گواهینامه CompTIA AI SysOp+ Certification
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اصول بنیادی سیستمهای هوش مصنوعی
- آشنایی با الگوریتمهایی که مدلهای هوش مصنوعی هوشمند را قدرت میبخشند.
- بررسی معماری هوش مصنوعی و نقش آن در طراحی سیستم
- تسلط به فرآیندهای مدیریت داده در فریمورکهای هوش مصنوعی
- کسب بینشهایی درباره بهینهسازی عملکرد سیستمهای هوش مصنوعی
- درک نحوه پردازش و یادگیری ماشین از داده
- آشنایی با ملاحظات اخلاقی در پیادهسازی هوش مصنوعی
- بررسی پیامدهای اجتماعی فناوریهای هوش مصنوعی
- توسعه استراتژیهای امنیت سیستمهای هوش مصنوعی و مدیریت ریسک
- شناسایی آسیبپذیریها در زیرساخت هوش مصنوعی
- ارزیابی روشهای اندازهگیری عملکرد هوش مصنوعی
- پیادهسازی بهبودهایی برای کارایی سیستمهای هوش مصنوعی
- تحلیل مطالعات موردی در خصوص یکپارچهسازی موفق هوش مصنوعی
- بررسی پیادهسازی استراتژیک هوش مصنوعی در سازمانها
- یادگیری اصول نظری در عملیاتهای هوش مصنوعی
- توسعه مهارتهای رهبری برای ابتکارات نوآوری هوش مصنوعی
پیشنیازهای دوره
- بدون الزامات
توضیحات دوره
قلمروی هوش مصنوعی در حال گسترش است، صنایع را تغییر میدهد و فرصتهای جدیدی برای افرادی که آماده پیشرفت در این زمینه هستند، ایجاد میکند. این دوره بررسی عمیقی در اصول نظری عملکرد سیستمهای هوش مصنوعی ارائه میدهد و دانش لازم را برای برتری در این زمینه تحولآفرین به دانشجویان میآموزد. این دوره برای افرادی طراحی شده که به دنبال تعمیق درک پیچیدگیهای هوش مصنوعی هستند و چارچوب نظری جامعی را ارائه میدهد که برای تسلط به مفاهیم محرک فناوری هوش مصنوعی ضروری است.
دانشجویان به سفری در اصول پایهای هوش مصنوعی وارد شده و به الگوریتمها و مدلهایی میپردازند که سیستمهای هوشمند را قدرت میبخشند. برنامه درسی دوره به دقت ساختاربندی شده تا درکی جامع از معماری هوش مصنوعی، مدیریت داده و بهینهسازی سیستم ارائه دهد. شرکتکنندگان بینشهایی درباره مکانیزمهایی که به ماشینها اجازه میدهد اطلاعات را پردازش کنند، از داده یاد بگیرند و تصمیمات خودمختار اتخاذ کنند، کسب خواهند کرد. این دانش بنیادین برای کسانی که به دنبال تعامل با سیستمهای هوش مصنوعی در سطح عملیاتی هستند، بسیار حیاتی است و اطمینان میدهد که آنها توانایی نظارت بر ابتکارات هوش مصنوعی را در سازمانهای خود دارند.
در طول پیشرفت دوره، دانشجویان به بررسی ملاحظات اخلاقی و پیامدهای اجتماعی پیادهسازی فناوریهای هوش مصنوعی خواهند پرداخت. این بررسی مهم به یادگیرندگان اجازه میدهد تا به عمق نقش هوش مصنوعی در جامعه معاصر فکر کنند که حس مسئولیت و آگاهی اخلاقی را شیرین میکند. با درگیر شدن در این مسائل پیچیده، دانشجویان بهتر از قبل آماده خواهند شد تا در مباحث حاکمیت و سیاستگذاری هوش مصنوعی مشارکت داشته باشند و آینده استقرار هوش مصنوعی را به گونهای شکل دهند که به نفع کل جامعه باشد.
این دوره همچنین به جنبههای پیچیده امنیت سیستم و مدیریت ریسک میپردازد و تأکید میکند که محافظت از زیرساختهای هوش مصنوعی در برابر تهدیدات بالقوه ستودنی است. دانشجویان یاد خواهند گرفت آسیبپذیریها در سیستمهای هوش مصنوعی را شناسایی کرده و استراتژیهایی برای کاهش ریسکها توسعه دهند و اطمینان حاصل کنند که عملیاتهای هوش مصنوعی یکپارچگی و قابلیت اعتماد بالایی دارد. این مبنای نظری در امنیت هوش مصنوعی برای حرفهایهایی که مسئول محافظت از داده حساس و حفظ اعتماد به فرآیندهای هوش مصنوعی محور هستند، ضروری است.
در طول مطالعه خود، شرکتکنندگان به مفاهیم پیشرفته در بهینهسازی هوش مصنوعی و ارزیابی عملکرد مشغول خواهند شد. آنها به بررسی متدولوژیهایی برای ارزیابی اثربخشی سیستمهای هوش مصنوعی پرداخته و یاد خواهند گرفت که چگونه متریکهای عملکرد را تفسیر کرده و بهبود دهند. این مهارت تحلیلی، دانشجویان را قادر میسازد تا عملیاتهای هوش مصنوعی را بهینه کنند و کارایی و اثربخشی را در کاربردهای واقعی افزایش دهند. با تسلط به این جنبههای نظری، دانشجویان آماده خواهند بود تا تصمیمات آگاهانهای اتخاذ کنند که موجب بهبود مداوم در چارچوبهای هوش مصنوعی میشود.
دوره با یک درک جامع از پیادهسازی استراتژیک سیستمهای هوش مصنوعی در زمینههای سازمانی مختلف به پایان میرسد. دانشجویان مطالعات موردی و مدلهای نظری را تحلیل کرده و بینشهایی در مورد استراتژیهای موفق یکپارچهسازی هوش مصنوعی به دست خواهند آورد. این بررسی نظری، یادگیرندگان را برای رهبری ابتکارات هوش مصنوعی مجهز میکند تا سازمانهای خود را از طریق کاربردهای نوآورانه هوش مصنوعی متحول کنند.
شرکت در این دوره فرصت منحصربهفردی برای به دست آوردن یک پایه نظری قوی در عملکرد سیستمهای هوش مصنوعی فراهم میکند و دانشجویان را قادر میسازد تا به رهبران فکری در این زمینه پویا تبدیل شوند. با برنامه درسی که برای الهامبخشیدن به کنجکاویهای فکری و تفکر انتقادی طراحی شده، شرکتکنندگان با اعتمادبهنفس و تخصص، چالشهای پیچیده هوش مصنوعی را ناوبری میکنند. این سفر آموزشی را آغاز کنید و خود را در خط مقدم نوآوری هوش مصنوعی موقعیتیابی کنید تا آینده را با دانش و بینش شکل دهید.
این دوره برای چه کسانی مناسب است؟
- افرادی که به دنبال تسلط به اصول نظری سیستمهای هوش مصنوعی هستند.
- حرفهایهایی که به دنبال نظارت بر ابتکارات هوش مصنوعی در سازمانهای خود هستند.
- یادگیرندگانی که به ملاحظات اخلاقی فناوریهای هوش مصنوعی علاقهمند هستند.
- دانشجویانی که میخواهند زیرساختهای هوش مصنوعی را در برابر تهدیدات محافظت کنند.
- تحلیلگرانی که روی بهینهسازی عملکرد و کارایی سیستمهای هوش مصنوعی متمرکز هستند.
- رهبرانی که به دنبال هدایت یکپارچهسازی هوش مصنوعی در زمینههای سازمانی متنوع هستند.
- رهبران فکری که میخواهند آینده نوآوری هوش مصنوعی را شکل دهند.
- متفکران انتقادی که میخواهند چالشهای پیچیده سیستمهای هوش مصنوعی را با شجاعت ناوبری کنند.
گواهینامه CompTIA AI SysOp+ Certification
-
مقدمه بخش 01:47
-
محدوده، اهمیت و اهداف گواهینامه CompTIA AI SysOp+ Certification 06:50
-
مطالعه موردی - تحول در مراقبت از بیماران - +AI SysOp در MedTech In 05:36
-
بررسی هوش مصنوعی در عملیاتهای IT مدرن 06:46
-
مطالعه موردی - استفاده از هوش مصنوعی برای تحول در عملیاتهای IT 07:04
-
درک نقش هوش مصنوعی در مدیریت سیستم 06:43
-
مطالعه موردی - تحول در نوآوریهای هوش مصنوعی محور برای مدیریت سیستم 06:46
-
اصطلاحات و مفاهیم کلیدی در عملیاتهای سیستم هوش مصنوعی 06:44
-
مطالعه موردی - یکپارچهسازی هوش مصنوعی در TechNova - رویکردهای تحولآفرین 06:41
-
ملاحظات اخلاقی در استقرار هوش مصنوعی 06:43
-
مطالعه موردی - ناوبری چالشهای اخلاقی در هوش مصنوعی - TechNovas Ap 06:55
-
خلاصه بخش 01:49
-
مقدمه بخش 02:09
-
مفاهیم اصلی هوش مصنوعی 07:23
-
مطالعه موردی - TechNova - تحول صنایع با استفاده از سیستمهای هوش مصنوعی محور 06:58
-
اصول الگوریتمهای یادگیری ماشین 09:55
-
مطالعه موردی - تحول در خردهفروشی با یادگیری ماشین - ShopSma 07:03
-
تکنیکهای یادگیری نظارت شده در مقابل یادگیری نظارت نشده 06:46
-
مطالعه موردی - استفاده از یادگیری ماشین برای بهبود تجربه مشتری 06:18
-
ملزومات شبکههای عصبی و یادگیری عمیق 06:44
-
مطالعه موردی - تحول در مراقبتهای بهداشتی - دیپلماسی هوش مصنوعی محور MedVisios 05:56
-
متریکهای ارزیابی مدل هوش مصنوعی 06:34
-
مطالعه موردی - بهینهسازی توصیههای هوش مصنوعی - توازن و دقت 06:23
-
خلاصه بخش 01:51
-
مقدمه بخش 02:20
-
کامپوننتهای معماری سیستم هوش مصنوعی 06:20
-
مطالعه موردی - تحول در خدمات مشتری - معماری چتبات هوش مصنوعی 07:54
-
طراحی سیستمهای هوش مصنوعی مقیاسپذیر 06:45
-
مطالعه موردی - مقیاسبندی هوش مصنوعی - سفر نوآوریهای DataStream به Mic 06:38
-
یکپارچهسازی ماژولهای هوش مصنوعی در زیرساختهای IT موجود 05:40
-
مطالعه موردی - یکپارچهسازی تحولآفرین هوش مصنوعی در TechNova 07:13
-
پایپلاینهای داده برای اپلیکیشنهای هوش مصنوعی 07:09
-
مطالعه موردی - ایجاد پایپلاینهای داده مقاوم برای مراقبتهای بهداشتی هوش مصنوعی محور 06:27
-
راهحلها و معماریهای هوش مصنوعی مبتنی بر ابر 07:39
-
مطالعه موردی - سفر TechNovas - یکپارچهسازی هوش مصنوعی مبتنی بر ابر 05:57
-
خلاصه بخش 02:13
-
مقدمه بخش 02:02
-
استراتژیهای جمعآوری داده برای هوش مصنوعی 07:14
-
مطالعه موردی - جمعآوری داده استراتژیک برای هوش مصنوعی در مراقبتهای بهداشتی 05:26
-
تکنیکهای پیشپردازش و پاکسازی داده 06:10
-
مطالعه موردی - بهینهسازی موفقیت هوش مصنوعی - رویکرد استراتژیک TechNovas 06:41
-
تضمین کیفیت و یکپارچگی داده 06:41
-
مطالعه موردی - بهبود هوش مصنوعی در مراقبتهای بهداشتی - تضمین کیفیت داده 06:31
-
راهحلهای ذخیرهسازی داده برای هوش مصنوعی در مقیاس بزرگ 07:21
-
مطالعه موردی - راهحلهای ذخیرهسازی داده استراتژیک InnovateAIs 07:45
-
حریم خصوصی داده و انطباق در سیستمهای هوش مصنوعی 07:11
-
مطالعه موردی - توازن بین نوآوری هوش مصنوعی و حریم خصوصی - استراتژی FinGuards 04:54
-
خلاصه بخش 02:10
-
مقدمه بخش 01:45
-
فازهای توسعه مدل هوش مصنوعی 06:43
-
مطالعه موردی - ارکستراسیون موفقیت هوش مصنوعی - سفر TechNovas 06:10
-
انتخاب مدلهای مناسب یادگیری ماشین 07:11
-
مطالعه موردی - انتخاب مدل استراتژیک در امتیازدهی اعتباری - توازن 07:23
-
آموزش و اعتبارسنجی مدلهای هوش مصنوعی 06:30
-
مطالعه موردی - بهبود قابلیت اطمینان و انصاف مدلهای هوش مصنوعی 07:05
-
بهینهسازی و تیونینگ هایپرپارامتر 07:19
-
مطالعه موردی - بهینهسازی مدلهای هوش مصنوعی - توازن میان تیونینگ هایپرپارامتر 06:03
-
استراتژیهای استقرار مدل 06:58
-
مطالعه موردی - بهینهسازی استقرار مدل - استراتژی DataCorps 05:43
-
خلاصه بخش 01:46
-
مقدمه بخش 02:05
-
شاخصهای کلیدی عملکرد برای سیستمهای هوش مصنوعی 06:26
-
مطالعه موردی - همسویی ابتکارات هوش مصنوعی با اهداف کسبوکار - TechN 06:47
-
ابزارها و تکنیکها برای نظارت بر سیستمهای هوش مصنوعی 08:16
-
مطالعه موردی - بهبود عملکرد سیستمهای هوش مصنوعی - بررسی جامع TechNovas 06:41
-
شناسایی و کاهش رانش مدل هوش مصنوعی 07:30
-
مطالعه موردی - رسیدگی به رانش مدل - تضمین دقت و انصاف 05:11
-
شیوههای نگهداری منظم برای مدلهای هوش مصنوعی 06:00
-
مطالعه موردی - بهبود عملکرد هوش مصنوعی - سفر TechNovas 06:25
-
عیبیابی مسائل رایج در عملیاتهای هوش مصنوعی 06:00
-
مطالعه موردی - بهینهسازی عملیاتهای هوش مصنوعی - مطالعه موردی درباره Troubles 05:48
-
خلاصه بخش 01:54
-
مقدمه بخش 02:00
-
درک تهدیدات برای سیستمهای هوش مصنوعی 07:16
-
مطالعه موردی - تقویت امنیت هوش مصنوعی - راهحلهایی برای تهدیدات خصمانه 06:31
-
پیادهسازی اقدامات ایمنی در پایپلاینهای هوش مصنوعی 07:09
-
مطالعه موردی - ایمنسازی پایپلاینهای هوش مصنوعی در TechNova - بررسی جامع 07:09
-
محافظت از مدلهای هوش مصنوعی از حملات خصمانه 06:42
-
مطالعه موردی - بهبود امنیت هوش مصنوعی - دفاع ImageGuards در برابر حملات 06:44
-
مدیریت ایمن داده در عملیاتهای هوش مصنوعی 07:20
-
مطالعه موردی - تضمین مدیریت ایمن داده در مراقبتهای بهداشتی هوش مصنوعی محور 06:32
-
الزامات انطباق و مقررات برای امنیت هوش مصنوعی 06:48
-
مطالعه موردی - ناوبری انطباق امنیت هوش مصنوعی - استراتژی TechNovas 06:53
-
خلاصه بخش 02:01
-
مقدمه بخش 01:58
-
نقش اتوماسیون در استقرار هوش مصنوعی 05:31
-
مطالعه موردی - بهبود استقرار هوش مصنوعی - سفر TechNova 05:41
-
اسکریپتنویسی برای مدیریت عملیاتهای هوش مصنوعی 07:27
-
مطالعه موردی - استفاده از اسکریپتنویسی برای افزایش کارایی در هوش مصنوعی 07:39
-
خودکارسازی پایپلاینهای داده برای هوش مصنوعی 07:06
-
مطالعه موردی - خودکارسازی پایپلاینهای داده - افزایش کارایی هوش مصنوعی 06:14
-
یکپارچهسازی مداوم و استقرار مداوم (CI/CD) در سیستمهای هوش مصنوعی 07:51
