کتاب صوتی مبانی شبکه‌های عصبی با تنسورفلو (TensorFlow)

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی شبکه‌های عصبی با تنسورفلو (TensorFlow)

موضوع کلی: هوش مصنوعی و یادگیری ماشین

موضوع میانی: شبکه‌های عصبی و یادگیری عمیق

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر هوش مصنوعی و یادگیری ماشین
• 2. مفاهیم پایه یادگیری ماشین
• 3. انواع یادگیری ماشین: نظارت شده، بدون نظارت، تقویتی
• 4. آشنایی با تنسورفلو (TensorFlow)
• 5. نصب و راه‌اندازی تنسورفلو
• 6. ساختار تنسورها در تنسورفلو
• 7. عملیات پایه بر روی تنسورها
• 8. گراف‌های محاسباتی در تنسورفلو
• 9. سشن‌ها (Sessions) در تنسورفلو
• 10. مبانی شبکه‌های عصبی مصنوعی
• 11. نورون مصنوعی و تابع فعال‌سازی
• 12. شبکه‌های عصبی پیشخور (Feedforward Neural Networks)
• 13. آموزش شبکه‌های عصبی: گرادیان کاهشی
• 14. پس‌انتشار خطا (Backpropagation)
• 15. تابع هزینه (Loss Function)
• 16. بهینه‌سازها (Optimizers)
• 17. شبکه‌های عصبی پرسپترون چندلایه (MLP)
• 18. پیش‌پردازش داده‌ها برای شبکه‌های عصبی
• 19. تقسیم داده‌ها به مجموعه‌های آموزشی، اعتبارسنجی و تست
• 20. تنظیم ابرپارامترها (Hyperparameter Tuning)
• 21. شبکه‌های عصبی کانولوشنال (CNN)
• 22. لایه‌های کانولوشن و پولینگ
• 23. کاربرد CNN در پردازش تصویر
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. حافظه کوتاه‌مدت و بلندمدت (LSTM)
• 26. کاربرد RNN در پردازش زبان طبیعی
• 27. شبکه‌های عصبی ترانسفورمر (Transformer)
• 28. مکانیزم توجه (Attention Mechanism)
• 29. کاربرد ترانسفورمر در مدل‌های زبانی بزرگ
• 30. یادگیری عمیق (Deep Learning)
• 31. معماری‌های عمیق شبکه‌های عصبی
• 32. مزایا و چالش‌های یادگیری عمیق
• 33. شبکه‌های عصبی مولد (GAN)
• 34. کاربرد GAN در تولید تصویر
• 35. یادگیری انتقالی (Transfer Learning)
• 36. تنظیم دقیق (Fine-tuning) مدل‌های از پیش آموزش دیده
• 37. شبکه‌های عصبی خودرمزگذار (Autoencoders)
• 38. کاربرد Autoencoders در کاهش ابعاد و حذف نویز
• 39. شبکه‌های عصبی گراف (GNN)
• 40. کاربرد GNN در داده‌های ساختاریافته گرافی
• 41. مفاهیم پایه یادگیری تقویتی
• 42. عوامل و محیط در یادگیری تقویتی
• 43. الگوریتم‌های یادگیری تقویتی
• 44. شبکه‌های عصبی برای یادگیری تقویتی
• 45. کاربردها و مثال‌های عملی یادگیری تقویتی
• 46. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 47. پیش‌پردازش متن
• 48. مدل‌سازی زبانی
• 49. تحلیل احساسات با یادگیری عمیق
• 50. ترجمه ماشینی با شبکه‌های عصبی
• 51. شناسایی موجودیت نام‌دار (NER)
• 52. خلاصه‌سازی متن
• 53. تولید متن
• 54. مقدمه‌ای بر بینایی ماشین
• 55. تشخیص اشیاء
• 56. تقسیم‌بندی تصویر
• 57. تولید کپشن تصویر
• 58. شبکه‌های عصبی برای سیستم‌های توصیه‌گر
• 59. فیلترینگ مشارکتی
• 60. فیلترینگ مبتنی بر محتوا
• 61. ترکیب روش‌ها در سیستم‌های توصیه‌گر
• 62. مقدمه‌ای بر یادگیری نیمه نظارت شده
• 63. یادگیری فعال (Active Learning)
• 64. یادگیری با داده‌های برچسب‌دار کم
• 65. مقدمه‌ای بر یادگیری خود نظارت شده
• 66. پیش‌بینی کلمه بعدی
• 67. یادگیری نمایش (Representation Learning)
• 68. شبکه‌های عصبی و سلامت (با رویکرد علمی و رسمی)
• 69. کاربرد هوش مصنوعی در تشخیص پزشکی (با رعایت پروتکل‌ها)
• 70. کاربرد هوش مصنوعی در داروسازی (با رعایت پروتکل‌ها)
• 71. کاربرد هوش مصنوعی در بهینه‌سازی فرآیندهای درمانی (با رعایت پروتکل‌ها)
• 72. هوش مصنوعی در علوم داده و تحلیل آماری
• 73. مقدمه‌ای بر یادگیری توزیع شده (Distributed Learning)
• 74. آموزش مدل‌ها بر روی چندین دستگاه
• 75. هوش مصنوعی و اخلاق (با رویکرد چارچوب رسمی)
• 76. سوگیری در مدل‌های هوش مصنوعی و راهکارهای آن
• 77. شفافیت و قابلیت تفسیر مدل‌های یادگیری عمیق
• 78. امنیت در مدل‌های هوش مصنوعی
• 79. مقدمه‌ای بر یادگیری چندوجهی (Multimodal Learning)
• 80. ترکیب داده‌های متنی، تصویری و صوتی
• 81. شبکه‌های عصبی برای درک زبان تصویری
• 82. هوش مصنوعی در رباتیک
• 83. کاربرد رباتیک در صنعت (با رعایت چارچوب‌های قانونی)
• 84. کاربرد رباتیک در کشاورزی (با رعایت چارچوب‌های قانونی)
• 85. کاربرد رباتیک در خدمات (با رعایت چارچوب‌های قانونی)
• 86. مقدمه‌ای بر یادگیری تقویتی عمیق
• 87. شبکه‌های عصبی عمیق برای یادگیری تقویتی
• 88. کاربرد در بازی‌ها و شبیه‌سازی‌ها
• 89. مقدمه‌ای بر شبکه‌های عصبی اسپایکی (Spiking Neural Networks)
• 90. شباهت‌ها با مغز انسان
• 91. کاربرد در پردازش کارآمد انرژی
• 92. یادگیری عمیق در تحلیل داده‌های سری زمانی
• 93. پیش‌بینی روندها
• 94. تشخیص ناهنجاری در داده‌های سری زمانی
• 95. مقدمه‌ای بر مدل‌های گراف عصبی پیشرفته
• 96. شبکه‌های عصبی گراف ترانسفورمر
• 97. کاربرد در شبکه‌های اجتماعی و بیولوژیکی
• 98. مقدمه‌ای بر هوش مصنوعی قابل اعتماد (Trustworthy AI)
• 99. اصول و چارچوب‌های هوش مصنوعی قابل اعتماد
• 100. ارزیابی و سنجش قابلیت اعتماد مدل‌ها