آموزش یادگیری ماشین در C++ برای سیستم‌های Real-Time و Edge [2026] - آخرین آپدیت

سرفصل ها و درس ها

مرور دوره و پیشینه مدرس Course Overview & Instructor Background

• دوره The Course

• مرور دوره و مدرس Course Overview & Instructor

• پیش‌نیازها و رویکرد یادگیری Prerequisites & Learning Approach

• متدولوژی یادگیری Learning Methodology

• پرسش و پاسخ و نظرات Udemy Udemy's Q&A&Review

• این بخش حتماً ابتدا خوانده شود! THIS MUST BE READ FIRST!

اصول ML و دیدگاه‌های تولیدی ML Fundamentals & Production Insight

• یادگیری ماشین Machine Learning

• یادگیری ماشین چگونه کار می‌کند How Machine Learning Works

• اصول یادگیری ماشین Fundamentals of Machine Learning

• تکنیک‌های یادگیری ماشین Techniques of Machine Learning

• یادگیری نظارت شده Supervised Learning

• یادگیری نظارت نشده Unsupervised Learning

• چرا جبر خطی؟ Why Linear Algebra

چرا یادگیری ماشین با C++ Why Machine Learning in C++

• تنگنای انتخاب زبان برنامه‌نویسی Programming Language Dilemma

• کارایی پارادایم زبان C++ C++ Language Paradigm Efficiency

• نرم‌افزارها و شرکت‌های بزرگ C++ Major C++ Software & Companies

• کاربردهای پروژه‌های C++ C++ Project Applications

• چرا C++ قدرتمند است Why C++ is Powerful

• پیچیدگی C++ و مزایای شغلی C++ Complexity & Career Benefits

• انتخاب زبان برای ML: پایتون در مقابل C++ Choosing a Language for ML: Python vs C++

گرادیان کاهشی و آموزش بهینه مدل Gradient Descent & Efficient Model Training

• آنچه امروز یاد خواهیم گرفت What We'll Learn Today

• چرا گرادیان کاهشی مهم است Why Gradient Descent Matters

• ایجاد Alias {کدنویسی} Creating Aliases {Coding}

• ایجاد Class {کدنویسی} Creating Class {Coding}

• سازنده (Constructor) {کدنویسی} Constructor {Coding}

• Momentum، کاهش نرخ یادگیری، اندازه Batch {کدنویسی} Momentum, Learning Rate Decay, Batch Size {Coding}

• بهینه‌ساز، Batch GD {کدنویسی} Optimize, Batch GD {Coding}

• Stochastic GD {کدنویسی} Stochastic GD {Coding}

• Mini Batch GD {کدنویسی} Mini Batch GD {Coding}

• بهینه‌سازی با تاریخچه {کدنویسی} Optimize With History {Coding}

• چاپ پارامترها و تاریخچه {کدنویسی} Print Params, Print History {Coding}

• بخش ۱: شهود پشت گرادیان کاهشی {کدنویسی} Part 1: The Intuition Behind Gradient Descent {Coding}

• بخش ۲: نرخ یادگیری، مومنتوم و همگرایی {کدنویسی} Part 2: Learning Rate, Momentum and Convergence {Coding}

رگرسیون خطی در C++ با تمرکز بر عملکرد Linear Regression in C++ with Performance Focus

• آنچه امروز یاد خواهیم گرفت What We'll Learn Today

• چرا رگرسیون خطی مهم است Why Linear Regression Matters

• نکته‌ای درباره مدل‌های تجاری Note on Business Models

• ساخت LinearRegression.hpp Building LinearRegression.hpp

• سازنده و آموزش Constructor, Train

• پیش‌بینی و پیش‌بینی دسته‌ای Predict, Predict Batch

• MSE و گام گرادیان کاهشی MSE, Gradient Descent Step

• چاپ وزن‌ها Print Weights

• بخش ۱: مراحل رگرسیون خطی {کدنویسی} Part 1: The Steps of Linear Regression {Coding}

رگرسیون لجستیک {تئوری و کدنویسی C++} Logistic Regression {Theory & Coding C++}

• آنچه امروز یاد خواهیم گرفت What We'll Learn Today

• چرا رگرسیون لجستیک مهم است Why Logistic Regression Matters

• ساخت کتابخانه LogisticRegression Creation of LogisticRegression Library

• سازنده، Sigmoid، Binary Cross Entropy Constructor, Sigmoid, Binary Cross Entropy

• آموزش Train

• پیش‌بینی، احتمال، دسته‌ای و دقت Predict, Predict Proba, Predict Batch, Predict Proba Batch and Accuracy

• محاسبه Loss، گام گرادیان و چاپ وزن‌ها Compute Loss, Gradient Descent Step, Print Weights

• بخش ۱: چرا رگرسیون لجستیک به Sigmoid نیاز دارد {کدنویسی} Part 1: Why Logistic Regression Needs Sigmoid {Coding}

مدیریت داده‌ها و مهندسی خط لوله (ETL) Data Handling & Pipeline Engineering (ETL)

• قبل از شروع... Before Starting ...

• ایجاد دایرکتوری‌ها Creating directories

• ایجاد فایل‌ها Creating files

• ساخت هدر Data.h Data .h header creation

• ساخت هدر Data Handler.h شماره ۱ Data Handler .h header creation #1

• ساخت هدر Data Handler.h شماره ۲ Data Handler .h header creation #2

• ساخت کتابخانه Data.cpp Data .cpp library creation

• ساخت کتابخانه Data Handler.cpp شماره ۱ Data Handler .cpp library creation #1

• ساخت کتابخانه Data Handler.cpp شماره ۲ Data Handler .cpp library creation #2

• ساخت کتابخانه Data Handler.cpp شماره ۳ Data Handler .cpp library creation #3

• ساخت کتابخانه Data Handler.cpp شماره ۴ Data Handler .cpp library creation #4

• ساخت کتابخانه Data Handler.cpp شماره ۵ Data Handler .cpp library creation #5

• ساخت کتابخانه Data Handler.cpp شماره ۶ Data Handler .cpp library creation #6

• ساخت فایل اصلی Main.cpp The Main .cpp file creation

• کامپایل و رفع باگ شماره ۱ Compiling & Bug fixing #1

• اجرا و رفع باگ شماره ۲ Executing & Bug fixing #2

• دیباگ و اجرا Debuging & Executing

• ساخت فایل CMakeLists.txt و اجرا CMakeLists.txt file creation & Execution

پیاده‌سازی KNN و بهینه‌سازی پروفایلینگ KNN Implementation & Profiling Optimization

• مقدمه Introduction

• ایجاد دایرکتوری‌ها و فایل‌ها Creating directories & files

• ساخت هدر kNN.h k-NN .h header file creation

• ساخت کتابخانه kNN.cpp شماره ۱ k-NN .cpp library creation #1

• ساخت کتابخانه kNN.cpp شماره ۲ k-NN .cpp library creation #2

• ساخت کتابخانه kNN.cpp شماره ۳ k-NN .cpp library creation #3

• ساخت کتابخانه kNN.cpp شماره ۴ k-NN .cpp library creation #4

• ساخت کتابخانه kNN.cpp شماره ۵ k-NN .cpp library creation #5

• ساخت فایل Main.cpp و لینک کردن در CMakeLists.txt The Main .cpp file creation & Linking in CMakeLists.txt

• ویرایش CMake، دیباگ و اجرا CMake editing & Debugging & Executing

الگوریتم K-Means برای خوشه‌بندی مقیاس‌پذیر K-Means for Scalable Clustering

• مقدمه Introduction

• ساخت فایل Coheir.h (وراثت) Coheir .h file creation (Inheritance)

• ساخت فایل Coheir.cpp، وراثت در KNN و اجرای الگوریتم Creation Coheir .cpp file & Inherit to KNN & Execution KNN algorithm

