اکوسیستم هوش مصنوعی برای توسعهدهندگان: مدلها، مجموعه داده و APIs
✅ سرفصل و جزئیات آموزش
هوش مصنوعی تکامل یافته و اکنون طیف وسیعی از افراد، از توسعهدهندگان و علاقهمندان گرفته تا مدیران فنی، به دنبال کشف این اکوسیستم هستند. در این دوره، مدرس Wuraola Oyewusi، یک بررسی هدایتشده از ابزارهای نوظهور هوش مصنوعی را ارائه میدهد که توسعهدهندگان برای رقابتی ماندن در شغل خود باید آنها را بشناسند.
با ظهور ابزارهای هوش مصنوعی مانند رابطهای گفتگو و مدلهای هوش مصنوعی با دسترسی آسان، این فضا میتواند برای کسانی که به دنبال پیوستن به موج هوش مصنوعی هستند، طاقتفرسا باشد. این دوره دانش لازم را به شما میدهد تا با اطمینان اکوسیستم هوش مصنوعی را ناوبری کرده و ابزارها و منابعی را که بیشترین ارتباط را با اهداف شما دارند، شناسایی کنید.
اکوسیستم هوش مصنوعی برای توسعهدهندگان: مدلها، مجموعه داده و APIs
-
شروع کار با اکوسیستم هوش مصنوعی 0:01:06
-
آن چه باید بدانید 0:00:40
-
چه چیزهای جذاب در مورد هوش مصنوعی است؟ 0:02:33
-
اجزاء اکوسیستم هوش مصنوعی 0:06:43
-
سیستمهای هوش مصنوعی متنباز در مقابل متنبسته 0:04:39
-
مخازن و پلتفرمهای میزبانی هوش مصنوعی 0:08:11
-
اخلاق، سوگیری و حریم خصوصی در هوش مصنوعی 0:08:21
-
مقدمهای بر مدلها و معماریهای هوش مصنوعی 0:05:11
-
معماریهای پردازش زبان طبیعی: RNNها و ترانسفورمرها 0:05:49
-
معماریهای بینایی ماشین: CNNها و ترانسفورمرهای بینایی 0:06:25
-
معماریهای مولد: انتشار و GANها 0:06:10
-
معماریهای چندوجهی: CLIP و Flamingo 0:05:29
-
معماریهای کارآمد 0:07:32
-
مقدمهای بر مجموعه داده هوش مصنوعی 0:06:29
-
مجموعه دادههای تصویری اساسی هوش مصنوعی 0:08:01
-
بررسی مجموعه داده تصویری CIFAR-10 0:03:46
-
مجموعه داده متنی اساسی هوش مصنوعی 0:05:18
-
بررسی مجموعه داده متنی Brown Corpus 0:04:39
-
مجموعه دادههای گفتاری اساسی هوش مصنوعی 0:04:34
-
بررسی مجموعه داده LibriSpeech 0:07:01
-
رابطهای برنامهنویسی کاربردی (API) هوش مصنوعی چه هستند؟ 0:04:20
-
بررسی Hugging Face 0:07:56
-
تحلیل احساسات محصول با مدل Hugging Face 0:04:06
-
بررسی پلتفرم توسعهدهندگان OpenAI 0:05:53
-
تولید تصویر با استفاده از OpenAI API 0:05:44
-
بررسی Google AI Studio 0:06:06
-
ایجاد یک چتبات محاورهای با استفاده از Google Gemini API 0:05:23
-
بررسی GitHub Models 0:02:44
-
مقایسه GitHub Models و اجرا در Codespaces 0:04:45
-
تولید کد و معماری با مدلهای GitHub 0:03:42
-
دسترسی به مدلهای هوش مصنوعی از طریق ارائهدهندگان ابری 0:05:15
-
ابزارهای توسعه و فریمورکهای هوش مصنوعی: IDEها 0:02:53
-
ابزارها و فریمورکهای توسعه هوش مصنوعی: فریمورکهای یادگیری ماشین 0:01:51
-
ابزارها و فریمورکهای توسعه هوش مصنوعی: اشکالزدایی و نسخهبندی 0:06:51
-
ابزارها و فریمورکهای توسعه هوش مصنوعی: حاشیهنویسی داده 0:05:19
-
زیرساختهای رایانش هوش مصنوعی 0:06:56
-
پلتفرمهای تحقیقاتی هوش مصنوعی 0:06:09
-
رتبهبندی مدلهای هوش مصنوعی: جدولهای ردهبندی، بنچمارکها و روندهای ارزیابی 0:09:31
-
استانداردهای قابلیت همکاری هوش مصنوعی: پروتکل زمینه مدل (MCP) 0:05:45
-
خلاصه 0:01:41
مشخصات آموزش
اکوسیستم هوش مصنوعی برای توسعهدهندگان: مدلها، مجموعه داده و APIs
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:متوسط
- تعداد درس:40
- مدت زمان :3:31:27
- حجم :414.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy