کتاب یادگیری ماشین: از اصول تا کاربرد در مهندسی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره یادگیری ماشین: از اصول تا کاربرد در مهندسی

موضوع کلی: هوش مصنوعی و یادگیری ماشین در مهندسی

موضوع میانی: مبانی یادگیری ماشین برای کاربردهای مهندسی

📋 سرفصل‌های دوره

• 1. مبانی هوش مصنوعی و یادگیری ماشین
• 2. کاربرد یادگیری ماشین در مهندسی
• 3. تاریخچه هوش مصنوعی
• 4. انواع یادگیری ماشین
• 5. یادگیری نظارت شده
• 6. رگرسیون خطی
• 7. رگرسیون لجستیک
• 8. ماشین‌های بردار پشتیبان
• 9. درختان تصمیم
• 10. جنگل‌های تصادفی
• 11. تقویت گرادیان
• 12. یادگیری نظارت نشده
• 13. خوشه‌بندی
• 14. K-Means
• 15. خوشه‌بندی سلسله مراتبی
• 16. تحلیل مؤلفه‌های اصلی (PCA)
• 17. کاهش ابعاد
• 18. شبکه‌های عصبی مصنوعی
• 19. معماری پرسپترون
• 20. توابع فعال‌سازی
• 21. پس‌انتشار خطا (Backpropagation)
• 22. شبکه‌های عصبی عمیق
• 23. شبکه‌های کانولوشنی (CNN)
• 24. شبکه‌های عصبی بازگشتی (RNN)
• 25. یادگیری تقویتی
• 26. مفاهیم اساسی یادگیری تقویتی
• 27. عامل و محیط
• 28. پاداش و جریمه
• 29. سیاست و تابع ارزش
• 30. یادگیری Q
• 31. یادگیری Actor-Critic
• 32. کاربرد یادگیری تقویتی در مهندسی
• 33. پردازش داده‌ها و مهندسی ویژگی
• 34. پاکسازی داده‌ها
• 35. مقیاس‌بندی ویژگی‌ها
• 36. انتخاب ویژگی
• 37. مهندسی ویژگی
• 38. ارزیابی مدل
• 39. معیارهای ارزیابی برای رگرسیون
• 40. خطای میانگین مربعات (MSE)
• 41. خطای میانگین قدر مطلق (MAE)
• 42. ضریب تعیین (R-squared)
• 43. معیارهای ارزیابی برای طبقه‌بندی
• 44. دقت (Accuracy)
• 45. صحت (Precision)
• 46. بازیابی (Recall)
• 47. امتیاز F1
• 48. ماتریس درهم‌ریختگی (Confusion Matrix)
• 49. اعتبارسنجی متقابل (Cross-Validation)
• 50. تنظیم ابرپارامترها
• 51. جستجوی شبکه‌ای (Grid Search)
• 52. جستجوی تصادفی (Random Search)
• 53. بهینه‌سازی بیزی
• 54. مدل‌های پیشرفته یادگیری ماشین
• 55. یادگیری عمیق برای پردازش تصویر
• 56. تشخیص اشیاء
• 57. تقسیم‌بندی تصویر
• 58. یادگیری عمیق برای پردازش زبان طبیعی
• 59. تحلیل احساسات
• 60. ترجمه ماشینی
• 61. مدل‌های زبانی
• 62. یادگیری ماشین در سیستم‌های توصیه‌گر
• 63. فیلترینگ مشارکتی
• 64. فیلترینگ مبتنی بر محتوا
• 65. یادگیری ماشین در سیستم‌های کنترل
• 66. کنترل تطبیقی
• 67. بهینه‌سازی فرایند
• 68. یادگیری ماشین در تشخیص ناهنجاری
• 69. تشخیص نفوذ
• 70. تشخیص خطا
• 71. یادگیری ماشین در رباتیک
• 72. ناوبری ربات
• 73. کنترل ربات
• 74. یادگیری ماشین در مهندسی پزشکی
• 75. تشخیص بیماری
• 76. کشف دارو
• 77. یادگیری ماشین در مهندسی عمران
• 78. پیش‌بینی رفتار سازه‌ها
• 79. بهینه‌سازی مصرف انرژی
• 80. یادگیری ماشین در مهندسی مکانیک
• 81. طراحی و شبیه‌سازی
• 82. تعمیر و نگهداری پیش‌بینانه
• 83. یادگیری ماشین در مهندسی برق
• 84. تحلیل شبکه‌های توزیع
• 85. بهینه‌سازی تولید انرژی
• 86. ملاحظات اخلاقی و اجتماعی در هوش مصنوعی
• 87. سوگیری در الگوریتم‌ها
• 88. شفافیت و قابلیت توضیح
• 89. حریم خصوصی داده‌ها
• 90. مسئولیت‌پذیری در سیستم‌های هوش مصنوعی
• 91. آینده هوش مصنوعی و یادگیری ماشین در مهندسی
• 92. روندهای نوظهور
• 93. چالش‌های پیش رو
• 94. فرصت‌های جدید
• 95. توسعه سیستم‌های هوش مصنوعی مسئولانه
• 96. کاربرد یادگیری ماشین در بهینه‌سازی مصرف منابع
• 97. یادگیری ماشین در پیش‌بینی و مدیریت بحران
• 98. یادگیری ماشین در بهداشت عمومی
• 99. یادگیری ماشین در آموزش مهندسی
• 100. مبانی یادگیری ماشین برای مهندسان نرم‌افزار