دوره کامل هوش مصنوعی: درک AI ،ML ،DL ،GenAI ،LLM ،NLP - سال 2025
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک اصول هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL)
- تسلط به تکنیکهای یادگیری تحت نظارت، از جمله الگوریتمهای کلیدی و کاربردهای آنها
- ساخت و آموزش شبکههای عصبی مصنوعی (ANN) و شبکههای عصبی کانولوشنی (CNN) برای حل مشکلات واقعی
- بررسی در مفاهیم Generative AI مانند GAN (شبکههای مولد تخاصمی)، ترنسفورمرها و مدلهای زبانی بزرگ (LLM)
- یادگیری اصول پردازش زبان طبیعی (NLP)، از جمله درک زبان طبیعی (NLU) و تولید زبان طبیعی (NLG)
- تجربه عملی با کتابخانههای مبتنی بر پایتون مانند Scikit-learn TensorFlow ،PyTorch و بیشتر
- توسعه اپلیکیشن های مجهز به هوش مصنوعی مانند چتباتها، دستهبندیکنندههای تصویر و تولیدکنندههای متن
- درک چگونگی تحول بخشها با استفاده از فنآوریهای AI و ML و آمادهسازی برای ساخت حرفهای در این زمینه هیجانانگیز
- درک تفاوتها بین یادگیری ماشین سنتی و روشهای مدرن یادگیری عمیق و زمان مناسب برای استفاده از هر کدام
- کسب تجربه عملی از طریق کار بر روی پروژههای هوش مصنوعی، از ایجاد سیستمهای توصیهگر تا تولید تصاویری واقعی و متن
پیش نیازهای دوره
- دانش اولیه از پایتون ترجیح داده میشود.
- بقیه به تدریج آموزش داده خواهد شد.
توضیحات دوره
آیا آمادهاید تا به کشف امکانات نامحدود هوش مصنوعی بپردازید؟ در این دوره، هوش مصنوعی کامل: از اصول تا Generative AI، ما سفری جامع طراحی کردهایم تا به شما کمک کنیم دنیای هیجانانگیز AI و یادگیری ماشین را تسلط پیدا کنید. چه شما یک مبتدی باشید که به AI کنجکاو هستید یا کسی که به دنبال بهبود مهارتهای خود است، این دوره یک مسیر واضح وstructured برای موفقیت ارائه میدهد.
ما با پوشش اصول هوش مصنوعی شروع میکنیم و مفاهیم را به درسهای ساده و آسان برای پیروی تجزیه میکنیم. شما اصول یادگیری ماشین را یاد خواهید گرفت، شامل یادگیری تحت نظارت و یادگیری تقویتی و چگونگی اعمال این رویکردها برای حل مشکلات واقعی. با پیشرفت، ما به یادگیری عمیق میپردازیم و بر روی ساخت شبکههای عصبی مصنوعی (ANN) و شبکههای عصبی کانولوشنی (CNN) تمرکز میکنیم تا وظایف پیچیدهای مانند شناسایی تصویر و گفتار را انجام دهیم.
اما این همه ماجرا نیست، ما همچنین به بررسی عمیق حوزه سریعاً در حال رشد Generative AI میپردازیم. از درک چگونگی عملکرد شبکههای مولد تخاصمی (GAN) تا کشف فناوریهای پیشرفتهای مانند ترنسفورمرها و مدلهای زبانی بزرگ (LLM)، شما بینشهایی از چگونگی تولید AI از تصاویری واقعی تا متنی مشابه انسان به دست خواهید آورد. بهعلاوه، ما پردازش زبان طبیعی (NLP) را پوشش میدهیم و توضیح میدهیم که AI چگونه زبان انسان را درک و تولید میکند.
چه شما اینجا باشید تا یک شغل جدید شروع کنید، دانش خود را افزایش دهید، یا صرفاً به کشف AI بپردازید، این دوره دریچهای به سوی آینده فنآوری است. همین الآن در این دوره شرکت کنید و اولین قدم را به سوی تسلط به هنر و علم AI بردارید!
