بوتکمپ آشنایی با هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- بینشهای عمیقی از اصطلاحات مختلف هوش مصنوعی، از الگوریتمها تا شبکههای عصبی، به دست میآورید و پایگاه دانش خود را به طور قابل توجهی گسترش میدهید.
- انتخاب مدل اخلاقی را بمیآموزید، از همسویی با ارزشهای اجتماعی اطمینان حاصل میکنید و نقش خود را در پیادهسازی مسئولانه هوش مصنوعی درک میکنید.
- تخصص عملی در ایجاد مدل CNN توسعه میدهید و به اصول طراحی برای کاربرد عملی در سناریوهای پیچیده تسلط پیدا میکنید.
- اهمیت اعتبارسنجی مداوم داده و تست کامل مدل را برای شناسایی و کاهش خطاها، محدودیتها و اطمینان از استحکام درک میکنید.
- تیونینگ دقیق مدل
پیشنیازهای دوره
- درک اولیه از برنامهنویسی پایتون نیاز دوره است، زیرا این زبان به عنوان زبان اصلی برای پیادهسازی مفاهیم آموزش داده شده استفاده میشود.
- آشنایی با سینتکس زبان پایتون، ساختارهای داده و مفاهیم اولیه برنامهنویسی به شما کمک خواهد کرد تا مطالب دوره را به طور مؤثرتری درک کرده و در تمرینات عملی شرکت کنید.
- علاوه بر این، تسلط به استفاده از Jupyter Notebooks ضروری است، زیرا به طور متداول برای کدنویسی تعاملی و تجزیه و تحلیل داده در حوزه علم داده و هوش مصنوعی استفاده میشوند. آشنایی با ناوبری و اجرای کد در Jupyter Notebooks به شما کمک میکند تا با محتوای دوره و تکالیف آن درگیر شوید.
- دسترسی به یک اینترنت پایدار برای دسترسی به مطالب دوره، شرکت در جلسات آنلاین و شرکت در فعالیتها یا بحثهای گروهی ضروری است. اتصال اینترنتی قابل اعتماد اطمینان میدهد که تجارب یادگیری و ارتباطات بدون وقفه با مدرسان و همکلاسیها در طول دوره به راحتی انجام میشود.
توضیحات دوره
شما بینشهای جامعی درباره اصطلاحات مختلف هوش مصنوعی، از الگوریتمها تا شبکههای عصبی به دست میآورید که به طرز قابلتوجهی پایگاه دانش شما را گسترش میدهد. این دوره بر انتخاب مدلهای اخلاقی تأکید دارد و اطمینان میدهد که با ارزشهای اجتماعی هماهنگ باشد و نقش شما را در پیادهسازی مسئولانه هوش مصنوعی درک کند.
شما اهمیت اعتبارسنجی مداوم داده و تست دقیق مدل را یاد خواهید گرفت تا سوگیریها، اشتباهات و محدودیتها را شناسایی کرده و کاهش دهید و از این طریق قابلیت اطمینان را تضمین کنید. شما مهارتهای عملی را در ایجاد مدلهای CNN توسعه داده و به اصول طراحی برای کاربرد عملی در سناریوهای پیچیده تسلط پیدا میکنید.
این دوره برای مخاطبان متنوع، از جمله رهبران، توسعهدهندگان و کاربرانی که برای استفاده از مدلهای هوش مصنوعی از پیش آموزش دیده و موجود در بازار آماده هستند طراحی شده است. شرکتکنندگان تشویق میشوند که هنگام استفاده از این مدلها احتیاط و دقت به خرج دهند و محدودیتها و پیامدهای مرتبط با استقرار آنها را درک کنند.
به عنوان سرپرستان تکنولوژی هوش مصنوعی، بسیار مهم است که کاربران مسئولیتهای خود را نسبت به جامعه رعایت کنند و اولویت را به انصاف، شفافیت و پاسخگویی در تلاشهای هوش مصنوعی خود بدهند. این دوره پوشش جامعی از اصطلاحات هوش مصنوعی ارائه میدهد و دانشجویان را با دانش عمیقتر از مدلی که روی آن کار میکنند، مجهز میکند.
چه شما یک رهبر باشید که به دنبال تصمیمگیری آگاهانه هستید، چه یک توسعهدهنده که به دنبال توسعه مدلهای کارآمد است و چه یک کاربر که در حال ناوبری اپلیکیشنهای هوش مصنوعی هستید، این دوره به شما امکان میدهد که با اعتمادبهنفس و آگاهی در چشمانداز پیچیده هوش مصنوعی ناوبری کنید. از کارشناسان صنعت بیاموزید و در جنبههای اخلاقی و عملی فناوری هوش مصنوعی مهارت پیدا کنید.
این دوره برای چه کسانی مناسب است؟
- این دوره به مخاطبان متنوع، از جمله رهبران، توسعهدهندگان و کاربرانی که برای استفاده از مدلهای هوش مصنوعی از پیش آموزش دیده و موجود در بازار آماده هستند میپردازد. برای شرکتکنندگان بسیار مهم است که هنگام استفاده از این مدلها احتیاط و دقت به خرج دهند و به درک سوگیریها، محدودیتها و پیامدهای اخلاقی مرتبط با استقرار آنها بپردازند.
- به عنوان سرپرستان تکنولوژی هوش مصنوعی، مهم است که کاربران مسئولیتهای اخلاقی خود را نسبت به جامعه رعایت کنند و انصاف، شفافیت و پاسخگویی را در تلاشهای هوش مصنوعی خود اولویت قرار دهند. علاوه بر این، این دوره پوشش جامعی از اصطلاحات هوش مصنوعی ارائه میدهد و دانشجویان را با دانش عمیقتر از مدلهایی که روی آنها کار میکنند، مجهز میکند.
- چه شما یک رهبر باشید که به دنبال تصمیمگیری آگاهانه هستید، چه یک توسعهدهنده که به دنبال توسعه مدلهای کارآمد است و چه یک کاربر که در حال ناوبری در کاربردهای هوش مصنوعی هستید، این دوره به شما امکان میدهد که با اعتمادبهنفس و آگاهی اخلاقی در چشمانداز پیچیده هوش مصنوعی ناوبری کنید.
بوتکمپ آشنایی با هوش مصنوعی
-
آشنایی با دوره و درباره مدرس 02:31
-
مخاطبان مورد نظر و محتوای دوره 03:29
-
هوش مصنوعی (AI) چیست و چه دستهبندیهای متنوعی دارد؟ 06:15
-
رانتایمها و تفاوتهای مختلف بین CPU و TPU و GPU چیست؟ 07:15
-
LPU چیست و چه تفاوتی با CPU و GPU و TPU دارد؟ 04:49
-
مدل چیست و چه نکاتی را باید در مورد کارت مدل در نظر بگیریم؟ 02:47
-
تشبیههای واقعی - درک وزن نورون در سناریوهای روزمره 02:56
-
نحوه کار و تریگر شدن پرسپترونها و وزنهای آنها 02:51
-
چگونه وزنها در پرسپترونها و نورونها به صورت بلادرنگ کار میکنند؟ 02:48
-
سوگیریها چه هستند و چگونه عمل میکنند؟ 01:24
-
تابع فعالسازی چیست و چرا به آن نیاز داریم؟ 01:51
-
انواع توابع فعالسازی و یوزکیسهای آنها کدامند؟ 03:31
-
شبکه عصبی و شبکه یادگیری عمیق چه هستند؟ 02:08
-
پارامتر چیست؟ 02:08
-
مدل CNN چیست؟ 01:23
-
هایپرپارامترها، اپوکها، نرخ یادگیری و دستهها چه هستند؟ 02:10
-
AI Notebook (کانتکس هوش مصنوعی) چیست و چرا استفاده میشود؟ 01:34
-
تسلط به Jupyter Notebook - راهنمایی جامع برای ناوبری 03:22
-
راهاندازی Jupyter Notebook محلی با آناکوندا - راهنمایی برای مبتدیان 05:02
-
راهاندازی محیط Navigator آناکوندا - سادهسازی گردش کار علم داده شما 05:47
-
راهاندازی حساب Google Colab و ایجاد اولین Notebook خود 04:22
-
راهاندازی رانتایم خود در GPU و اعتبارسنجی رانتایم GPU 05:22
-
راهاندازی رانتایمها و اعتبارسنجی برنامهای در دسترس بودن TPU در Colab 02:15
-
کشف قدرت واحدهای پردازش - تحلیل مقایسهای CPU و GPU و TPU 06:21
-
کتابخانههای تنسورفلو و کراس چه هستند؟ 01:00
-
دانلود مجموعه داده و درک نوع مجموعه داده 03:33
-
اعتبارسنجی مجموعه دادههای تست و آزمایش 02:25
-
نمایش ماتریسی داده تصویری 02:16
-
نرمالسازی داده پیکسلی برای CNN و افزودن ابعاد اضافی 02:16
-
تعریف مرحله کانولوشن در فرآیند تعریف مدل 01:20
-
درک مدل معمول CNN 00:56
-
درک فرآیند ضرب ماتریسی در لایه کانولوشن برای شناسایی لبهها 00:29
-
درک شناسایی لبه و لایههای باقیمانده و تنظیم هایپرپارامترها 06:02
-
Maxpooling چیست؟ 00:32
-
تأیید و اعتبارسنجی دقت مدل 01:43
-
ذخیره مدل به صورت محلی و تست تصویر محلی 00:45
-
تست تصویر نمونه محلی 00:22
-
تابع ضرر یا هزینه چیست؟ 03:56
-
پس انتشار و انتشار مستقیم چیست؟ 01:53
-
گرادیان کاهشی چیست و انواع آن کدامند؟ 04:26
-
Tweak کردن هایپرپارامترهای مدل برای افزایش دقت 01:38
مشخصات آموزش
بوتکمپ آشنایی با هوش مصنوعی
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:مقدماتی
- تعداد درس:41
- مدت زمان :01:59:53
- حجم :1005.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy