مسترکلاس هوش مصنوعی مولد، ChatGPT ،CoPilot و عامل های هوش مصنوعی 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- استفاده از ChatGPT ،Gemini ،Claude و DeepSeek برای کاربردهای مختلف تجاری، از جمله تحقیق، طوفان فکری، نوشتن خلاقانه و کمک به برنامهنویسی
- تسلط به Microsoft CoPilot در Excel ،PowerPoint ،Teams ،Word و Outlook برای خودکارسازی وظایف مانند تولید گزارش، نوشتن ارائه و تدوین ایمیل
- آموزش و فاین تیونینگ مدلهای GPT سفارشی با استفاده از دادههای اختصاصی شرکت خود برای بهبود تصمیمگیری، خودکارسازی گردش کاری و تولید بینشهای تجاری
- ساخت عامل های هوش مصنوعی در CoPilot برای مدیریت گردش کارهای پیچیده، تصمیمگیری و عملیات تجاری
- استفاده از هوش مصنوعی مولد برای آمادهسازی، تحلیل دادهها، شامل مدیریت مقادیر گمشده، ادغام دادهها و فیلتر کردن
- ساخت مدلهای پیشبینی با استفاده از ARIMA ،SARIMA، جنگل تصادفی و Prophet و ارزیابی عملکرد آنها با معیارهای خطای کلیدی
- انجام مصورسازی دادهها با استفاده از هوش مصنوعی مولد مانند نمودارهای میلهای، نقشههای حرارتی، نمودارهای پراکنده، نمودارهای دایرهای و مصورسازی های سری زمانی
- انجام تحلیل SWOT، مقایسه KPI های مالی، ارزیابی زنجیره تأمین و ارزیابی استراتژی بازار با استفاده از ابزارهای هوش مصنوعی
- پیادهسازی تحلیل Z-score و تکنیکهای Isolation Forest برای شناسایی ناهنجاریهای فروش، نوسانات بازار و نارساییهای عملیاتی
- شبیهسازی سناریوهای بهترین حالت، بدترین حالت و حالت معتدل برای برنامهریزی مالی، پیشبینی فروش و استراتژیهای رشد کسبوکار
- استفاده از هوش مصنوعی برای تحلیل صورتهای مالی، استخراج دادهها از گزارشهای 10-K، تحلیل احساسات و پیشبینی مالی
- استفاده از ChatGPT Canvas برای تدوین اسناد، تولید گزارش و نوشتن کد بهصورت تعاملی که همکاری یکپارچه بین انسان و هوش مصنوعی را امکانپذیر میسازد.
پیش نیازهای دوره
- این دوره هیچ پیشنیازی ندارد و برای همه افراد باز است.
- این دوره برای هر کسی که خواهان استفاده از قدرت هوش مصنوعی است، طراحی شده است، بدون توجه به پسزمینه فنی یا تجربه قبلی
- نیازی به تجربه برنامهنویسی یا کدنویسی نیست.
توضیحات دوره
این دوره برای آزاد کردن پتانسیل هوش مصنوعی مولد و Microsoft Copilot طراحی شده است تا فرآیندهای تجاری را دگرگون کرده، تصمیمگیری را بهبود بخشد و نوآوری را به جلو ببرد. این دوره جامع، متخصصان را با مهارتهای پیشرفته برای استفاده از ابزارهای هوش مصنوعی مانند ChatGPT ،Gemini ،Claude ،DeepSeek و Microsoft Copilot برای طیف وسیعی از کاربردهای تجاری آماده میکند.
یاد بگیرید چگونه مدلهای GPT سفارشی را که متناسب با دادههای منحصر به فرد شرکت شما هستند آموزش و فاین تیونینگ کنید تا جریانهای کاری را خودکارسازی کنید، بینشهای عملی تولید کنید و عملیات را بهینهسازی نمایید. به تکنیکهای مبتنی بر AI برای آمادهسازی داده، تجزیه و تحلیل و مصورسازی دادهها، با استفاده از ابزارهایی برای ساخت نمودارهای میلهای، نقشههای حرارتی و مصورسازی های سری زمانی موثر مسلط شوید. روشهای پیشرفتهای مانند تحلیل Z-score و Isolation Forestها را برای شناسایی ناهنجاریها، نظارت بر روندهای بازار و افزایش کارایی عملیاتی کشف کنید.
