مرجع جامع هوش مصنوعی و تحلیل داده مرجع هوش مصنوعی بختیار آهنی
📑 منابع 📚 واژه‌نامه 📝 آزمون‌ها
دانشنامه مراجع و مقالات اصلی استانداردهای بین‌المللی ISO و EU اکوسیستم ابزارها و مقالات تاییدشده

پایگاه جامع مراجع علمی، مقالات بنیادین و استانداردهای هوش مصنوعی

فهرست مدون و دسته‌بندی‌شده از تمامی اسناد بالادستی، مقالات اصیل دانشگاهی، استانداردهای بین‌المللی مهندسی داده، چارچوب‌های حاکمیت داده DAMA و قوانین رگولاتوری استنادشده در فصول ۶‌گانه کتاب مرجع.

📜

مقالات بنیادین و کلاسیک هوش مصنوعی (Foundational Papers)

Stanford CS229

Supervised Learning & Machine Learning Basics

Andrew Ng, Stanford University Course Notes

مشاهده سند اصلی ←
Nature 2015

Deep Learning (LeCun, Bengio, Hinton)

Nature 521, 436–444 (2015)

مشاهده سند اصلی ←
NeurIPS 2017

Attention Is All You Need (Vaswani et al.)

معماری پایه Transformer و مکانیزم Multi-Head Attention

مشاهده سند اصلی ←
ICLR 2022

LoRA: Low-Rank Adaptation of Large Language Models (Hu et al.)

بهینه‌سازی پارامتری Fine-Tuning با تزریق ماتریس‌های رتبه پایین

مشاهده سند اصلی ←
NeurIPS 2020

Retrieval-Augmented Generation for Knowledge-Intensive NLP (Lewis et al.)

بنیان‌گذاری معماری RAG و اتصال مدل‌های زبانی به پایگاه برداری

مشاهده سند اصلی ←
KDD 2016

XGBoost: A Scalable Tree Boosting System (Chen & Guestrin)

سیستم پیشرفته تقویت درختان برای رقابت‌های علوم داده

مشاهده سند اصلی ←
⚖️

استانداردها، قوانین و چارچوب‌های حاکمیت (Standards & Regulations)

ISO / IEC

ISO/IEC 42001:2023 Artificial Intelligence Management System (AIMS)

استاندارد بین‌المللی سیستم مدیریت و ممیزی سیستم‌های هوش مصنوعی

مشاهده سند اصلی ←
European Union

The EU Artificial Intelligence Act (Regulation 2024/1689)

نخستین قانون مدون جهان برای طبقه‌بندی ریسک‌های ۴‌گانه هوش مصنوعی

مشاهده سند اصلی ←
NIST USA

NIST Artificial Intelligence Risk Management Framework (AI RMF 1.0)

چارچوب موسسه ملی فناوری آمریکا برای ارزیابی و مدیریت ریسک‌های AI

مشاهده سند اصلی ←
DAMA Intl

DAMA-DMBOK: Data Management Body of Knowledge (2nd Edition)

دانشنامه بین‌المللی مرجع مدیریت و حاکمیت داده سازمانی

مشاهده سند اصلی ←
IEEE Standards

IEEE 7000: Model Process for Addressing Ethical Concerns in System Design

فرآیند مهندسی استاندارد در پرداختن به دغدغه‌های اخلاقی در طراحی سیستم

مشاهده سند اصلی ←
🏗️

معماری داده و زیرساخت‌های کلان (Data Architecture & Infrastructure)

Kimball Group

The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling

طراحی جداول ابعادی، حقایق و معماری انبار داده کسب‌وکار

مشاهده سند اصلی ←
O'Reilly

Designing Data-Intensive Applications (Martin Kleppmann)

اصول بنیادین پایایی، مقیاس‌پذیری و نگهداری سیستم‌های توزیع‌شده داده

مشاهده سند اصلی ←
CIDR 2021

Lakehouse: A New Generation of Open Platforms for Data Warehousing (Zaharia et al.)

معرفی معماری لیک‌هاوس و تلفیق Data Lake با Data Warehouse

مشاهده سند اصلی ←
Thoughtworks

Data Mesh Principles and Logical Architecture (Zhamak Dehghani)

گذار از دریاچه‌های داده متمرکز به سمت معماری غیرمتمرکز مش داده

مشاهده سند اصلی ←
Apache Spark

Apache Spark: Unified Engine for Large-Scale Data Analytics

مستندات رسمی موتور پردازش خوشه‌ای توزیع‌شده اسپارک

مشاهده سند اصلی ←
🛠️

فریم‌ورک‌ها و کتابخانه‌های مرجع مهندسی هوش مصنوعی (Tooling Ecosystem)

PyTorch

PyTorch: An Imperative Style, High-Performance Deep Learning Library

فریم‌ورک متن‌باز پرکاربرد در تحقیق و تولید صنعتی یادگیری عمیق

مشاهده سند اصلی ←
Scikit-Learn

Scikit-Learn Machine Learning in Python Official Guide

کتابخانه استاندارد الگوریتم‌های طبقه‌بندی، رگرسیون و پیش‌پردازش

مشاهده سند اصلی ←
Hugging Face

Hugging Face Transformers & Datasets Documentation

بزرگترین اکوسیستم مدل‌های پایه، توکنایزرها و بنچمارک‌های زبانی

مشاهده سند اصلی ←
MLflow

MLflow: An Open Source Platform for the Machine Learning Lifecycle

مدیریت چرخه‌های آزمایش، ذخیره‌سازی مدل‌ها و ارزیابی استقرار MLOps

مشاهده سند اصلی ←
Ragas

Ragas: Evaluation Framework for Retrieval Augmented Generation

فریم‌ورک تخصصی سنجش وفاداری، پاسخ‌گویی و صحت در سیستم‌های RAG

مشاهده سند اصلی ←
نویسنده و مؤلف اثر ✓ بازبینی، تحلیل و غنی‌سازی انسانی
👨‍💻

بختیار آهنی

مشاور سازمان نظام صنفی رایانه‌ای در رسته هوش مصنوعی و نرم‌افزار و معمار سیستم‌های AI و رشد | بنیانگذار Webeon Venture Studio | مهندسی وب، سئو و اتوماسیون AI | ساخت دارایی‌های دیجیتال و سیستم‌های رشد مقیاس‌پذیر برای کسب‌وکارهای پزشکی و دانش‌محور
شفاف‌سازی اخلاقی و شیوه تدوین: این فصل با استفاده از هوش مصنوعی در مراحل تحقیق، ساختاربندی و پیش‌نویس اولیه تهیه شده و توسط نویسنده به صورت تخصصی بازبینی، تحلیل، اصلاح و تکمیل شده است.
مشاهده پروفایل و سوابق تخصصی نویسنده ←