لیست سرفصل ها آموزش هوش مصنوعی
مبانی هوش مصنوعی ماشین فکری
مقدمه
خوش آمدگویی
هوش مصنوعی چیست
تعریف هوش عمومی
تاریخچه AI
AI قوی و ضعیف
برنامه ریزی هوش مصنوعی
پیدایش یادگیری ماشینی
یادگیری ماشینی
شبکه های عصبی مصنوعی
پرسپترون ها
یافتن رویکرد مناسب
تطبیق الگوها
داده مقابل استدلال
آموزش بدون نظارت پروژه
قبل انتشار
رگرسیون
برنامه متداول AI
رباتیک
پردازش زبان طبیعی
اینترنت اشیا
ادغام با سایر فناوری ها
داده های بزرگ
علم داده
اجتناب از Pitfalls
Pitfalls
نتیجه گیری
قدم بعدی
یادگیری عمیق با TensorFlow
مقدمه
DP برای پردازش زبان طبیعی
شروع کار با NLP
مقدمه پردازش زبان طبیعی
مقدمه ای بر رمز گذاری کلمات
توکن سازی با TensorFlow
لایه بندی دنباله ها
چالش تشخیص طعنه در متن
راه حل تشخیص طعنه در متن
طبقه بندی متن
مقدمه ای بر ساختار کلمات
طبقه بندی نقد با TensorFlow
طرح ریزی بردار باTensorFlow
ساخت دسته بندی متن
چالش طبقه بندی متن
راه حل طبقه بندی متن
طبقه بندی با RNN و LSTM
معرفی RNN
پیاده سازیLSTM با TensorFlow
بهبود طبقه بندی نقد فیلم
چالش بررسی طبقه بندی Yelp
راه حل بررسی طبقه بندی Yelp
تولید متن با RNN
مقدمه ای بر تولید متن
پیش بینی کلمه بعدی
چالش تولید شعر
راه حل تولید شعر
نتیجه
آشنایی بیشتربا NLP درTensorFlow
شروع یادگیری عمیق
مقدمه
شروع با یادگیری عمیق
پیش نیازهای دوره
راه اندازی محیط
مقدمه ای بر یادگیری عمیق
یادگیری عمیق چیست
رگرسیون خطی
قیاسی برای یادگیری عمیق
پرسپترون
شبکه های عصبی مصنوعی
آموزش ANN
معماری شبکه عصبی
لایه های ورودی
لایه های مخفی
وزن ها و Biases
توابع فعال سازی
لایه های خروجی
آموزش شبکه های عصبی
راه اندازی و مقداردهی اولیه
انتشار روبه جلو
اندازه گیری دقت و خطا
انتشار به عقب
کاهش گرادیانت
دسته ها و دوره ها
اعتبارسنجی و آزمایش
مدل ANN
مثال ۱ یادگیری عمیق
مشکل طبقه بندی Iris
پیش پردازش ورودی
ایجاد مدل یادگیری عمیق
آموزش و ارزشیابی
ذخیره و بارگذاری مدل ها
پیش بینی مدل یادگیری عمیق
مثال ۲ یادگیری عمیق
مشکل طبقه بندی هرزنامه
ایجاد نمایش متن
ساخت مدل اسپم
پیش بینی برای متن
تمرین یادگیری عمیق
بیان مسئله تمرین
پیش پردازش داده های RCA
ساخت مدل RCA
پیش بینی علل با یادگیری عمیق
نتیجه گیری
گسترش آموزش یادگیری عمیق
مقدمه ای بر هوش مصنوعی
مقدمه
چرا درمورد هوش مصنوعی بدانیم
هوش مصنوعی چیست؟
تعریف هوش عمومی
حل کننده مشکلات عمومی
ضعف و قدرت AI
ظهور یادگیری ماشینی
یادگیری ماشینی
معرفی شبکه عصبی
سیستم متداول هوش مصنوعی
جستجوی الگوها در داده ها
رباتیک
پردازش زبان طبیعی
اینترنت اشیا
از داده ها بیاموزید
داده های برچسب دار و بدون برچسب
مجموعه داده های عظیم
شناسایی الگوها
طبقه بندی داده ها
داده های خوشه ای
یادگیری تقویتی
الگوریتم یادگیری ماشینی
الگوریتم های رایج
همسایگی K-Nearest
K-means خوشه ای
رگرسیون
Bayes های ساده
متناسب با الگوریتم
انتخاب بهترین الگوریتم
دنبال کردن داده ها
تناسب کم و بیش از حد
شبکه عصبی مصنوعی
ساخت شبکه عصبی
وزن اتصالات
Bias های فعال
جبرخطی مبانی یادگیری ماشینی
مقدمه
مقدمه
چه چیزهایی باید بدانیم
مقدمه ای بر جبر خطی
تعریف جبر خطی
کاربردهای جبرخطی در ML
مبانی بردارها
مقدمه ای بر بردارها
بردارهای حسابی
سیستم مختصات
مبانی و پروژه های برداری
حاصلضرب نقطه ای بردارها
طرح ریزی اسکالر و برداری
تغییر مبنای بردارها
مبنا،استقلال خطی و دهانه
مقدمه ای بر ماتریس ها
معرفی ماتریس ها
انواع ماتریس ها
انواع تبدیل ماتریسی
ترکیب و یا تبدیل ماتریس ها
حذف گاوسی
حل معادلات خطی با حذف گاوسی
حذف گاوسی و یافتن ماتریس معکوس
معکوس و تعیین کننده
ماتریس متعامدوفرآیند گرم اشمیت
اساس تغییر ماتریس
تبدیل به پایه جدید
ماتریس متعامد
فرآیند گرم اشمیت
مقادیر ویژه و بردارهای ویژه
مقدمه مقادیر و بردار ویژه
محاسبه مقادیر و بردار ویژه
تغییر ماتریس تبدیل پایه ویژه
الگوریتم پیج رنک گوگل
نتیجه گیری
قدم بعدی
