دوره آموزشی
The Great Courses
دوبله زبان فارسی

از مبانی پایتون تا هوش مصنوعی: یادگیری کدنویسی و ساخت AI

از مبانی پایتون تا هوش مصنوعی: یادگیری کدنویسی و ساخت AI

✅ سرفصل و جزئیات آموزش

آنچه یاد خواهید گرفت:

  • تسلط به اصول برنامه‌نویسی پایتون، شامل متغیرها، ساختارهای داده، حلقه‌ها، توابع و مدیریت خطا
  • یادگیری چگونگی کار با کتابخانه‌های ضروری پایتون برای هوش مصنوعی، مانند NumPy ،Pandas و Matplotlib
  • درک مبانی هوش مصنوعی (AI)، کاربردهای آن و تفاوت آن با یادگیری ماشین و یادگیری عمیق 
  • بررسی تکنیک‌های پردازش زبان طبیعی (NLP)، شامل پیش‌پردازش متن، توکن‌سازی، Bag-of-Words و شناسایی موجودیت‌های نامدار (NER)
  • کسب تجربه عملی در بینایی ماشین، شامل پیش‌پردازش تصویر، استخراج ویژگی و تشخیص آبجکت های اولیه با استفاده از OpenCV
  • کار بر روی پروژه‌هایی که شامل اپلیکیشن های هوش مصنوعی محور هستند، مانند یک چت‌بات ساده هوشمند یا یک سیستم تشخیص تصویر اولیه

پیش‌نیازهای دوره

  • هیچ تجربه قبلی برنامه‌نویسی مورد نیاز نیست—این دوره پایتون را از ابتدا پوشش می‌دهد.
  • یک کامپیوتر با پایتون نصب شده (راهنمای نصب ارائه شده است).
  • علاقه به هوش مصنوعی و چگونگی استفاده از پایتون برای ساخت اپلیکیشن های هوشمند
  • مهارت‌های اولیه حل مسئله و تمایل به کار بر روی پروژه‌های عملی

توضیحات دوره

از مبانی پایتون تا هوش مصنوعی – یادگیری کدنویسی و ساخت مدل‌های AI

آیا آماده شروع سفر خود به دنیای برنامه‌نویسی پایتون و هوش مصنوعی (AI) هستید؟ این دوره که مناسب مبتدیان است، با آموزش چگونگی کدنویسی در پایتون و به‌کارگیری آن در کاربردهای واقعی هوش مصنوعی مانند پردازش زبان طبیعی (NLP)، بینایی ماشین و اتوماسیون AI محور، شما را از صفر به یک توسعه‌دهنده هوش مصنوعی تبدیل می‌کند.

چه یک مبتدی کامل باشید و چه کسی که تجربه کدنویسی اولیه دارد، این دوره برای ایجاد مبانی قوی برنامه‌نویسی و انتقال شما به دنیای هوش مصنوعی طراحی شده است.

آنچه خواهید آموخت:

اصول پایتون (مبتدی تا پیشرفته)

  • تسلط به سینتکس پایتون، شامل متغیرها، حلقه‌ها، توابع و ساختارهای داده
  • کار با کتابخانه‌های ضروری پایتون مانند NumPy ،Pandas و Matplotlib
  • یادگیری کار با فایل، مدیریت خطا و برنامه‌نویسی شی‌گرا (OOP)

مقدمه‌ای بر هوش مصنوعی (AI)

  • درک اصول هوش مصنوعی و کاربردهای آن
  • بررسی زیرشاخه‌های کلیدی AI: پردازش زبان طبیعی (NLP)، بینایی ماشین و نمایش دانش

مبانی پردازش زبان طبیعی (NLP)

  • تکنیک‌های پیش‌پردازش متن مانند توکن‌سازی، ریشه‌یابی و Lemmatization
  • تکنیک‌های نمایش متن مانند Bag-of-Words (BoW) و TF-IDF
  • به‌کارگیری هوش مصنوعی برای ساخت یک مدل طبقه‌بندی متن اولیه

بینایی ماشین با هوش مصنوعی

  • مقدمه‌ای بر پردازش تصویر و استخراج ویژگی
  • پیاده‌سازی تشخیص آبجکت ها با استفاده از OpenCV و پایتون
  • ایجاد یک پایپ‌لاین طبقه‌بندی تصویر مجهز به هوش مصنوعی

چرا این دوره را انتخاب کنید؟

  • هیچ تجربه قبلی برنامه‌نویسی لازم نیست – این دوره همه چیز را از ابتدا پوشش می‌دهد.
  • تمرین‌های عملی کدنویسی و پروژه‌های AI – ساخت اپلیکیشن های واقعی هوش مصنوعی
  • توضیحات گام‌به‌گام – بدون اصطلاحات گیج‌کننده، فقط یادگیری شفاف و ساختاریافته
  • مهارت‌های آماده برای بازار کار – به‌کارگیری مفاهیم AI در کسب‌وکار، اتوماسیون و تحقیقات
  • اصول قوی برای یادگیری آینده هوش مصنوعی – آمادگی برای موضوعات پیشرفته یادگیری ماشین و یادگیری عمیق

در پایان این دوره، شما اصول محکم در پایتون و هوش مصنوعی خواهید داشت و آماده توسعه اپلیکیشن های اولیه هوش مصنوعی مانند چت‌بات‌ها، طبقه‌بندهای متن و سیستم‌های تشخیص تصویر خواهید بود.

منتظر نمانید، همین امروز در این دوره شرکت کنید و شروع به ساخت برنامه‌های مجهز به هوش مصنوعی با پایتون کنید.

این دوره برای چه کسانی مناسب است؟

  • مبتدیان کاملی که می‌خواهند پایتون یاد بگیرند و مفاهیم هوش مصنوعی را بررسی کنند.
  • هر کسی که کنجکاو درباره هوش مصنوعی است و به دنبال رویکردی ساختاریافته برای ساخت اپلیکیشن های AI با استفاده از پایتون می‌باشد.
  • هر کسی که کنجکاو درباره هوش مصنوعی است و به دنبال رویکردی ساختاریافته برای ساخت اپلیکیشن های AI با استفاده از پایتون می‌باشد.
  • دانشجویان و متخصصانی که به دنبال کسب مهارت‌های مرتبط با AI برای کاربردهای دنیای واقعی هستند.
  • علاقه‌مندان به داده که می‌خواهند پردازش زبان طبیعی (NLP) و بینایی ماشین را با تمرین‌های عملی کدنویسی تجربه کنند.