-
مطالعه موردی - تحول در توسعه هوش مصنوعی - CI/CD در TechNova 06:23
-
ابزارها برای اتوماسیون عملیاتهای هوش مصنوعی 06:40
-
مطالعه موردی - بهبود عملیاتهای هوش مصنوعی - استراتژی InnovateTechs 06:39
-
خلاصه بخش 01:41
-
مقدمه بخش 02:09
-
شناسایی گلوگاهها در گردشکارهای هوش مصنوعی 06:52
-
مطالعه موردی - بهینهسازی گردشکارهای هوش مصنوعی - غلبه بر گلوگاهها 06:46
-
تکنیکها برای بهبود عملکرد مدلهای هوش مصنوعی 07:32
-
مطالعه موردی - بهینهسازی سیستمهای هوش مصنوعی - تکنیکهایی برای افزایش اثربخشی 08:03
-
مدیریت منابع در عملیاتهای هوش مصنوعی 07:46
-
مطالعه موردی - بهینهسازی مدیریت منابع هوش مصنوعی در AutoNavs 06:34
-
مقیاسبندی موثر سیستمهای هوش مصنوعی 06:54
-
مطالعه موردی - مقیاسپذیری استراتژیک هوش مصنوعی - سفر TechNova 06:31
-
بنچمارکینگ عملکرد برای اپلیکیشنهای هوش مصنوعی 05:33
-
مطالعه موردی - بهینهسازی هوش مصنوعی - سفر InnovateAIs در عملکرد 05:47
-
خلاصه بخش 02:02
-
مقدمه بخش 02:19
-
کاربرد هوش مصنوعی در تشخیص تهدید 06:44
-
خلاصه بخش 01:48
-
مطالعه موردی - استفاده از هوش مصنوعی - مسیر FinSecure به سوی امنیت سایبری بهتر 06:28
-
مکانیسمهای پاسخ به حادثه هوش مصنوعی محور 07:24
-
مطالعه موردی - پاسخ به حادثه هوش مصنوعی محور - تحول CyberGua 07:04
-
استفاده از یادگیری ماشین برای تحلیل امنیتی 06:47
-
مطالعه موردی - استفاده از یادگیری ماشین برای تحول در امنیت سایبری 06:47
-
چالشها در پیادهسازیهای امنیت سایبری مبتنی بر هوش مصنوعی 07:02
-
مطالعه موردی - یکپارچهسازی هوش مصنوعی در امنیت سایبری - سفر SecureTechs 07:59
-
مسیرهای آینده هوش مصنوعی در امنیت سایبری 06:45
-
مطالعه موردی - استفاده از هوش مصنوعی برای امنیت سایبری - استراتژی SecureBanks 08:29
-
خلاصه بخش 01:50
-
مقدمه بخش 02:04
-
چارچوبهای اخلاقی برای استقرار هوش مصنوعی 06:05
-
مطالعه موردی - توازن میان نوآوری و اخلاق - هوش مصنوعی TechSolutions' 07:59
-
پرداختن به سوگیری در سیستمهای هوش مصنوعی 05:19
-
مطالعه موردی - پرداختن به سوگیری هوش مصنوعی - سفر اخلاقی TechNovas 07:03
-
پیامدهای قانونی هوش مصنوعی در عملیاتها 06:43
-
مطالعه موردی - ناوبری چالشهای قانونی هوش مصنوعی - سفر اخلاقی TechNovas 06:56
-
تضمین شفافیت در تصمیمگیریهای هوش مصنوعی 06:42
-
مطالعه موردی - بهبود شفافیت هوش مصنوعی - اعتمادسازی و تضمین 06:31
-
ساخت سیستمهای هوش مصنوعی قابل اعتماد 05:58
-
مطالعه موردی - ساخت هوش مصنوعی قابل اعتماد - رویکرد اخلاقی MedTechs 07:22
-
خلاصه بخش 01:45
-
مقدمه بخش 02:12
-
بررسی پلتفرمهای اصلی توسعه هوش مصنوعی 07:42
-
مطالعه موردی - یکپارچهسازی استراتژیک هوش مصنوعی TechNovas - توازن میان نوآوری 06:11
-
تحلیل مقایسهای فریمورکهای هوش مصنوعی 06:26
-
مطالعه موردی - انتخاب فریمورک استراتژیک هوش مصنوعی - سفر TechNovas 05:53
-
انتخاب ابزارهای مناسب برای عملیاتهای هوش مصنوعی 06:38
-
