کتاب تشریح قابلیت توضیح‌پذیری در هوش مصنوعی با رویکرد داده‌محور در سناریوهای سلامت (مطابق با قوانین و مقررات)

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تشریح قابلیت توضیح‌پذیری در هوش مصنوعی با رویکرد داده‌محور در سناریوهای سلامت (مطابق با قوانین و مقررات)

موضوع کلی: هوش مصنوعی و حاکمیت داده

موضوع میانی: شفافیت و پاسخگویی در هوش مصنوعی

📋 سرفصل‌های دوره

  • 1. مقدمه: هوش مصنوعی و حاکمیت داده در ایران
  • 2. مفاهیم پایه هوش مصنوعی
  • 3. اصول حاکمیت داده
  • 4. اهمیت شفافیت در هوش مصنوعی
  • 5. پاسخگویی در سیستم‌های هوش مصنوعی
  • 6. چارچوب قانونی حاکمیت داده در ایران
  • 7. قانون تجارت الکترونیک و داده‌ها
  • 8. قانون حمایت از حقوق مصرف‌کنندگان
  • 9. مقررات مربوط به حفاظت از داده‌ها
  • 10. استانداردهای داده در بخش سلامت
  • 11. مدیریت داده‌های سلامت
  • 12. امنیت داده در هوش مصنوعی
  • 13. حریم خصوصی در هوش مصنوعی
  • 14. اصول اخلاقی در هوش مصنوعی
  • 15. مسئولیت‌پذیری در توسعه هوش مصنوعی
  • 16. قابلیت توضیح‌پذیری (XAI) چیست؟
  • 17. انواع مدل‌های هوش مصنوعی
  • 18. مدل‌های جعبه سیاه در هوش مصنوعی
  • 19. چالش‌های توضیح‌پذیری مدل‌های پیچیده
  • 20. مفاهیم پایه یادگیری ماشین
  • 21. یادگیری نظارت شده
  • 22. یادگیری نظارت نشده
  • 23. یادگیری تقویتی
  • 24. شبکه‌های عصبی مصنوعی
  • 25. شبکه‌های عصبی عمیق
  • 26. مدل‌های ترنسفورمر
  • 27. پردازش زبان طبیعی (NLP)
  • 28. کاربرد NLP در تحلیل داده‌ها
  • 29. بینایی ماشین (Computer Vision)
  • 30. کاربرد بینایی ماشین در سلامت
  • 31. مدل‌های تصمیم‌گیری در هوش مصنوعی
  • 32. درختان تصمیم
  • 33. ماشین‌های بردار پشتیبان (SVM)
  • 34. کلاسترینگ
  • 35. تحلیل عاملی
  • 36. تحلیل رگرسیون
  • 37. شبکه‌های بیزی
  • 38. مدل‌های احتمالی
  • 39. کاربرد مدل‌های احتمالی در سلامت
  • 40. ارزیابی عملکرد مدل‌های هوش مصنوعی
  • 41. معیارهای ارزیابی مدل‌ها
  • 42. دقت (Accuracy)
  • 43. صحت (Precision)
  • 44. بازیابی (Recall)
  • 45. امتیاز F1
  • 46. منحنی ROC و AUC
  • 47. اعتبارسنجی متقابل (Cross-validation)
  • 48. تکنیک‌های تنظیم ابرپارامترها
  • 49. هوش مصنوعی تفسیری (Interpretable AI)
  • 50. تکنیک‌های XAI برای مدل‌های جعبه سیاه
  • 51. LIME
  • 52. SHAP
  • 53. نقشه‌برداری اهمیت ویژگی (Feature Importance Mapping)
  • 54. تحلیل حساسیت (Sensitivity Analysis)
  • 55. تجزیه و تحلیل علت و معلولی
  • 56. توضیح‌پذیری در سطح مدل
  • 57. توضیح‌پذیری در سطح پیش‌بینی
  • 58. تکنیک‌های XAI برای شبکه‌های عصبی
  • 59. لایه کانولوشن
  • 60. لایه ادغام
  • 61. لایه متراکم
  • 62. روش‌های بصری‌سازی در XAI
  • 63. نقشه‌های حرارتی (Heatmaps)
  • 64. نمودارهای وابستگی جزئی (Partial Dependence Plots)
  • 65. تکنیک‌های XAI برای پردازش زبان طبیعی
  • 66. توضیح تصمیمات NLP
  • 67. تفسیر نتایج مدل‌های زبانی
  • 68. تکنیک‌های XAI برای بینایی ماشین
  • 69. توضیح تشخیص تصاویر
  • 70. تحلیل مناطق مهم در تصاویر
  • 71. هوش مصنوعی قابل اعتماد (Trustworthy AI)
  • 72. امنیت و استحکام (Robustness)
  • 73. انصاف (Fairness)
  • 74. شفافیت (Transparency)
  • 75. حریم خصوصی (Privacy)
  • 76. قابلیت پاسخگویی (Accountability)
  • 77. ملاحظات اخلاقی در XAI
  • 78. سوگیری (Bias) در داده‌ها و مدل‌ها
  • 79. شناسایی و کاهش سوگیری
  • 80. تضمین انصاف در سیستم‌های هوش مصنوعی
  • 81. حفاظت از حریم خصوصی در XAI
  • 82. روش‌های حفظ حریم خصوصی (Privacy-Preserving Techniques)
  • 83. حسابداری تفاضلی (Differential Privacy)
  • 84. یادگیری فدرال (Federated Learning)
  • 85. حاکمیت داده و XAI
  • 86. نقش سازمان‌های نظارتی
  • 87. تدوین مقررات برای XAI
  • 88. استانداردهای صنعتی برای XAI
  • 89. پیاده‌سازی XAI در سناریوهای سلامت
  • 90. مطالعه موردی: بیماری‌های واگیردار
  • 91. تحلیل داده‌های سلامت در دوران همه‌گیری
  • 92. کاربرد XAI در تشخیص بیماری
  • 93. کاربرد XAI در پیش‌بینی شیوع بیماری
  • 94. کاربرد XAI در شخصی‌سازی درمان
  • 95. چالش‌های پیاده‌سازی XAI در سلامت
  • 96. مسائل مربوط به داده‌های حساس
  • 97. ملاحظات قانونی و نظارتی
  • 98. توسعه ابزارها و پلتفرم‌های XAI
  • 99. آموزش و توانمندسازی نیروی انسانی
  • 100. آینده XAI در هوش مصنوعی و حاکمیت داده

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.