• ساخت سیستم فایل K-Means و لینک کردن در CMakeLists.txt K-Means file system creation & Linking files in CMakeLists.txt

• ساخت فایل K-Means.h و ساخت Struct K-Means .h file creation & Struct creation

• ساخت فایل K-Means.cpp شماره ۱ K-Means .cpp file creation #1

• ساخت فایل K-Means.cpp شماره ۲ K-Means .cpp file creation #2

• ساخت K-Means.cpp، دیباگ، CMake و اجرا K-Means .cpp & Debugging & CMake & Execution

نتیجه‌گیری Result

• عملکرد: مقایسه KNN در مقابل K-Means Performance : K-NN vs K-Means

• حالا چه کنیم؟ What now?

منابع Sources

• کلون از Git Clon from Git

• استخراج داده‌ها Unzipped Data

مهندس هوش مصنوعی: نقشه راه 2026 ---------- AI Engineer: The Roadmap 2026 ----------

• مقدمه (جدید) Introduction (NEW)

• مقدمه Introduction

• خوش آمدید به دوره چگونه یک مهندس هوش مصنوعی شویم Welcome to How to Become an AI Engineer

• این دوره برای چه کسانی است Who This Course Is For

• انقلاب AI: جدا کردن واقعیت از ترس The AI Revolution Separating Fact from Fear

• اعداد دروغ نمی‌گویند The Numbers Don't Lie

• دستیارهای کدنویسی AI AI Coding Assistants

• آنچه دستیارهای AI نمی‌توانند جایگزین کنند What AI Assistants Can't Replace

• توسعه مبتنی بر هوش مصنوعی AI-Powered Development

• قبل و بعد از ابزارهای AI Before and After AI Tools

• تغییر ذهنیت Mindset Shift

• سوال درست The Right Question

• توسعه‌دهنده در مقابل مهندس Developer vs Engineer

• چه کسی حقوق عالی می‌گیرد؟ Who Gets the Premium Pay

• تفکر مهندسی: مثال‌های واقعی Engineering Thinking: Real Examples

• ۱۰۰ خط در مقابل ۱۰,۰۰۰ خط The 100 Lines vs 10,000 Lines

• فاز ۱: ساختن پایه و اساس شما Phase 1: Building Your Foundation

• چرا اول پایه و اساس؟ Why Foundations First

• فاز ۲: تسلط بر یادگیری ماشین Phase 2: Mastering Machine Learning

• چرا ساختن از صفر؟ Why Build From Scratch

• فاز ۳: مهندسی هوش مصنوعی تولیدی Phase 3: Production AI Engineering

• قانون ۲۰٪ در مقابل ۸۰٪ The 20% vs 80% Rule

• چرا این دوره‌ها متفاوت هستند Why These Courses are Different

• برنامه اقدام شما Your Action Plan

• مسیر یادگیری شما Your Learning Path

درباره دوره {منسوخ شده} About the course {DEPRECATED}

• دوره The course

• درباره دوره About the course

• مرور دوره و مدرس Course Overview & Instructor

• چرا یادگیری ماشین با C++ Why learn Machine learning with C++

• پایگاه داده MNIST THE MNIST DATABASE

مقدمه‌ای بر یادگیری ماشین {منسوخ شده} Introduction to Machine Learning {DEPRECATED}

• مهم! Important!

• مقدمه Introduction

• مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

• یادگیری ماشین چگونه کار می‌کند How Machine Learning Works

• اصول ML Fundamentals of ML

• تکنیک‌های ML Techniques of ML

• یادگیری نظارت شده Supervised Learning

• الگوریتم‌های یادگیری نظارت شده Supervised Learning Algorithms

• یادگیری نظارت نشده Unsupervised Learning

• چرا جبر خطی؟ Why Linear Algebra

• مقدمه‌ای بر مجموعه‌داده Introduction to Data Set

• پایگاه داده MNIST THE MNIST DATABASE