آموزش مقدمه‌ای بر یادگیری ماشین - آخرین آپدیت

مبانی یادگیری در هوش مصنوعی Foundations of Learning in AI

• یادگیری چیست؟ What is Learning?

• یادگیری در عامل‌های هوشمند Learning in Intelligent Agents

• انواع یادگیری: نظارت شده، نظارت نشده و تقویتی Types of Learning - Supervised, Unsupervised, and Reinforcement

مبانی یادگیری ماشین: پیش‌بینی و ساختار Foundations of Machine Learning - Prediction and Structure

• یادگیری از داده‌ها Learning From Data

• یادگیری نظارت شده: یادگیری از مثال‌های برچسب‌دار Supervised Learning: Learning from Labeled Examples

• طبقه‌بندی در مقابل رگرسیون: انواع مسائل پیش‌بینی Classification vs. Regression: Types of Prediction Problems

• یادگیری نظارت نشده: کشف الگوها در داده‌ها Unsupervised Learning: Discovering Patterns in Data

• یادگیری نظارت نشده: ساختار نهفته و متغیرهای پنهان Unsupervised Learning: Latent Structure, Hidden Variables

تعمیم و ارزیابی در یادگیری ماشین Generalization and Evaluation in Machine Learning

• تعمیم: هدف اصلی یادگیری در هوش مصنوعی Generalization — The Core Learning Goal in AI

• بیش‌برازش، کم‌برازش و توازن بین بایاس و واریانس Overfitting, Underfitting, and the Bias-Variance Tradeoff

• آموزش یک مدل Training a Model

• نیازهای داده‌ای: مجموعه‌های داده‌های آموزش، اعتبارسنجی و تست Data Needs — Training, Validation, Testing Data Sets

• چالش‌های یادگیری در هوش مصنوعی Challenges in Learning in AI

مدل‌های یادگیری Learning Models

• از یادگیری تا خانواده‌های مدل From Learning to Model Families

• مدل‌های خطی Linear Models

• درخت‌های تصمیم Decision Trees

• شبکه‌های عصبی Neural Networks

• یادگیری تقویتی Reinforcement Learning

• سیستم‌های مدرن هوش مصنوعی Modern AI Systems