به عمیقترین کاربردهای هوش مصنوعی برای تحلیل مالی از جمله استخراج بینشها از گزارشهای 10-K، تحلیل احساسات و پیشبینی با استفاده از مدلهای پیشرفته مانند ARIMA ،SARIMA، جنگل تصادفی و Prophet بپردازید. مهارتهای لازم برای ساخت عوامل هوش مصنوعی و استفاده از CoPilot را برای بهینهسازی جریانهای کاری پیچیده در پلتفرمهای مختلف مانند Excel ،Word ،PowerPoint و Teams کسب کنید.
در سراسر دوره، یادگیرندگان همچنین سناریوهای دنیای واقعی را شبیهسازی خواهند کرد تا مهارتهای برنامهریزی مالی و استراتژیک قوی را توسعه دهند. از تحلیل SWOT، ارزیابی KPIهای مالی و ابزارهای مبتنی بر AI برای ارزیابی زنجیره تأمین، بهینهسازی استراتژیهای بازاریابی و پیشبینی رشد استفاده کنید.
خواه شما به دنبال ارتقاء قابلیتهای تجزیه و تحلیل دادههای خود باشید، خودکارسازی وظایف روزمره یا رهبری نوآوری مبتنی بر AI در سازمان خود، این دوره دانش عملی و تجربه عملی مورد نیاز شما را برای موفقیت در محیط کسبوکار پرچمدار دادههای امروزی فراهم میکند.
این دوره برای چه کسانی مناسب است؟
- تیمها و مدیران شرکتی که به دنبال اجرای استراتژیهای هوش مصنوعی برای بهبود کارایی و نوآوری هستند.
- حرفهایهای تجاری که میخواهند از هوش مصنوعی برای تصمیمگیری، خودکارسازی و تولید بینشهای مبتنی بر داده استفاده کنند.
- کارآفرینان و استارتاپها که بهدنبال ادغام هوش مصنوعی در عملیات کسبوکار خود برای بهدست آوردن مزیت رقابتی هستند.
- تحلیلگران مالی و سرمایهگذاری که میخواهند از هوش مصنوعی برای تحقیق بازار، پیشبینی مالی و تحلیل ریسک استفاده کنند.
- تحلیلگران و دانشمندان داده که بهدنبال گسترش قابلیتهای تحلیلی خود با ابزارهای مبتنی بر AI هستند.
- مشاوران و استراتژیستها که قصد دارند بینشهای مبتنی بر AI را در توصیههای تجاری خود گنجانند.
- دانشجویان و علاقهمندان به هوش مصنوعی که میخواهند تجربه عملی با ابزارهای پیشرفته هوش مصنوعی کسب کنند.
مسترکلاس هوش مصنوعی مولد، ChatGPT ،CoPilot و عامل های هوش مصنوعی 2025
-
مقدمه استاد و طرح دوره 11:38
-
نکات کلیدی موفقیت 04:12
-
مقدمه ماژول و برنامه 03:46
-
هوش مصنوعی و هوش مصنوعی مولد چیست؟ 04:08
-
ChatGPT و Microsoft CoPilot چیست؟ 07:36
-
تاریخچه هوش مصنوعی و آینده AGI و ASI 10:19
-
مدلهای محبوب هوش مصنوعی و بهترین ابزارهای هوش مصنوعی مولد 06:31
-
دموی عملی: قابلیتهای ChatGPT 11:00
-
با تشکر و بازخورد 00:57
-
دموی عملی: Google Gemini ،Claude و Deepseek 06:43
-
دموی عملی: ابزارهای ChatGPT: مرور کلی Canvas، جستجو، استدلال و تصاویر 1 01:55
-
دموی عملی: ابزارهای ChatGPT: مرور کلی Canvas، جستجو، استدلال و تصاویر 2 09:40
-
دموی عملی: Microsoft CoPilot در PowerPoint، Word، Outlook و Excel 09:47
-
سوال فرصت عملی: مبانی GenAI و ChatGPT 03:28
-
راهحل فرصت عملی: مبانی GenAI و ChatGPT 05:41
-
مقدمهای بر هوش مصنوعی مولد None
-
مقدمه ماژول و بررسی اجمالی برنامه 02:16
-
کامپوننت های هوش مصنوعی کلیدی 10:30
-
فرآیند آموزش AI 07:07
-
ساخت یک هوش مصنوعی ساده در Google Playground 07:09
-
سوال فرصت عملی: ساخت یک هوش مصنوعی 01:22
-
راهحل فرصت عملی: ساخت یک هوش مصنوعی 06:39
-
مبانی مهندسی پرامپت 10:57
-
اصطلاحات کلیدی هوش مصنوعی 10:15
-
اصطلاحات کلیدی هوش مصنوعی: ترنسفورمرها 07:16
-
مصورسازی مدلهای AI 04:33
-
اصطلاحات کلیدی هوش مصنوعی: تعبیه ها 09:50
-
API OpenAI 14:16
-
پروژه عملی: استخراج داده با استفاده از GenAI - بخش 1 08:06
-
پروژه عملی: استخراج داده با استفاده از GenAI - بخش 2 09:39
-
سوال فرصت عملی: استخراج دادههای مالی 01:36
-
راهحل فرصت عملی: استخراج دادههای مالی 10:10
-
درک عمیق در AI و مبانی مهندسی پرامپت None
-
مقدمه ماژول و برنامه 02:33
-
موارد استفاده از برنامهریزی و تحلیل مالی (FP&A) 04:19
-
مقدمهای بر آمادهسازی داده و مهندسی ویژگی 04:33
-
کتابخانه Pandas و ادغام با ChatGPT 06:42
-
مثال عملی 1 بر روی آمادهسازی داده و مرور کلی تجزیه و تحلیل 06:13
-
وظیفه 1. خواندن فایلهای Excel به Pandas 08:39
-
وظیفه 2. مدیریت مقادیر گمشده 08:17
-
وظیفه 3. ادغام Pandas DataFrames 02:42
-
وظیفه 4. انجام مرتبسازی و فیلتر کردن 06:50
-
وظیفه 5. انجام مصورسازی دادهها 07:57
-
تکنیکهای مهندسی ویژگی 13:23
-
مرور کلی مثال عملی 2 03:32
-
مثال عملی 2 - بخش 1 08:44
-
مثال عملی 2 - بخش 2 10:13
-
سوال فرصت عملی: آمادهسازی داده و تجزیه و تحلیل 02:46
-
راهحل فرصت عملی: آمادهسازی داده و تجزیه و تحلیل - بخش 1 07:58
-
راهحل فرصت عملی: آمادهسازی داده و تجزیه و تحلیل - بخش 2 05:12
-
آمادهسازی دادهها و مهندسی ویژگی None
-
برنامه ماژول مصورسازی دادهها 02:04
-
مقدمهای بر مصورسازی دادهها 08:41
-
انواع مصورسازی دادهها 06:07
-
اصطلاحات کلیدی در تحلیل سهام 05:33
-
پروژه عملی 1 - تحلیل و مصورسازی سهام فردی 16:17
-
پروژه عملی 2 - تحلیل و مصورسازی چندین سهام 10:27
-
پروژه عملی 3 - مصورسازی دادههای سرطان 07:47
-
سوال فرصت عملی: مصورسازی دادههای Walmart 02:55
-
راهحل فرصت عملی: مصورسازی دادههای Walmart 09:51
-
تولید دادههای مصنوعی با استفاده از Claude توسط Anthropic 05:33
-
مقدمهای بر پیشبینی مالی با ماژول یادگیری ماشین 02:46
-
یادگیری ماشین 101 11:33
-
نوع و منابع داده 06:28
-
رگرسیون یادگیری ماشین 101 07:04
-
مرور کلی فرصت عملی: مبانی رگرسیون یادگیری ماشین 00:44
-
راهحل فرصت عملی: مبانی رگرسیون یادگیری ماشین 01:44
-
معیارهای رگرسیون یادگیری ماشین 09:05
-
تقسیم دادهها در یادگیری ماشین 03:35
-
درختان تصمیم گیری و الگوریتمهای ML جنگل تصادفی 05:07
-
دموی زنده: پیشبینی مالی با استفاده از GenAI - بخش 1 10:31
-
دموی زنده: پیشبینی مالی با استفاده از GenAI - بخش 2 06:45
-
سوال فرصت عملی: پیشبینی فروش Walmart با استفاده از GenAI 03:32
-
راهحل فرصت عملی: پیشبینی فروش Walmart با استفاده از GenAI - بخش 1 12:18
-
راهحل فرصت عملی: پیشبینی فروش Walmart با استفاده از GenAI - بخش 2 09:27
-
برنامه ماژول تحلیل رقبا 04:41
-
تحلیل رقبا 101 09:33
-
GPT های سفارشی 13:18
-
embeddings برداری (بازبینی) 04:28
-
فاین تیونینگ مدلهای زبانی بزرگ (LLM) 07:54
-
تطبیق رتبه پایین (LORA) 05:07
-
تولید تقویتشده مبتنی بر بازیابی (RAG) 09:41