این دوره برای چه کسانی مناسب است؟
- مبتدیان
- متوسطها
- هر کسی
دوره کامل هوش مصنوعی: درک AI ،ML ،DL ،GenAI ،LLM ،NLP - سال 2025
-
پیشنمایش دوره! 02:51
-
مقدمهای بر هوش مصنوعی 10:45
-
انواع هوش مصنوعی 08:14
-
AI در کاربردهای واقعی 08:14
-
پیشراهاندازی پروژه 01:30
-
راهاندازی پروژه 05:48
-
برنامهنویسی چتبات 21:40
-
یادگیری ماشین چیست و انواع آن کدامند؟ 16:59
-
مفاهیم ML و پایپلاین 13:26
-
توصیف و راهاندازی پروژه 14:45
-
قسمت 0 پروژه 08:23
-
قسمت 1 پروژه 23:05
-
قسمت 2 پروژه 12:56
-
قسمت 3 پروژه 10:43
-
قسمت 4 پروژه 06:02
-
قسمت 5 پروژه 08:26
-
قسمت 6 پروژه 10:12
-
قسمت 7 پروژه 08:06
-
قسمت 8 پروژه 06:33
-
قسمت 9 پروژه 05:48
-
قسمت 10 پروژه 08:55
-
قسمت 11 پروژه 15:39
-
قسمت 12 پروژه 10:46
-
قسمت 1 ANN 18:19
-
قسمت 2 ANN 16:08
-
قسمت 1 CNN 16:53
-
قسمت 2 CNN 17:22
-
RNN و سایر شبکههای عصبی 24:31
-
مقدمهای بر یادگیری تقویتی 25:01
-
معادله بلمن 19:33
-
سیاست، برنامه و فرآیند تصمیمگیری مارکوف (MKD) 15:13
-
جریمه زندگی 07:38
-
شکوفایی Q-Learning 07:02
-
اختلاف زمانی 09:05
-
توصیف و درک پروژه Q-Learning 04:29
-
قسمت 1 پروژه QN 16:57
-
قسمت 2 پروژه QN 12:27
-
قسمت 3 پروژه QN 12:09
-
قسمت 4 پروژه QN 19:00
-
شکوفایی یادگیری Q عمیق 12:30
-
پخش دوباره تجربه 09:39
-
سیاست انتخاب عمل 11:18
-
توصیف پروژه DQN 15:03
-
قسمت 0 پروژه DQN 07:58
-
قسمت 1 پروژه DQN 12:10
-
قسمت 2 پروژه DQN 05:47
-
قسمت 3 پروژه DQN 14:18
-
قسمت 4 پروژه DQN 10:15
-
قسمت 5 پروژه DQN 05:20
-
قسمت 6 پروژه DQN 09:43
-
قسمت 7 پروژه DQN 18:59
-
قسمت 8 پروژه DQN 05:38
-
شکوفایی DCQN 05:54
-
ردپای صلاحیت 04:16
-
توصیف پروژه DCQN 04:18
-
قسمت 0 پروژه DCQN 06:28
-
قسمت 1 پروژه DCQN 11:55
-
قسمت 2 پروژه DCQN 04:39
-
قسمت 3 پروژه DCQN 07:44
-
قسمت 4 پروژه DCQN 07:19
-
قسمت 5 پروژه DCQN 04:27
-
قسمت 6 پروژه DCQN 09:39
-
قسمت 7 پروژه DCQN 13:09
-
قسمت 8 پروژه DCQN 05:38
-
مقدمهای بر GenAI 11:56
-
مفاهیم اصلی 01:53
-
مقدمهای بر GAN 08:40
-
GAN های شرطی 06:09
-
مقدمهای بر LLM 08:19
-
چگونه LLMها متن تولید میکنند؟ 03:49
-
ترنسفورمرها 08:53
-
ترنسفورمرها برای LLM 06:48
-
پنجره زمینه 03:19
-
یادگیری انتقالی و تنظیم دقیق LLM 03:50
-
توصیف پروژه LLM 12:14
-
قسمت 0 پروژه LLM 05:41
-
قسمت 1 پروژه LLM 05:18
-
قسمت 2 پروژه LLM 03:26
-
قسمت 3 پروژه LLM 06:38
-
قسمت 4 پروژه LLM 07:30
-
مقدمهای بر NLP 11:41
-
NLG و NLU 03:15
-
توصیف پروژه NLP 10:03
-
قسمت 0 پروژه NLP 04:42
-
قسمت 1 پروژه NLP 08:51
-
قسمت 2 پروژه NLP 03:40
-
قسمت 3 پروژه NLP 05:26
-
قسمت 4 پروژه NLP 08:50
-
قسمت 5 پروژه NLP 05:11
-
قسمت 6 پروژه NLP 07:43
-
متشکرم و تبریکات!!! 02:20
مشخصات آموزش
دوره کامل هوش مصنوعی: درک AI ،ML ،DL ،GenAI ،LLM ،NLP - سال 2025
- تاریخ به روز رسانی: 1404/12/10
- سطح دوره:همه سطوح
- تعداد درس:91
- مدت زمان :14:59:28
- حجم :7.01GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy