هوش مصنوعی: علم داده، یادگیری ماشین، GenAI در پایتون به همراه ChatGPT
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- ترکیب قدرت Data Science و Machine Learning برای ایجاد AI برای اپلیکیشن های دنیای واقعی
- ساخت اپلیکیشن های مختلف AI در قالب پروژهها
- تسلط به پیشرفتهترین مدلهای Gen AI
- ایجاد اپلیکیشن های LLM شخصی خود
- چگونه از Python برای Data Science استفاده کنید؟
پیش نیازهای دوره
اولین تجربه برنامهنویسی با Python (سطح مبتدی)
توضیحات دوره
علاقهمند به حوزه AI ،Data Science ،GenAI و Machine Learning هستید؟
پس این دوره برای شماست!
این دوره توسط یک متخصص AI ،Data Scientist و Machine Learning طراحی شده است تا او بتواند دانش خود را به اشتراک بگذارد و به شما کمک کند تئوری پیچیده، الگوریتمها و کتابخانههای کدنویسی را به روشی ساده بیاموزید.
او شما را قدم به قدم به دنیای AI ،Data Scientist ،Machine Learning و GenAI خواهد برد. با هر آموزش، شما مهارتهای جدیدی کسب خواهید کرد و درک خود را از این زیرشاخه چالشبرانگیز اما سودآور Data Science بهبود خواهید بخشید.
این دوره ضمن سرگرمکننده و هیجانانگیز بودن، عمیقاً به AI ،Machine Learning و GenAI میپردازد.
ساختار دوره به شرح زیر است:
- بخش 1 - مقدمه
- بخش 2 - AI
- بخش 3 - Python
- بخش 4 - EDA
- بخش 5 - چتباتهای GenAI
- بخش 6 - اپلیکیشن های GenAI
- بخش 7 - چتباتهای AI
- بخش 8 - Machine Learning
- بخش 9 - یادگیری عمیق
- بخش 10 - ETL و SQL
- بخش 11 - تشخیص ناهنجاری (نگهداری پیشبینانه)
- بخش 12 - خزیدن و استخراج داده از وب
- بخش 13 - تولید تصویر
- بخش 14 - رابطهای REST API
- بخش 15 - AI Agents
- بخش 16 - تولید ویدئو
- بخش 17 - ChatGPT-تحلیل داده
- بخش 18 - ChatGPT-توسعه
- بخش 19 - پایگاه داده برداری Pinecone
- بخش 20 - وب اپلیکیشن ها
- بخش 21 - تحلیل PDF
هر بخش در داخل هر قسمت مستقل است. بنابراین میتوانید کل دوره را از ابتدا تا انتها بگذرانید یا مستقیماً به هر بخش خاصی بروید و آنچه را که در حال حاضر برای شغل خود نیاز دارید بیاموزید.
علاوه بر این، دوره مملو از تمرینهای عملی است که بر اساس پروژههای واقعی طراحی شدهاند. بنابراین نه تنها تئوری را یاد خواهید گرفت، بلکه تمرین عملی زیادی نیز در ساخت مدلها و اپلیکیشن های خود خواهید داشت.
و در آخر، این دوره شامل کدهای Python است که میتوانید آنها را دانلود کرده و در پروژههای شخصی خود استفاده کنید.
آنچه خواهید آموخت:
- تسلط به Machine Learning و Deep Learning در Python
- داشتن درک شهودی عالی از بسیاری از مدلهای Machine Learning
- ساخت اپلیکیشن های GenAI شخصی
- استفاده و تنظیم دقیق مدلهای LLM
- انجام تحلیلهای قدرتمند
- استفاده از Machine Learning برای اهداف شخصی
- کار با موضوعات خاص مانند یادگیری تقویتی، NLP و یادگیری عمیق
- کار با تکنیکهای پیشرفته مانند کاهش ابعاد
- دانستن اینکه کدام مدل Machine Learning و LLM را برای هر نوع مسئله انتخاب کنید
- ساخت مجموعهای از مدلهای قدرتمند Machine Learning و Deep Learning و دانستن چگونگی ترکیب آنها برای حل هر مسئلهای
آیا الزامات یا پیشنیازهایی برای دوره وجود دارد؟
فقط دانش ریاضیات سطح دبیرستان و درک اولیه برنامهنویسی
این دوره برای چه کسانی مناسب است؟
- هر کسی که به AI ،Data Science ،GenAI و Machine Learning علاقهمند است.
- توسعهدهنده مبتدی Python که در مورد Data Science ،AI و GenAI کنجکاو است.
- افراد سطح متوسط که اصول machine learning، از جمله الگوریتمهای کلاسیک مانند رگرسیون خطی یا رگرسیون لجستیک را میدانند، اما میخواهند بیشتر در مورد آن بیاموزند. و تمام زمینههای مختلف Machine Learning را کشف کنند.
- دانشجویانی که میخواهند شغلی را در Data Science آغاز کنند.
- تحلیلگران داده که میخواهند سطح خود را در Machine Learning ارتقا دهند.
- افرادی که از شغل فعلی خود راضی نیستند و میخواهند Data Scientist شوند.
- دانشآموزانی که حداقل دانش ریاضی دبیرستان را دارند و میخواهند یادگیری Machine Learning را آغاز کنند.
هوش مصنوعی: علم داده، یادگیری ماشین، GenAI در پایتون به همراه ChatGPT
-
معرفی 00:53
-
مقدمه هوش مصنوعی 06:19
-
اپلیکیشن های هوش مصنوعی 11:13
-
GenAI 08:59
-
یادگیری ماشین 08:53
-
یادگیری عمیق 09:37
-
مقدمهای بر هوش مصنوعی None
-
نصب پایتون 11:53
-
راهاندازی محیط کاری 08:45
-
اولین برنامه ما 08:32
-
کلاس ها 05:52
-
تبدیل نوع داده 06:08
-
توابع 04:43
-
عملگرها 07:21
-
تغییر شکل آرایهها 09:00
-
انواع مختلف دادهها 13:25
-
مدیریت خطا 04:56
-
Pandas DataFrame 07:35
-
رسم نمودار 07:14
-
انواع داده None
-
کدنویسی: کار عملی None
-
مقدمه 13:22
-
تحلیل اکتشافی دادهها (EDA) بخش 2 12:26
-
تحلیل اکتشافی دادهها None
-
کدنویسی: کار عملی None
-
ساخت مدل LLM از ابتدا با مجموعه داده شخصی 16:47
-
تنظیم دقیق مدل پرسش و پاسخ چت LLAMA2 12:55
-
تنظیم دقیق مدل پرسش و پاسخ چت LLAMA2 – بخش 2 07:07
-
تنظیم دقیق مدل LLAMA3 با مجموعه داده شخصی 14:39
-
مدل LLM Gemma 06:10
-
مدل LLM از Hugging Face - LLAMA3 13:25
-
آموزش دادههای خود با GPT Transformer 21:02
-
GenAI None
-
کدنویسی: کار عملی None
-
معرفی Langchain برای LLM 04:22
-
چتبات Falcon با Langchain و LLM 09:28
-
تحلیل احساسات مدل BERT تنظیمشده با Fast API 09:22
-
اپلیکیشن GenAI LLAMA2 با Streamlit 08:30
-
مدلهای زبان بزرگ (LLMs) None
-
مقدمه 13:34
-
استفاده از چتباتهای هوش مصنوعی به صورت محلی 05:02
-
تحلیل پیشرفته داده با Gemini 15:38
-
چتبات هوش مصنوعی None
-
معرفی 08:53
-
پیشبینی سهام در سری زمانی با Random Forest 07:43
-
پیشبینی سهام سری زمانی با XGBoost 10:25
-
یادگیری نظارتشده None
-
کدنویسی: کار عملی None
-
معرفی 09:37
-
پیشبینی قیمت سهام با LSTM 15:43
-
دستهبندی دادههای سرطان با شبکههای عصبی 07:33
-
پیشبینی دادههای دستنویس با CNN - دستهبندی 12:24
-
پردازش دادههای دنبالهدار None
-
کدنویسی: کار عملی None
-
اپلیکیشن ETL میتو 09:49
-
SQL و pandas - وارد کردن داده به پایگاه داده 10:43
-
SQL با sqlalchemy - وارد کردن داده به پایگاه داده 08:21
-
ETL None
-
تشخیص ناهنجاری در سری زمانی با ARIMA 12:04
-
تشخیص ناهنجاری با Spectral Residual در سری زمانی 12:59
-
تشخیص ناهنجاری در دادههای دنبالهدار با XGBoost 09:27
-
تشخیص و تجزیه ناهنجاری با Spectral Residual در سری زمانی 10:03
-
تشخیص ناهنجاری None
-
کدنویسی: کار عملی None
-
معرفی خزنده وب 09:38
-
خزنده وب Firecrawl 11:54
-
خزنده وب Firecrawl بخش 2 09:45
-
خزش وب - آمازون 06:21
-
خزش وب - آمازون بخش 2 11:43
-
خزش و استخراج وب None
-
تولید تصویر با Dall-E 09:45
-
تولید تصویر با Copilot 09:30
-
تولید تصویر None
-
رابط REST API با Flask 09:58
-
رابط REST API با درخواست Weclapp 08:07
-
رابط REST API با FastAPI 09:59
-
رابط REST API None
-
مقدمه 14:49
-
عوامل هوش مصنوعی با ChatGPT 09:34
-
عوامل هوش مصنوعی با MultiOn 12:24
-
عامل هوش مصنوعی با Devin AI 08:04
-
عوامل هوش مصنوعی None
-
تولید ویدئو با Sora AI 04:10
-
Invideo AI 06:09
-
Luma AI 04:31
-
تحلیل داده با دادههای شخصی 10:18
-
تحلیل داده با دادههای شخصی - بخش 2 10:05
-
تحلیل داده با دادههای شخصی - بخش 3 13:20
-
ساخت اپلیکیشن ماشینحساب اختصاصی 11:07
-
ساخت وب اپلیکیشن اختصاصی 12:17
-
رگرسیون خطی برای دادههای سری زمانی 15:00
-
جستجوی LLM با Pinecone 09:00
-
وارد کردن و جستجوی مطالب ویکیپدیا با Pinecone 15:51
-
Pinecone None
-
ساخت وب اپلیکیشن اختصاصی با Flask 12:17
-
فلسک None
-
خلاصه PDF با Gemini 10:53
مشخصات آموزش
هوش مصنوعی: علم داده، یادگیری ماشین، GenAI در پایتون به همراه ChatGPT
- تاریخ به روز رسانی: 1404/10/04
- سطح دوره:همه سطوح
- تعداد درس:97
- مدت زمان :12:21:18
- حجم :6.53GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy