داستان‌گویی در کیفیت داده یعنی روایت مسیر داده از لحظه ثبت تا لحظه گزارش، همراه با محدودیت‌ها و عدم‌قطعیت‌هایی که عدد نهایی را شکل می‌دهند.
پروژه‌های عملی یادگیری ماشین برای مبتدیان: از پیش‌نیازها و انتخاب دیتاست تا ۱۰ پروژه گام‌به‌گام با پایتون، scikit-learn و TensorFlow برای ساخت نمونه‌کار حرفه‌ای
NLP چگونه زبان انسان را می‌فهمد؟ بررسی عمیق توکن‌سازی، Word Embeddings، Transformer، Attention، BERT و GPT، چالش‌های زبان فارسی و آینده پردازش زبان طبیعی
DL و شبکه‌های عصبی عمیق: بررسی نورون مصنوعی، انتشار رو به جلو و پس‌رو، توابع فعال‌سازی، انواع شبکه‌ها، و چارچوبی عملی برای درک یادگیری عمیق.
تفاوت یادگیری عمیق و یادگیری ماشین: بررسی ساختاری، مهندسی ویژگی، نیاز به داده، توان محاسباتی، تفسیرپذیری و چارچوب تصمیم‌گیری برای پروژه‌ها.
ML چگونه پیش‌بینی‌های هوشمند می‌سازد؟ بررسی خط لوله پیش‌بینی، مهندسی ویژگی، آموزش مدل، ارزیابی، تعمیم و چالش‌های پیش‌بینی در پروژه‌های واقعی.
GPU فراتر از گیمینگ: معماری موازی، Tensor Core، نقش در آموزش و استنتاج مدل‌های AI، مقایسه با CPU و چارچوب انتخاب GPU برای پروژه‌های هوش مصنوعی.
انتخاب GPU برای یادگیری ماشین: معیارهای حافظه، توان محاسباتی، Tensor Core، بودجه و چارچوب تصمیم‌گیری برای پروژه‌های واقعی AI.