از مبانی پایتون تا هوش مصنوعی: یادگیری کدنویسی و ساخت AI

  • مروری بر پایتون و کاربردهای آن 05:59
  • نصب پایتون و راه‌اندازی محیط کار 06:18
  • نوشتن اولین برنامه پایتون و درک سینتکس 08:16
  • افزودن کامنت ها و نوشتن کد تمیز 06:24
  • درک متغیرها و انتساب‌ها 13:03
  • انتساب مقادیر متعدد به متغیرها 11:15
  • مروری بر انواع داده در پایتون 07:59
  • کار با اعداد در پایتون 08:20
  • رشته‌ها: برش، تغییر و الحاق 17:19
  • قالب‌بندی رشته، کاراکترهای Escape و متدهای رشته 12:00
  • مقادیر بولی و منطقی در پایتون 05:41
  • عملگرهای پایتون 09:54
  • مقدمه‌ای بر لیست‌های پایتون 15:01
  • کار با تاپل‌ها در پایتون 09:11
  • مجموعه‌ها: کلکسیون داده‌های یکتا و نامرتب 08:42
  • مدیریت دیکشنری‌ها در پایتون 18:34
  • منطق شرطی: If، Else و Elif 13:09
  • حلقه‌های While در پایتون 07:11
  • حلقه‌های For برای تکرار 07:53
  • مقدمه‌ای بر توابع پایتون 22:32
  • کار با توابع لامبدا 09:54
  • آرایه‌های پایتون: مبانی و کاربرد 09:55
  • کلاس‌ها و آبجکت ها در پایتون 18:19
  • درک وراثت در پایتون 17:50
  • تکرارگرها برای مدیریت داده 11:48
  • Polymorphism در پایتون: استفاده مجدد کد 15:16
  • قلمرو در پایتون: متغیرهای محلی و سراسری 12:07
  • کار با ماژول‌ها در پایتون 16:48
  • مدیریت تاریخ و زمان در پایتون 05:56
  • انجام عملیات ریاضی با ماژول Math پایتون 07:33
  • استفاده از JSON برای مدیریت داده 14:14
  • ساده‌سازی تسک ها با عبارات منظم (RegEx) 12:10
  • مدیریت پکیج‌ها با PIP 07:50
  • مدیریت خطاها با Try و Except 11:50
  • دریافت ورودی کاربر در پایتون 03:16
  • تکنیک‌های قالب‌بندی رشته 08:51
  • مدیریت فایل در پایتون: خواندن، نوشتن و حذف 07:14
  • مروری بر دوره 04:10
  • هوش مصنوعی چیست؟ 13:28
  • هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 05:59
  • اجزای اصلی هوش مصنوعی 05:27
  • کتابخانه‌های ضروری پایتون برای هوش مصنوعی 22:48
  • تکنیک‌های مدیریت داده 21:47
  • اصول پردازش زبان طبیعی (NLP) 13:59
  • کار با تعبیه‌های کلمه 25:14
  • کاربردهای NLP 19:21
  • پروژه - ساخت مدل طبقه‌بندی متن اولیه 08:14
  • مبانی پردازش تصویر 23:22
  • تشخیص آبجکت و استخراج ویژگی 12:12
  • کاربردها در بینایی ماشین 20:13
  • پروژه - ایجاد پایپ‌لاین برای طبقه‌بندی تصویر 14:18
  • اصول جستجو 28:11
  • تکنیک‌های بهینه‌سازی 18:49
  • کاربردهای جستجو در هوش مصنوعی 15:21
  • پروژه - پیاده‌سازی جستجوی A* 12:58
  • مقدمه‌ای بر یادگیری تقویتی 14:55
  • مبانی Q-Learning 21:02
  • مقدمه‌ای بر Generative AI 11:15
  • کار با خودرمزنگارها 16:31
  • کاربردهای Generative AI 06:53
  • پروژه - تولید متن واقع‌گرایانه با استفاده از مدل زبانی مبتنی بر AI 12:40

7,694,800 1,923,700 تومان

مشخصات آموزش

از مبانی پایتون تا هوش مصنوعی: یادگیری کدنویسی و ساخت AI

  • تاریخ به روز رسانی: 1404/12/10
  • سطح دوره:مقدماتی
  • تعداد درس:61
  • مدت زمان :12:54:39
  • حجم :6.95GB
  • زبان:دوبله زبان فارسی
  • دوره آموزشی:AI Academy

آموزش های مرتبط

  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
1,833,000 366,600 تومان
  • زمان: 02:27:39
  • تعداد درس: 24
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
2,260,000 452,000 تومان
  • زمان: 03:02:02
  • تعداد درس: 14
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
795,000 159,000 تومان
  • زمان: 58:00
  • تعداد درس: 12
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
19,403,000 3,880,600 تومان
  • زمان: 26:02:40
  • تعداد درس: 175
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
8,508,000 1,701,600 تومان
  • زمان: 11:25:13
  • تعداد درس: 94
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
6,100,500 1,220,100 تومان
  • زمان: 08:11:21
  • تعداد درس: 28
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
7,256,500 1,451,300 تومان
  • زمان: 09:44:25
  • تعداد درس: 67
  • سطح دوره:
  • زبان: دوبله فارسی
The Great Courses
3,634,500 726,900 تومان
  • زمان: 04:52:43
  • تعداد درس: 38
  • سطح دوره:
  • زبان: دوبله فارسی

آیا سوالی دارید؟

ما به شما کمک خواهیم کرد تا شغل و رشد خود را افزایش دهید.
امروز با ما تماس بگیرید