اپلیکیشن اندرویدی فلش‌کارت آموزشی میکروی هوشمند: آموزش ساخت برنامه‌هایی که زبان شما را می‌فهمند

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره میکروی هوشمند: آموزش ساخت برنامه‌هایی که زبان شما را می‌فهمند

موضوع کلی: هوش مصنوعی

موضوع میانی: برنامه‌نویسی سیستم‌های هوشمند

📋 سرفصل‌های دوره

• 1. مقدمه ای بر هوش مصنوعی و سیستم های هوشمند
• 2. مبانی زبان شناسی محاسباتی
• 3. معرفی پردازش زبان طبیعی (NLP)
• 4. مفاهیم پایه ای یادگیری ماشین (ML)
• 5. آشنایی با کتاب The Intelligent Micro
• 6. نصب و راه اندازی محیط توسعه
• 7. آشنایی با زبان برنامه نویسی پایتون
• 8. انواع داده ها و متغیرها در پایتون
• 9. عملگرها و عبارات در پایتون
• 10. ساختارهای کنترلی شرطی (if, else, elif)
• 11. حلقه های تکرار (for, while)
• 12. توابع و تعریف توابع سفارشی
• 13. ماژول ها و بسته ها در پایتون
• 14. ورودی و خروجی در پایتون
• 15. کار با فایل ها در پایتون
• 16. مفاهیم شیء گرایی در پایتون (OOP)
• 17. کلاس ها و اشیا در پایتون
• 18. وراثت، چند ریختی و کپسوله سازی
• 19. مدیریت خطاها و استثناها
• 20. مبانی عبارات باقاعده (Regular Expressions)
• 21. استفاده از عبارات باقاعده در پایتون
• 22. پیش پردازش متن: پاکسازی و نرمال سازی
• 23. توکن سازی (Tokenization)
• 24. ریشه یابی (Stemming) و لِماتیزاسیون (Lemmatization)
• 25. حذف کلمات توقف (Stop Words)
• 26. بردارسازی متن (Text Vectorization)
• 27. TF-IDF: محاسبه اهمیت کلمات
• 28. Word Embeddings: معرفی Word2Vec
• 29. Word Embeddings: معرفی GloVe
• 30. Word Embeddings: معرفی FastText
• 31. آشنایی با کتابخانه NLTK
• 32. آشنایی با کتابخانه SpaCy
• 33. آشنایی با کتابخانه Gensim
• 34. تجزیه و تحلیل احساسات (Sentiment Analysis)
• 35. استفاده از روش های مبتنی بر لغت نامه برای تحلیل احساسات
• 36. استفاده از یادگیری ماشین برای تحلیل احساسات
• 37. تشخیص موجودیت های نام دار (Named Entity Recognition - NER)
• 38. استخراج اطلاعات (Information Extraction)
• 39. مدل سازی موضوعی (Topic Modeling)
• 40. الگوریتم LDA برای مدل سازی موضوعی
• 41. خلاصه سازی متن (Text Summarization)
• 42. روش های استخراجی برای خلاصه سازی
• 43. روش های انتزاعی برای خلاصه سازی
• 44. ساخت ربات چت ساده
• 45. مدیریت گفتگو با استفاده از قوانین
• 46. مدیریت گفتگو با استفاده از یادگیری ماشین
• 47. آشنایی با معماری های عصبی برای NLP
• 48. شبکه های عصبی بازگشتی (RNNs)
• 49. شبکه های حافظه کوتاه مدت بلند (LSTMs)
• 50. واحد بازگشتی دروازه دار (GRUs)
• 51. معرفی ترانسفورمرها (Transformers)
• 52. معرفی مدل BERT
• 53. معرفی مدل GPT
• 54. Fine-tuning مدل های از پیش آموزش داده شده
• 55. استفاده از ترانسفورمرها برای طبقه بندی متن
• 56. استفاده از ترانسفورمرها برای تولید متن
• 57. پرسش و پاسخ ماشینی (Question Answering)
• 58. آشنایی با مجموعه داده های QA
• 59. ساخت سیستم پرسش و پاسخ با استفاده از ترانسفورمرها
• 60. ترجمه ماشینی (Machine Translation)
• 61. آشنایی با معماری Seq2Seq
• 62. استفاده از ترانسفورمرها برای ترجمه ماشینی
• 63. تولید متن با کنترل (Controlled Text Generation)
• 64. تولید متن شرطی (Conditional Text Generation)
• 65. تولید متن متوالی (Sequential Text Generation)
• 66. تولید متن با سبک خاص
• 67. آشنایی با شبکه های مولد متخاصم (GANs) برای NLP
• 68. تقویت یادگیری (Reinforcement Learning) برای NLP
• 69. ساخت ربات چت پیشرفته با استفاده از یادگیری ماشین
• 70. استفاده از API های هوش مصنوعی (Google, Microsoft, Amazon)
• 71. پردازش گفتار (Speech Processing)
• 72. تبدیل گفتار به متن (Speech-to-Text)
• 73. تبدیل متن به گفتار (Text-to-Speech)
• 74. تشخیص قصد کاربر (Intent Recognition)
• 75. پر کردن شکاف (Slot Filling)
• 76. مدیریت حالت گفتگو (Dialogue State Management)
• 77. ارزیابی عملکرد سیستم های NLP
• 78. معیارهای ارزیابی طبقه بندی متن
• 79. معیارهای ارزیابی تولید متن
• 80. راهکارهای بهبود عملکرد سیستم های NLP
• 81. توسعه سیستم های NLP مقاوم
• 82. مقابله با داده های نامتعادل
• 83. مقابله با حملات Adversarial
• 84. حفظ حریم خصوصی در سیستم های NLP
• 85. اخلاق در هوش مصنوعی و NLP
• 86. ملاحظات قانونی در توسعه سیستم های NLP
• 87. استقرار (Deployment) سیستم های NLP
• 88. استقرار مدل های NLP در ابر
• 89. استقرار مدل های NLP در دستگاه های موبایل
• 90. بهینه سازی مدل های NLP برای استقرار
• 91. امنیت سیستم های NLP
• 92. مقابله با حملات مخرب به مدل های NLP
• 93. مباحث پیشرفته در NLP
• 94. یادگیری خود نظارتی (Self-Supervised Learning)
• 95. یادگیری انتقال (Transfer Learning)
• 96. یادگیری چند زبانه (Multilingual Learning)
• 97. یادگیری فعال (Active Learning)
• 98. کاربرد NLP در حوزه های مختلف (پزشکی، حقوق، مالی)
• 99. آینده هوش مصنوعی و NLP
• 100. منابع و مراجع برای یادگیری بیشتر NLP