-
پروژه عملی 1 - تحلیل رقبا با GenAI - بخش 1 03:50
-
پروژه عملی 1 - تحلیل رقبا با GenAI - بخش 2 13:12
-
پروژه عملی 1 - تحلیل رقبا با GenAI - بخش 3 09:29
-
پروژه عملی 1 - تحلیل رقبا با GenAI - بخش 4 07:36
-
پروژه عملی 1 - تحلیل رقبا با GenAI - بخش 5 14:18
-
سوال فرصت عملی: تحلیل رقبا با GenAI 01:37
-
راهحل فرصت عملی: تحلیل رقبا با GenAI 10:47
-
برنامه ماژول و مقدمهای بر شناسایی ناهنجاریها 06:42
-
روش شناسایی ناهنجاری با Z-Score 08:15
-
دموی زنده 1: GenAI برای شناسایی ناهنجاری با استفاده از Z-score 16:47
-
الگوریتم Isolation Forest 14:19
-
سوال فرصت عملی: شناسایی ناهنجاری با استفاده از Isolation Forest 01:49
-
راهحل فرصت عملی: شناسایی ناهنجاری با استفاده از Isolation Forest 07:00
-
دموی زنده 2: شناسایی ناهنجاری در دادههای Walmart - بخش 1 10:34
-
دموی زنده 2: شناسایی ناهنجاری در دادههای Walmart - بخش 2 11:07
-
مقدمهای بر پیشبینی سریهای زمانی 04:06
-
پیشبینی سریهای زمانی 101 05:40
-
بررسی اجمالی میانگین متحرک خودرگرسیونی یکپارچه (ARIMA) 11:42
-
دموی زنده 1 - GenAI برای پیشبینی فروش با استفاده از ARIMA - بخش 1 10:51
-
دموی زنده 1 - GenAI برای پیشبینی فروش با استفاده از ARIMA - بخش 2 07:26
-
سوال فرصت عملی - ARIMA در مقابل SARIMA 01:40
-
راهحل فرصت عملی - ARIMA مقابل SARIMA 08:14
-
تجارت میان انحراف و انحراف باقدرت 12:30
-
تنظیم و بهینهسازی هایپرپارامترها 12:55
-
دموی زنده 2 - GenAI برای پیشبینی فروش Walmart - بخش 1 05:20
-
دموی زنده 2 - GenAI برای پیشبینی فروش Walmart - بخش 2 15:20
-
دموی زنده 2 - GenAI برای پیشبینی فروش Walmart - بخش 3 09:22
-
دموی زنده 2 - GenAI برای پیشبینی فروش Walmart - بخش 4 13:45
-
بررسی کلی Prophet فیسبوک (Meta) 04:52
-
دموی زنده 3: Prophet فیسبوک (Meta) برای پیشبینی قیمت - بخش 1 08:55
-
دموی زنده 3: Prophet فیسبوک (Meta) برای پیشبینی قیمت - بخش 2 05:53
-
برنامه ماژول گزارشدهی مالی 01:25
-
مقدمهای بر گزارشگری مالی 03:53
-
پروژه عملی: تولید گزارش با GenAI 13:23
-
سوال فرصت عملی: تولید گزارش با GenAI 02:19
-
راهحل فرصت عملی: تولید گزارش با GenAI 10:46
-
مقدمه ماژول تحلیل واریانس 05:01
-
تحلیل واریانس 101 07:15
-
پروژه عملی 1 - تحلیل واریانس با GenAI - بخش 1 10:01
-
پروژه عملی 1 - تحلیل واریانس با GenAI - بخش 2 08:54
-
سوال فرصت عملی: GenAI برای تحلیل واریانس 03:04
-
راهحل فرصت عملی: GenAI برای تحلیل واریانس - بخش 1 07:11
-
راهحل فرصت عملی: GenAI برای تحلیل واریانس - بخش 2 05:47
-
پروژه عملی 2: تحلیل واریانس فروش Walmart با GenAI - بخش 1 09:33
-
پروژه عملی 2: تحلیل واریانس فروش Walmart با GenAI - بخش 2 09:27
-
بررسی اجمالی ماژول برنامهریزی سناریو 03:26
-
برنامهریزی سناریو 101 05:25
-
نمودار وابستگی جزئی (PDP) 03:55
-
پروژه عملی 1: GenAI برای برنامهریزی سناریو - بخش 1 11:50
-
پروژه عملی 1: GenAI برای برنامهریزی سناریو - بخش 2 05:16
-
سوال فرصت عملی: برنامهریزی سناریو 01:49
-
راهحل فرصت عملی: برنامهریزی سناریو 08:58
