کتاب صوتی جستجوی معماری شبکه عصبی (NAS) برای بهینه‌سازی مدل‌های یادگیری عمیق

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره جستجوی معماری شبکه عصبی (NAS) برای بهینه‌سازی مدل‌های یادگیری عمیق

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: یادگیری عمیق و شبکه‌های عصبی

📋 سرفصل‌های دوره

• 1. مبانی یادگیری ماشین و هوش مصنوعی
• 2. مقدمه‌ای بر شبکه‌های عصبی مصنوعی
• 3. ساختار و عملکرد نورون‌های مصنوعی
• 4. توابع فعال‌سازی در شبکه‌های عصبی
• 5. شبکه‌های عصبی پیش‌خور (Feedforward)
• 6. آموزش شبکه‌های عصبی: پس‌انتشار خطا
• 7. بهینه‌سازهای رایج در یادگیری عمیق
• 8. تنظیم هایپرپارامترها در شبکه‌های عصبی
• 9. شبکه‌های عصبی کانولوشنی (CNN)
• 10. لایه‌های کانولوشن و استخراج ویژگی
• 11. لایه‌های تجمیع (Pooling) و کاهش ابعاد
• 12. کاربرد CNN در پردازش تصویر
• 13. شبکه‌های عصبی بازگشتی (RNN)
• 14. حافظه و حالت در شبکه‌های RNN
• 15. شبکه‌های LSTM و GRU
• 16. کاربرد RNN در پردازش زبان طبیعی
• 17. مدل‌های زبانی مبتنی بر RNN
• 18. مقدمه‌ای بر جستجوی معماری شبکه عصبی (NAS)
• 19. چالش‌های جستجوی معماری
• 20. فضای جستجو در NAS
• 21. معرفی الگوریتم‌های جستجوی معماری
• 22. جستجوی تصادفی (Random Search) در NAS
• 23. جستجوی مبتنی بر بهینه‌سازی (Optimization-based Search)
• 24. الگوریتم‌های ژنتیک در NAS
• 25. یادگیری تقویتی در NAS
• 26. معماری‌های مبتنی بر یادگیری تقویتی
• 27. کدگذار-رمزگشا (Encoder-Decoder) در NAS
• 28. شبکه‌های عصبی ترنسفورمر (Transformer)
• 29. مکانیزم توجه (Attention Mechanism)
• 30. کاربرد ترنسفورمر در پردازش زبان طبیعی
• 31. ترنسفورمر برای پردازش تصویر
• 32. معماری‌های پیشرفته در NAS
• 33. جستجوی معماری برای شبکه‌های CNN
• 34. جستجوی معماری برای شبکه‌های RNN
• 35. جستجوی معماری برای شبکه‌های ترنسفورمر
• 36. معیارهای ارزیابی معماری‌های شبکه عصبی
• 37. بهینه‌سازی کارایی و دقت مدل
• 38. توازن بین دقت و پیچیدگی مدل
• 39. جستجوی معماری با محدودیت منابع محاسباتی
• 40. جستجوی معماری برای سخت‌افزارهای خاص
• 41. بهینه‌سازی مصرف انرژی در شبکه‌های عصبی
• 42. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 43. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش‌دیده
• 44. کاربرد NAS در یادگیری انتقالی
• 45. معماری‌های خودکار برای وظایف خاص
• 46. NAS برای تشخیص اشیاء
• 47. NAS برای تقسیم‌بندی تصویر (Image Segmentation)
• 48. NAS برای تولید متن (Text Generation)
• 49. NAS برای ترجمه ماشینی
• 50. ملاحظات اخلاقی در هوش مصنوعی
• 51. سوگیری در داده‌ها و مدل‌ها
• 52. عدالت و شفافیت در هوش مصنوعی
• 53. تأثیر هوش مصنوعی بر بازار کار
• 54. حریم خصوصی و امنیت در هوش مصنوعی
• 55. قوانین و مقررات هوش مصنوعی در ایران
• 56. استانداردهای فنی در هوش مصنوعی
• 57. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
• 58. فناوری بلاکچین و هوش مصنوعی
• 59. کاربرد هوش مصنوعی در اقتصاد اسلامی
• 60. فین‌تک و هوش مصنوعی در چارچوب شرع
• 61. هوش مصنوعی و بهینه‌سازی فرآیندهای تولیدی
• 62. کاربرد هوش مصنوعی در کشاورزی هوشمند
• 63. هوش مصنوعی در مدیریت منابع آب
• 64. هوش مصنوعی در بهداشت و درمان
• 65. پایش سلامت با استفاده از هوش مصنوعی
• 66. تشخیص بیماری با شبکه‌های عصبی
• 67. هوش مصنوعی در آموزش و یادگیری
• 68. شخصی‌سازی فرآیندهای آموزشی
• 69. هوش مصنوعی در نظام اداری و دولتی
• 70. بهینه‌سازی خدمات شهری با هوش مصنوعی
• 71. هوش مصنوعی در صنعت خودروسازی
• 72. سیستم‌های خودران و ایمنی آنها
• 73. هوش مصنوعی در رباتیک
• 74. کنترل هوشمند ربات‌ها
• 75. تحلیل داده‌های بزرگ (Big Data Analytics)
• 76. کاربرد NAS در تحلیل داده‌های حجیم
• 77. مقدمه‌ای بر یادگیری تقویتی عمیق (DRL)
• 78. الگوریتم‌های DRL برای NAS
• 79. جستجوی معماری متوالی (Sequential NAS)
• 80. جستجوی معماری سلسله مراتبی (Hierarchical NAS)
• 81. بهینه‌سازی معماری بر اساس معیارهای چندگانه
• 82. جستجوی معماری در زمان واقعی (Real-time NAS)
• 83. ارزیابی و اعتبارسنجی معماری‌های جستجو شده
• 84. مباحث پیشرفته در جستجوی معماری
• 85. معماری‌های قابل حمل (Portable Architectures)
• 86. کاربرد NAS در مدل‌های تفسیرپذیر (Interpretable Models)
• 87. هوش مصنوعی و توسعه پایدار
• 88. چارچوب‌های نرم‌افزاری برای NAS
• 89. کتابخانه‌های متن‌باز برای NAS
• 90. آینده پژوهی در حوزه NAS
• 91. روندهای نوظهور در جستجوی معماری
• 92. همکاری انسان و ماشین در NAS
• 93. پژوهش‌های کاربردی NAS در ایران
• 94. چالش‌های پیاده‌سازی NAS در پروژه‌های صنعتی
• 95. مطالعات موردی موفق NAS در ایران
• 96. آینده هوش مصنوعی و یادگیری عمیق
• 97. جمع‌بندی و چشم‌اندازها