مصنوعی
• 98. بهینه‌سازی مصرف انرژی در ساختمان‌ها
• 99. هوش مصنوعی در مهندسی شهرسازی
• 100. برنامه‌ریزی شهری هوشمند