یادگیری ماشین، هوش مصنوعی و شبکههای عصبی - یک دوره جامع
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک مفهوم یادگیری ماشین
- آشنایی با هوش مصنوعی و شبکههای عصبی
- راهاندازی محیط یادگیری ماشین
- مبانی پایتون و کتابخانههای ضروری
- مدیریت و پیشپردازش داده با Pandas
- تکنیکهای مصورسازی داده
- مدیریت داده گمشده و پاکسازی داده
- مقیاسبندی ویژگیها و نرمالسازی
- کدگذاری داده دستهبندی شده
- درک رگرسیون در یادگیری ماشین
- رگرسیون خطی ساده و چندگانه
- رگرسیون لجستیک و درختان تصمیمگیری
- ارزیابی مدل و اعتبارسنجی متقابل
- مقدمهای بر یادگیری عمیق و شبکههای عصبی
- ساخت CNN برای دستهبندی تصویر
- تشخیص اشیا و بخشبندی تصویر
- درک داده ترتیبی و سریهای زمانی
- پردازش زبان طبیعی
- کاربردهای هوش مصنوعی در حوزههای خلاقانه مانند موسیقی، هنر و ویدئو
- آینده هوش مصنوعی و یادگیری ماشین مانند رایانش کوانتومی و AGI
- مسیرهای شغلی هوش مصنوعی و فرصتهای صنعتی
پیشنیازهای دوره
- آشنایی اولیه با برنامهنویسی
توضیحات دوره
یادگیری ماشین، هوش مصنوعی و شبکههای عصبی را از ابتدا بیاموزید و مهارتهای لازم برای ساخت سیستمهای هوشمند مورد استفاده در اپلیکیشنهای واقعی را کسب کنید. این دوره جامع به گونهای طراحی شدهکه به مبتدیان، متخصصان و مهندسان مشتاق هوش مصنوعی کمک کند تا نحوه عملکرد هوش مصنوعی مدرن و نحوه به کارگیری مؤثر آن را درک کنند.
در این دوره، شما اصول اولیه یادگیری ماشین، هوش مصنوعی و شبکههای عصبی، از جمله یادگیری داده محور، انتخاب الگوریتم، آموزش مدل و ارزیابی عملکرد را بررسی خواهید کرد. همچنین به مفاهیم شبکههای عصبی و یادگیری عمیق که پیشرفتهترین فناوریهای امروزی مانند ماشینهای خودران، موتورهای توصیهگر، دستیارهای صوتی و سیستمهای شناسایی تصویر را تقویت میکنند، خواهید پرداخت.
موارد پوشش داده شده در دوره:
- مقدمهای بر یادگیری ماشین، هوش مصنوعی و شبکههای عصبی
- تکنیکهای یادگیری نظارت شده، نظارت نشده و تقویتی
- شبکههای عصبی، یادگیری عمیق و بهینهسازی مدل
- کاربردهای عملی هوش مصنوعی و یوزکیسهای واقعی
- درک نحوه یادگیری، سازگاری و بهبود سیستمهای هوش مصنوعی
- ابزارها و بهترین شیوهها برای ساخت راهحلهای مقیاسپذیر هوش مصنوعی
چرا در دوره شرکت کنیم؟
- مهارتهای مورد تقاضا برای بازار کار امروز
- توضیحات واضح با مثالهای یادگیری عملی
- دسترسی مادامالعمر و دانش عملی که میتوانید بلافاصله به کار ببرید.
- پایه قوی برای مشاغل پیشرفته هوش مصنوعی، یادگیری عمیق و علم داده
در پایان دوره، شما با اطمینان یادگیری ماشین، هوش مصنوعی و شبکههای عصبی را برای حل مشکلات واقعی و پیشبرد اهداف حرفهای خود در هوش مصنوعی درک کرده و به کار خواهید گرفت.
همین حالا در دوره شرکت کرده و به یادگیری ماشین، هوش مصنوعی و شبکههای عصبی مسلط شوید.
این دوره برای چه کسانی مناسب است؟
- مبتدیانی که هیچ تجربه قبلی در هوش مصنوعی یا یادگیری ماشین ندارند.
- دانشجویان و متخصصانی که به دنبال ورود به حوزه هوش مصنوعی هستند.
- توسعهدهندگان و علاقهمندان به داده که میخواهند در یادگیری ماشین، هوش مصنوعی و شبکههای عصبی مهارت پیدا کنند.
- متخصصان کسبوکار که به دنبال درک تصمیمگیری هوش مصنوعی محور هستند.
یادگیری ماشین، هوش مصنوعی و شبکههای عصبی - یک دوره جامع
-
یادگیری ماشین، هوش مصنوعی و شبکههای عصبی چیست؟ 06:16
-
کاربردهای واقعی هوش مصنوعی و یادگیری ماشین 06:23
-
راهاندازی محیط یادگیری ماشین با پایتون، Jupyter و آناکوندا 10:53
-
مدیریت و آمادهسازی داده با Pandas 11:51
-
تکنیکهای مصورسازی داده 10:07
-
مدیریت داده گمشده و پاکسازی داده 11:20
-
مقیاسبندی ویژگی و نرمالسازی 09:15
-
کدگذاری داده دستهبندی شده 10:59
-
انتخاب ویژگی و کاهش ابعاد داده با PCA 13:28
-
رگرسیون خطی ساده و چندگانه 09:03
-
رگرسیون چندجملهای 06:39
-
ماشینهای بردار پشتیبان (SVM) 09:56
-
رگرسیون لجستیک و درختان تصمیمگیری 11:36
-
جنگل تصادفی و بوستینگ گرادیان مانند XGBoost و LightGBM 14:48
-
ارزیابی مدل و اعتبارسنجی متقابل 10:44
-
خوشهبندی K-Means، سلسلهمراتبی و DBSCAN 12:50
-
ساخت شبکههای عصبی با تنسورفلو و کراس 12:29
-
بهینهسازی شبکههای عصبی با نرمالسازی دستهای و Dropout 09:36
-
ساخت CNN برای دستهبندی تصویر 11:26
-
تشخیص اشیا و بخشبندی تصویر 10:45
-
درک داده ترتیبی و سریهای زمانی 08:27
-
پردازش زبان طبیعی شامل توکنسازی و تعبیه کلمات 11:00
-
تحلیل احساسات و توسعه چتبات 10:20
-
خودرمزگذارهای متغییر (VAEs) 11:26
-
ذخیره و بارگذاری مدلهای یادگیری ماشین 12:57
-
استقرار مدلها با استفاده از فلسک و FastAPI 07:33
-
کار با سرویسهای ابری مانند AWS ،GCP و آژور 11:58
-
بهینهسازی مدلها برای تولید 12:24
-
سوگیری و اخلاق هوش مصنوعی در یادگیری ماشین 13:52
مشخصات آموزش
یادگیری ماشین، هوش مصنوعی و شبکههای عصبی - یک دوره جامع
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:29
- مدت زمان :05:10:21
- حجم :2.4GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy