کتاب مبانی کاربردی یادگیری ماشین و شبکه‌های عصبی در حل مسائل مهندسی و صنعتی با فرمت AZW3 برای کتابخوان کیندل و فرمت EPUB

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره مبانی کاربردی یادگیری ماشین و شبکه‌های عصبی در حل مسائل مهندسی و صنعتی

موضوع کلی: علوم رایانه و هوش مصنوعی

موضوع میانی: یادگیری ماشین و تحلیل داده‌های هوشمند

📋 سرفصل‌های دوره

• 1. مفاهیم پایه و ضرورت یادگیری ماشین در صنایع نوین
• 2. آشنایی با چرخه حیات پروژه‌های یادگیری ماشین
• 3. انواع یادگیری ماشین و دسته‌بندی مسائل
• 4. روش‌های جمع‌آوری و پاک‌سازی داده‌های صنعتی
• 5. پیش‌پردازش داده‌ها و مدیریت مقادیر مفقود
• 6. مهندسی ویژگی‌ها و انتخاب متغیرهای کلیدی
• 7. آموزش الگوریتم رگرسیون خطی ساده و چندگانه
• 8. ارزیابی مدل‌های رگرسیون با معیارهای خطا
• 9. الگوریتم‌های دسته‌بندی و منطق رگرسیون لجستیک
• 10. بررسی ماتریس درهم‌ریختگی و معیارهای دقت و فراخوانی
• 11. کاربرد الگوریتم نزدیک‌ترین همسایگی در طبقه‌بندی
• 12. درخت‌های تصمیم و نحوه انشعاب در داده‌ها
• 13. بهینه‌سازی مدل با الگوریتم جنگل تصادفی
• 14. مبانی یادگیری نظارت‌نشده و خوشه‌بندی کی-میانگین
• 15. کاهش ابعاد داده‌ها با تحلیل مؤلفه‌های اصلی
• 16. مقدمه‌ای بر شبکه‌های عصبی مصنوعی و پرسپترون
• 17. توابع فعال‌ساز و نقش آن‌ها در شبکه‌های عصبی
• 18. الگوریتم انتشار معکوس و به‌روزرسانی وزن‌ها
• 19. مدیریت بیش‌برازش و کم‌برازش در آموزش مدل
• 20. تنظیم فراپارامترها برای بهبود عملکرد مدل
• 21. آشنایی با کتابخانه‌های استاندارد پایتون برای تحلیل داده
• 22. کاربرد یادگیری ماشین در پیش‌بینی خرابی تجهیزات
• 23. بهینه‌سازی مصرف انرژی در صنایع با الگوریتم‌های هوشمند
• 24. کنترل کیفیت خودکار با استفاده از بینایی ماشین
• 25. تحلیل سری‌های زمانی برای پیش‌بینی تقاضا و تولید
• 26. کاربرد یادگیری ماشین در مدیریت زنجیره تأمین
• 27. معرفی شبکه‌های عصبی عمیق و لایه‌های پنهان
• 28. مقدمه‌ای بر یادگیری تقویتی در سیستم‌های کنترل صنعتی
• 29. اخلاق در هوش مصنوعی و رعایت حریم خصوصی داده‌ها
• 30. استانداردهای ملی و بین‌المللی در پیاده‌سازی سیستم‌های هوشمند
• 31. مستندسازی و استقرار مدل‌های یادگیری ماشین در محیط عملیاتی
• 32. مانیتورینگ و نگهداری مدل‌های هوشمند پس از استقرار
• 33. چالش‌های مقیاس‌پذیری در پیاده‌سازی‌های صنعتی
• 34. امنیت داده‌ها و حفاظت از زیرساخت‌های هوشمند
• 35. تلفیق هوش مصنوعی با سیستم‌های مدیریت صنعتی
• 36. آینده هوش مصنوعی در تحول دیجیتال صنایع کشور