مطالعه موردی - بهینهسازی هوش مصنوعی در مراقبتهای بهداشتی - انتخاب ابزار استراتژیک 05:53
-
ابزارهای هوش مصنوعی متنباز در مقابل ابزارهای اختصاصی 07:27
-
مطالعه موردی - ناوبری انتخاب ابزار هوش مصنوعی - سفر MedTechs 07:07
-
آیندهنگری زنجیرههای ابزار هوش مصنوعی 07:21
-
مطالعه موردی - آیندهنگری هوش مصنوعی - رویکرد استراتژیک TechNovas 06:56
-
خلاصه بخش 02:00
-
مقدمه بخش 02:07
-
ایجاد چارچوبهای حاکمیتی هوش مصنوعی 07:00
-
مطالعه موردی - پیادهسازی هوش مصنوعی اخلاقی - رویکرد جامع TechNova 06:24
-
ارزیابی ریسک در استقرارهای هوش مصنوعی 05:54
-
مطالعه موردی - مدیریت ریسک استراتژیک هوش مصنوعی - تضمین جنبههای اخلاقی 06:57
-
استراتژیهای کاهش ریسکهای مرتبط با هوش مصنوعی 06:44
-
مطالعه موردی - ناوبری ریسکهای هوش مصنوعی - استراتژی TechNova برای ایمنی 06:33
-
نقش حاکمیت در اخلاقیات هوش مصنوعی 06:59
-
مطالعه موردی - حاکمیت هوش مصنوعی اخلاقی TechNovas - توازن میان نوآوری 06:39
-
نظارت بر انطباق در عملیاتهای هوش مصنوعی 07:59
-
مطالعه موردی - انطباق هوش مصنوعی در امور مالی - استراتژی FinServe Banks 07:06
-
خلاصه بخش 01:53
-
مقدمه بخش 02:12
-
نقش هوش مصنوعی در برنامهریزی تداوم کسبوکار 07:02
-
مطالعه موردی - استفاده از هوش مصنوعی برای بهبود تداوم کسبوکار 06:54
-
استراتژیهای هوش مصنوعی برای بازیابی فاجعه 06:20
-
مطالعه موردی - بازیابی فاجعه هوش مصنوعی محور - مسیر TechNova 07:06
-
تضمین تابآوری در سیستمهای هوش مصنوعی 07:21
-
مطالعه موردی - بهبود تابآوری هوش مصنوعی - رویکرد استراتژیک TechNova 07:10
-
ارزیابی ریسک هوش مصنوعی محور برای تداوم کسبوکار 05:09
-
مطالعه موردی - ارزیابی ریسک هوش مصنوعی محور - تحول در TechNova 05:48
-
هوش مصنوعی در بازیابی فاجعه 07:04
-
مطالعه موردی - استفاده از هوش مصنوعی برای بازیابی فاجعه با انعطافپذیری 06:17
-
خلاصه بخش 02:00
-
مقدمه بخش 02:04
-
یکپارچهسازی هوش مصنوعی با اینترنت اشیا (IoT) 06:14
-
مطالعه موردی - هوش مصنوعی و IoT - تحول زندگی شهری از طریق فناوریهای هوشمند 05:31
-
همافزایی هوش مصنوعی و رایانش لبهای 05:42
-
مطالعه موردی - بهینهسازی تولید با هوش مصنوعی و رایانش لبهای 05:17
-
پیامدهای رایانش کوانتومی برای هوش مصنوعی 06:31
-
مطالعه موردی - تحول در رایانش کوانتومی با هوش مصنوعی - بهینهسازی 06:09
-
هوش مصنوعی در کاربردهای واقعیت افزوده و واقعیت مجازی 08:03
-
مطالعه موردی - تحول در واقعیت افزوده و واقعیت مجازی با هوش مصنوعی - Virtuoso Dynamics 07:25
-
بلاکچین و هوش مصنوعی - فرصتها و چالشها 07:37
-
مطالعه موردی - یکپارچهسازی بلاکچین و هوش مصنوعی - نوآوریهای BioPharma 07:24
-
خلاصه بخش 01:39
-
نتیجهگیری 03:13
مشخصات آموزش
گواهینامه CompTIA AI SysOp+ Certification
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:182
- مدت زمان :17:59:08
- حجم :10.76GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy