کتاب صوتی مبانی هوش مصنوعی و یادگیری ماشین: از مفاهیم تا کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی هوش مصنوعی و یادگیری ماشین: از مفاهیم تا کاربردها

موضوع کلی: علوم و فناوری اطلاعات

موضوع میانی: هوش مصنوعی و یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علوم و فناوری اطلاعات
• 2. تاریخچه و تکامل هوش مصنوعی
• 3. تعریف و مفاهیم کلیدی هوش مصنوعی
• 4. انواع هوش مصنوعی: ضعیف و قوی
• 5. کاربردها و چشم‌انداز هوش مصنوعی در ایران
• 6. اخلاق در هوش مصنوعی و مسئولیت‌پذیری
• 7. مبانی یادگیری ماشین
• 8. یادگیری نظارت‌شده: مفاهیم و الگوریتم‌ها
• 9. رگرسیون خطی و لجستیک
• 10. درختان تصمیم و جنگل‌های تصادفی
• 11. ماشین‌های بردار پشتیبان (SVM)
• 12. یادگیری نظارت‌نشده: مفاهیم و الگوریتم‌ها
• 13. خوشه‌بندی: K-Means و Hierarchical Clustering
• 14. کاهش ابعاد: PCA و t-SNE
• 15. شبکه‌های عصبی مصنوعی
• 16. مبانی پرسپترون و لایه‌های عصبی
• 17. شبکه‌های عصبی عمیق (Deep Neural Networks)
• 18. شبکه‌های عصبی کانولوشنال (CNN) برای پردازش تصویر
• 19. شبکه‌های عصبی بازگشتی (RNN) برای پردازش توالی
• 20. یادگیری تقویتی: مفاهیم و الگوریتم‌ها
• 21. عامل و محیط در یادگیری تقویتی
• 22. یادگیری Q و Deep Q-Networks (DQN)
• 23. کاربرد یادگیری تقویتی در رباتیک و بازی‌ها
• 24. پردازش زبان طبیعی (NLP)
• 25. مبانی NLP: توکنیزاسیون و استخراج ویژگی
• 26. مدل‌های زبانی و پردازش متن
• 27. ترجمه ماشینی و خلاصه‌سازی متن
• 28. تحلیل احساسات و تشخیص موضوع
• 29. بینایی ماشین و پردازش تصویر
• 30. تشخیص و ردیابی اشیاء
• 31. تشخیص چهره و تحلیل تصاویر
• 32. تولید تصویر و گرافیک کامپیوتری
• 33. کاربردهای بینایی ماشین در صنعت و پزشکی
• 34. سیستم‌های توصیه‌گر
• 35. مبانی سیستم‌های توصیه‌گر
• 36. فیلترینگ مبتنی بر محتوا
• 37. فیلترینگ مشارکتی
• 38. ترکیب روش‌ها و ارزیابی سیستم‌های توصیه‌گر
• 39. هوش مصنوعی در سلامت و پزشکی
• 40. تشخیص بیماری با استفاده از یادگیری ماشین
• 41. کشف دارو و طراحی درمان
• 42. رباتیک پزشکی و جراحی هوشمند
• 43. مدیریت و تحلیل داده‌های سلامت
• 44. هوش مصنوعی در اقتصاد و مالی
• 45. تحلیل ریسک و پیش‌بینی بازار
• 46. کشف تقلب و پولشویی
• 47. معاملات الگوریتمی و مدیریت سرمایه‌گذاری
• 48. سیستم‌های پرداخت هوشمند
• 49. هوش مصنوعی در آموزش و یادگیری
• 50. سیستم‌های یادگیری تطبیقی
• 51. شخصی‌سازی مسیر یادگیری
• 52. ارزیابی خودکار و بازخورد هوشمند
• 53. تولید محتوای آموزشی
• 54. هوش مصنوعی در حمل و نقل و لجستیک
• 55. خودروهای خودران و سیستم‌های ناوبری
• 56. بهینه‌سازی مسیر و مدیریت ترافیک
• 57. مدیریت زنجیره تأمین هوشمند
• 58. پیش‌بینی تقاضا و بهینه‌سازی انبار
• 59. هوش مصنوعی در کشاورزی
• 60. کشاورزی دقیق و پایش محصولات
• 61. تشخیص آفات و بیماری‌های گیاهی
• 62. رباتیک در کشاورزی
• 63. مدیریت منابع آب و خاک
• 64. هوش مصنوعی در صنعت و تولید
• 65. نگهداری و پیش‌بینی خرابی تجهیزات
• 66. بهینه‌سازی فرآیندهای تولید
• 67. کنترل کیفیت خودکار
• 68. رباتیک صنعتی و اتوماسیون
• 69. مباحث پیشرفته در یادگیری ماشین
• 70. یادگیری انتقالی (Transfer Learning)
• 71. یادگیری چندوظیفه‌ای (Multi-task Learning)
• 72. یادگیری فدرال (Federated Learning)
• 73. یادگیری فعال (Active Learning)
• 74. تکنیک‌های توضیح‌پذیری هوش مصنوعی (XAI)
• 75. روش‌های تفسیر مدل‌های یادگیری ماشین
• 76. شناسایی عوامل مؤثر بر پیش‌بینی
• 77. تولید توضیحات قابل فهم برای کاربران
• 78. کاربرد XAI در حوزه‌های حساس
• 79. هوش مصنوعی مولد (Generative AI)
• 80. شبکه‌های مولد تخاصمی (GANs)
• 81. مدل‌های زبانی بزرگ (LLMs)
• 82. تولید متن، تصویر و صدا
• 83. ملاحظات اخلاقی و امنیتی هوش مصنوعی مولد
• 84. هوش مصنوعی و امنیت سایبری
• 85. تشخیص نفوذ و بدافزار
• 86. تحلیل تهدیدات و پیش‌بینی حملات
• 87. امنیت مدل‌های یادگیری ماشین
• 88. کاربرد هوش مصنوعی در دفاع سایبری
• 89. هوش مصنوعی در حکمرانی و خدمات عمومی
• 90. بهینه‌سازی خدمات شهری
• 91. پیش‌بینی جرائم و مدیریت بحران
• 92. تحلیل داده‌های عمومی برای تصمیم‌گیری
• 93. مشارکت شهروندان با استفاده از هوش مصنوعی
• 94. چالش‌ها و فرصت‌های آینده هوش مصنوعی
• 95. مسائل مربوط به حریم خصوصی و حفاظت از داده‌ها
• 96. تأثیر هوش مصنوعی بر بازار کار و جامعه
• 97. توسعه زیرساخت‌های لازم برای هوش مصنوعی
• 98. اهمیت آموزش و پژوهش در هوش مصنوعی
• 99. پیش‌بینی روندهای آینده در هوش مصنوعی
• 100. کاربردهای نوین هوش مصنوعی در ایران