دوره مبانی نظری یادگیری ماشین: نتایج یادگیری برای یادگیرنده‌های سازگار همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی نظری یادگیری ماشین: نتایج یادگیری برای یادگیرنده‌های سازگار

موضوع کلی: علوم کامپیوتر و هوش مصنوعی

موضوع میانی: یادگیری ماشین

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر نظریه یادگیری ماشین
• 2. مفهوم یادگیری سازگار
• 3. تعریف یادگیرنده سازگار
• 4. فضای فرضیه
• 5. اندازه مجموعه داده
• 6. کران بالا برای خطای یادگیری
• 7. کران پایین برای خطای یادگیری
• 8. پیچیدگی مدل
• 9. کلاس‌های یادگیری
• 10. یادگیری احتمالی
• 11. خطای آماری
• 12. خطای سرمایه‌گذاری
• 13. تضمین‌های یادگیری
• 14. یادگیری تطبیقی
• 15. الگوریتم‌های یادگیری
• 16. نظریه VC
• 17. ابعاد VC
• 18. ارتباط ابعاد VC با پیچیدگی
• 19. کران‌های مبتنی بر ابعاد VC
• 20. یادگیری در حضور نویز
• 21. مدل‌های نویزدار
• 22. یادگیری با داده‌های برچسب‌دار
• 23. یادگیری با داده‌های بدون برچسب
• 24. یادگیری تقویتی
• 25. یادگیری نیمه‌نظارتی
• 26. یادگیری انتقالی
• 27. یادگیری چندوظیفه‌ای
• 28. مدل‌های تابعی
• 29. مدل‌های آماری
• 30. مدل‌های احتمالی
• 31. مدل‌های گرافیکی
• 32. شبکه‌های عصبی
• 33. شبکه‌های عصبی عمیق
• 34. یادگیری عمیق
• 35. الگوریتم‌های بهینه‌سازی
• 36. نزول گرادیان
• 37. نزول گرادیان تصادفی
• 38. بهینه‌سازی مبتنی بر گشتاور
• 39. روش‌های بهینه‌سازی پیشرفته
• 40. تنظیم‌گرهای مدل
• 41. تنظیم‌گرهای L1 و L2
• 42. تنظیم‌گرهای زودرس
• 43. تنظیم‌گرهای مبتنی بر Dropout
• 44. ارزیابی مدل
• 45. اعتبارسنجی متقابل
• 46. اعتبارسنجی متقابل K-Fold
• 47. اعتبارسنجی متقابل Leave-One-Out
• 48. متریک‌های ارزیابی
• 49. دقت (Accuracy)
• 50. صحت (Precision)
• 51. بازیابی (Recall)
• 52. امتیاز F1
• 53. منحنی ROC
• 54. منحنی AUC
• 55. تحلیل خطا
• 56. کاهش ابعاد
• 57. تحلیل مولفه‌های اصلی (PCA)
• 58. تجزیه مقادیر منفرد (SVD)
• 59. تکنیک‌های کاهش ابعاد خطی
• 60. تکنیک‌های کاهش ابعاد غیرخطی
• 61. یادگیری ویژگی
• 62. استخراج ویژگی
• 63. انتخاب ویژگی
• 64. یادگیری خودکار ویژگی
• 65. پردازش زبان طبیعی (NLP)
• 66. مدل‌های زبانی
• 67. مدل‌های آماری زبان
• 68. مدل‌های مبتنی بر شبکه عصبی برای NLP
• 69. یادگیری عمیق برای NLP
• 70. ترجمه ماشینی
• 71. تحلیل احساسات
• 72. خلاصه‌سازی متن
• 73. تشخیص موجودیت نام‌گذاری شده
• 74. بینایی ماشین
• 75. پردازش تصویر
• 76. تشخیص اشیاء
• 77. طبقه‌بندی تصاویر
• 78. شبکه‌های عصبی کانولوشنال (CNN)
• 79. کاربرد CNN در بینایی ماشین
• 80. یادگیری تقویتی در رباتیک
• 81. یادگیری تقویتی در بازی‌ها
• 82. اخلاق در هوش مصنوعی
• 83. سوگیری در داده‌ها و مدل‌ها
• 84. شفافیت و تفسیرپذیری مدل‌ها
• 85. امنیت و حریم خصوصی در هوش مصنوعی
• 86. مسئولیت‌پذیری در هوش مصنوعی
• 87. آینده هوش مصنوعی
• 88. هوش مصنوعی عمومی
• 89. همزیستی انسان و هوش مصنوعی
• 90. یادگیری ماشینی در ایران
• 91. کاربرد یادگیری ماشینی در صنایع ایران
• 92. چالش‌های یادگیری ماشینی در ایران
• 93. فرصت‌های یادگیری ماشینی در ایران
• 94. مسائل شرعی در یادگیری ماشینی
• 95. قوانین و مقررات هوش مصنوعی در ایران
• 96. توسعه پایدار با هوش مصنوعی
• 97. نوآوری در یادگیری ماشینی
• 98. یادگیری ماشینی برای حل مسائل اجتماعی
• 99. یادگیری ماشینی در پزشکی
• 100. یادگیری ماشینی در کشاورزی