-
پروژه عملی 2: GenAI برای برنامهریزی سناریوی فروش - بخش 1 09:56
-
پروژه عملی 2: GenAI برای برنامهریزی سناریوی فروش - بخش 2 06:52
-
برنامه جلسه و مقدمهای بر CoPilot 02:43
-
Microsoft CoPilot 101 04:48
-
تفاوت بین CoPilot ،CoPilot Pro و CoPilot 365 چیست؟ 10:07
-
CoPilot چگونه کار میکند؟ 03:18
-
دمو: قابلیتهای عمومی Microsoft CoPilot 11:27
-
مقدمهای بر Microsoft CoPilot در PowerPoint 07:50
-
ساخت ارائههای PowerPoint از صفر با CoPilot 07:39
-
تغییر متن، تصاویر و یادداشتهای گفتاری در PowerPoint با CoPilot 07:31
-
ساخت ارائههای PowerPoint از اسناد Word و PDF با CoPilot 09:59
-
ساخت ارائههای PowerPoint از یک الگو 03:11
-
خلاصهسازی و سازماندهی ارائههای PowerPoint با CoPilot 05:27
-
آمادهسازی و ارائه ارائهها با CoPilot 05:13
-
CoPilot برای آموزشهای ارائه 05:15
-
Microsoft CoPilot در PowerPoint None
-
مقدمهای بر Microsoft CoPilot در Word 04:21
-
نوشتن اسناد از ابتدا با CoPilot 08:40
-
نوشتن اسناد از PDFهای موجود و فایلهای PowerPoint در OneDrive 10:26
-
نوشتن اسناد از ایمیلهای موجود 04:20
-
تبدیل متن نامنظم به یک جدول 04:42
-
چت با CoPilot در MS Word 07:10
-
تغییر لحن صدا 03:08
-
تولید آثار هنری از یک سند Word 05:11
-
مقدمهای بر CoPilot در Teams 05:35
-
راهاندازی CoPilot در Teams 01:40
-
خلاصهسازی گفتگوها در Teams با CoPilot 06:23
-
فعالسازی CoPilot و ترانسکریپشن در راه اندازی جلسات Teams 01:59
-
کمک CoPilot در طول جلسات Teams 06:41
-
کمک CoPilot بعد از جلسات Teams 10:12
-
مقدمهای بر Microsoft CoPilot در Outlook و ایمیلها 04:02
-
نوشتن ایمیلهای روزمره با CoPilot 04:44
-
نوشتن ایمیلهای خلاقانه با CoPilot 04:14
-
پاسخ به ایمیلها با استفاده از CoPilot 07:06
-
خلاصه ایمیلها با CoPilot 01:41
-
آموزش ایمیل توسط CoPilot 04:18
-
مقدمه ماژول و قابلیتهای CoPilot در Excel 04:29
-
انجام تحلیل داده اکتشافی با استفاده از CoPilot در Excel 10:31
-
مرتبسازی دادهها در Excel با CoPilot 03:25
-
فیلتر کردن دادهها در Excel با CoPilot 02:54
-
کدگذاری رنگی و فرمتدهی شرطی در Excel با استفاده از CoPilot 02:43
-
مدیریت مقادیر گمشده در Excel با CoPilot 04:06
-
انجام مصورسازی داده با استفاده از CoPilot در Excel 03:38
-
تولید دادههای مصنوعی با CoPilot 04:12
-
مقدمهای بر عوامل AI و برنامه ماژول 02:45
-
عوامل AI در CoPilot 101 06:03
-
دموی عملی: استفاده از عوامل موجود AI در CoPilot - بخش 1 09:45
-
دموی عملی: استفاده از عوامل موجود AI در CoPilot - بخش 2 05:59
-
دموی عملی: ایجاد عوامل هوش مصنوعی سفارشی در CoPilot 10:45
-
دموی عملی: ایجاد عوامل هوش مصنوعی سفارشی در CoPilot بهطور مستقیم در SharePoint 03:35
-
تبریک به خاطر اتمام دوره! 01:21
مشخصات آموزش
مسترکلاس هوش مصنوعی مولد، ChatGPT ،CoPilot و عامل های هوش مصنوعی 2025
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:185
- مدت زمان :20:52:06
- حجم :18.44GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy