دوره مبانی و الگوریتم‌های یادگیری ماشین: از تئوری تا پیاده‌سازی هوشمند همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی و الگوریتم‌های یادگیری ماشین: از تئوری تا پیاده‌سازی هوشمند

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری ماشین (Machine Learning)

📋 سرفصل‌های دوره (100 موضوع)

• 1. مبانی و تعاریف پایه در یادگیری ماشین
• 2. انواع یادگیری ماشین: نظارت‌شده، نظارت‌نشده و تقویت‌شده
• 3. مفاهیم اساسی در آمار و احتمالات برای یادگیری ماشین
• 4. پیش‌پردازش داده‌ها و پاک‌سازی مجموعه‌داده‌ها
• 5. مهندسی ویژگی‌ها و انتخاب ویژگی‌های بهینه
• 6. آشنایی با محیط‌های برنامه‌نویسی و کتابخانه‌های پایتون در هوش مصنوعی
• 7. رگرسیون خطی ساده و چندگانه
• 8. توابع هزینه و روش کاهش گرادیان
• 9. رگرسیون لجستیک و طبقه‌بندی دودویی
• 10. ارزیابی مدل‌های طبقه‌بندی: دقت، فراخوانی و امتیاز اف
• 11. درخت‌های تصمیم و معیارهای انشعاب
• 12. الگوریتم جنگل تصادفی و یادگیری تجمعی
• 13. ماشین بردار پشتیبان و مفاهیم حاشیه بهینه
• 14. الگوریتم نزدیک‌ترین همسایگی
• 15. کاهش ابعاد با استفاده از تحلیل مؤلفه‌های اصلی
• 16. خوشه‌بندی با الگوریتم کی-میانگین
• 17. مدل‌های ترکیبی گاوسی و کاربرد آن‌ها
• 18. مقدمه‌ای بر شبکه‌های عصبی مصنوعی و پرسپترون
• 19. توابع فعال‌ساز در شبکه‌های عصبی
• 20. الگوریتم پس‌انتشار خطا
• 21. مبانی یادگیری عمیق و معماری‌های لایه‌ای
• 22. تنظیم مدل و مقابله با بیش‌برازش
• 23. روش‌های منظم‌سازی و کاهش پیچیدگی مدل
• 24. اعتبارسنجی متقاطع و بهینه‌سازی فراپارامترها
• 25. یادگیری تقویت‌شده و مفاهیم عامل و محیط
• 26. الگوریتم‌های یادگیری تقویت‌شده پایه
• 27. تکنیک‌های بهینه‌سازی در آموزش مدل‌ها
• 28. سیستم‌های توصیه‌گر و فیلترینگ مشارکتی
• 29. مقدمه‌ای بر پردازش زبان طبیعی در یادگیری ماشین
• 30. استخراج ویژگی از متن با مدل‌های کیسه کلمات
• 31. اخلاق در هوش مصنوعی و مسئولیت‌پذیری در الگوریتم‌ها
• 32. کاربردهای یادگیری ماشین در بهینه‌سازی فرآیندهای صنعتی
• 33. بررسی مدل‌های پیش‌بینی سری‌های زمانی
• 34. پیاده‌سازی مدل‌های یادگیری ماشین با استفاده از کتابخانه سای‌کیت‌لرن
• 35. مفاهیم پایه در مدل‌های مولد
• 36. چالش‌های پیاده‌سازی و استقرار مدل‌های یادگیری ماشین
• 37. تفسیرپذیری مدل‌های هوش مصنوعی
• 38. امنیت داده‌ها و حریم خصوصی در یادگیری ماشین
• 39. آینده هوش مصنوعی و نقش آن در تحول دیجیتال کشور
• 40. پروژه‌های عملی و تحلیل موردی در حل مسائل واقعی