کتاب مبانی یادگیری ماشین: مفاهیم کلیدی و کاربردها

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی یادگیری ماشین: مفاهیم کلیدی و کاربردها

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره (100 موضوع)

• 1. مقدمه‌ای بر یادگیری ماشین
• 2. مفاهیم پایه یادگیری ماشین
• 3. انواع یادگیری ماشین
• 4. یادگیری با نظارت
• 5. رگرسیون خطی
• 6. رگرسیون لجستیک
• 7. ماشین‌های بردار پشتیبان (SVM)
• 8. درختان تصمیم
• 9. جنگل‌های تصادفی
• 10. یادگیری بدون نظارت
• 11. خوشه‌بندی K-Means
• 12. تحلیل مؤلفه‌های اصلی (PCA)
• 13. یادگیری تقویتی
• 14. مبانی شبکه‌های عصبی
• 15. شبکه‌های عصبی پرسپترون چندلایه
• 16. توابع فعال‌سازی
• 17. پس‌انتشار خطا
• 18. بهینه‌سازی مدل‌ها
• 19. گرادیان کاهشی
• 20. بهینه‌سازهای پیشرفته
• 21. تنظیم ابرپارامترها
• 22. اعتبارسنجی متقابل
• 23. جلوگیری از بیش‌برازش
• 24. کاهش ابعاد
• 25. مهندسی ویژگی
• 26. انتخاب ویژگی
• 27. پیش‌پردازش داده‌ها
• 28. پاکسازی داده‌ها
• 29. مقیاس‌بندی ویژگی‌ها
• 30. کدگذاری متغیرهای دسته‌ای
• 31. کار با داده‌های نامتوازن
• 32. ارزیابی مدل‌های رگرسیون
• 33. میانگین مربعات خطا (MSE)
• 34. میانگین قدر مطلق خطا (MAE)
• 35. ضریب تعیین (R-squared)
• 36. ارزیابی مدل‌های طبقه‌بندی
• 37. دقت (Accuracy)
• 38. صحت (Precision)
• 39. بازیابی (Recall)
• 40. امتیاز F1
• 41. ماتریس درهم‌ریختگی (Confusion Matrix)
• 42. منحنی ROC و AUC
• 43. کاربردها در پردازش تصویر
• 44. فیلترهای کانولوشن
• 45. شبکه‌های عصبی کانولوشن (CNN)
• 46. معماری‌های معروف CNN
• 47. کاربردها در پردازش زبان طبیعی
• 48. مدل‌های زبانی
• 49. شبکه‌های عصبی بازگشتی (RNN)
• 50. حافظه طولانی کوتاه مدت (LSTM)
• 51. شبکه‌های عصبی ترنسفورمر
• 52. یادگیری عمیق
• 53. مبانی یادگیری عمیق
• 54. معماری‌های یادگیری عمیق
• 55. تکنیک‌های پیشرفته یادگیری عمیق
• 56. یادگیری انتقالی (Transfer Learning)
• 57. یادگیری فدرال
• 58. ملاحظات اخلاقی در هوش مصنوعی
• 59. سوگیری در داده‌ها و مدل‌ها
• 60. حریم خصوصی در یادگیری ماشین
• 61. تفسیرپذیری مدل‌ها (XAI)
• 62. هوش مصنوعی مولد
• 63. مدل‌های زبانی بزرگ (LLM)
• 64. تولید متن
• 65. تولید تصویر
• 66. کاربردهای تجاری یادگیری ماشین
• 67. سیستم‌های توصیه‌گر
• 68. تشخیص تقلب
• 69. تحلیل احساسات
• 70. یادگیری ماشین در سلامت
• 71. یادگیری ماشین در مالی
• 72. یادگیری ماشین در صنعت
• 73. یادگیری ماشین در کشاورزی
• 74. یادگیری ماشین در حمل و نقل
• 75. یادگیری ماشین در آموزش
• 76. یادگیری ماشین در حکمرانی
• 77. مقدمه‌ای بر شبکه‌های عصبی گراف (GNN)
• 78. کاربرد GNN در شبکه‌های اجتماعی
• 79. کاربرد GNN در کشف دارو
• 80. مبانی یادگیری بدون نظارت پیشرفته
• 81. کاهش ابعاد غیرخطی
• 82. یادگیری خودرمزگذار (Autoencoders)
• 83. کاربرد خودرمزگذارها
• 84. مبانی یادگیری نیمه نظارت شده
• 85. یادگیری فعال (Active Learning)
• 86. یادگیری با استقامت
• 87. مبانی پردازش سیگنال در یادگیری ماشین
• 88. تبدیل فوریه
• 89. تحلیل سری‌های زمانی
• 90. مدل‌های مارکوف پنهان (HMM)
• 91. کاربرد HMM در تشخیص گفتار
• 92. مبانی یادگیری تقویتی پیشرفته
• 93. مدل‌های ارزش و سیاست
• 94. الگوریتم‌های Actor-Critic
• 95. یادگیری عمیق تقویتی (DRL)
• 96. کاربرد DRL در رباتیک
• 97. کاربرد DRL در بازی‌ها
• 98. تکنیک‌های یادگیری جمعی (Ensemble Learning)
• 99. تقویت (Boosting)
• 100. بگینگ (Bagging)