ملزومات هوش مصنوعی - GAN ،CNN ،MLP و پایتون

در این دوره با شبکه‌ های مولد متخاصم، شبکه‌ های عصبی کانولوشن، ایجاد تصویر، برچسب‌ گذاری و پرسپترون‌ های چندلایه آشنا می شوید.

آنچه یاد خواهید گرفت

• درک اهمیت تاریخی و مدرن الگوریتم ها، درک مفاهیم هوش مصنوعی از طریق قیاس ها، به دست آوردن بینش ها در مورد تکامل هوش مصنوعی
• تسلط به پرسپترون های چندلایه (MLP) - پیاده سازی یک طبقه بندی 3 کلاسه با استفاده از تنسورفلو و کراس، معماری MLP و کاربردهای عملی در ML
• مصورسازی نورون های هوش مصنوعی، توابع فعال سازی، پیاده سازی پس انتشار میکروگراد در شبکه های کانولوشن عمیق، تحلیل شبکه عصبی در سطح دانه ای
• شبکه‌ های عصبی کانولوشن (CNN)، طبقه‌ بندی تصویر و یادگیری عمیق - مصورسازی عملیات های CNN و پیاده سازی مدل های CNN با استفاده از پایتون و تنسورفلو
• شبکه های مولد متخاصم (GANs) - اصول GANs و کاربردهای آن ها - توسعه و ارزیابی مدل های GAN با استفاده از مجموعه داده ها برای تولید تصاویر جدید
• درک جامع و مهارت های عملی در زمینه های کلیدی هوش مصنوعی و یادگیری ماشین، آماده سازی پروژه ها و تحقیقات پیشرفته

پیش نیازهای دوره

• مثال‌ های کد در پایتون - تمام مثال های کد و تمرین‌ های دوره به زبان پایتون خواهند بود. تجربه قبلی با پایتون مفید خواهد بود اما کاملا ضروری نیست، زیرا این دوره منابع و پشتیبانی لازم را فراهم می کند.

توضیحات دوره

بررسی دوره - آشنایی با هوش مصنوعی:

ما این دوره را با مقدمه ای بر هوش مصنوعی آغاز می کنیم و مفاهیم اساسی آن و تمایز بین هوش مصنوعی نمادین و یادگیری ماشین را توضیح می دهیم. شما در مورد انواع مختلف هوش مصنوعی، از جمله هوش مصنوعی باریک و عمومی، و اینکه چگونه هوش مصنوعی امروزه صنایع را متحول می کند، آشنا خواهید شد.

تسلط به شبکه های عصبی:

ما با پرسپترون های چندلایه (MLP) به عمق شبکه های عصبی می پردازیم. شما یاد می گیرید که مدل های MLP را با استفاده از تنسورفلو و کراس بسازید و آموزش دهید و عملکرد داخلی آن ها را مصورسازی کنید. این دوره شامل یک راهنمای گام به گام برای طبقه بندی مجموعه داده Iris است که تجربه عملی را در اختیار شما قرار می دهد.

شناخت نورون های هوش مصنوعی:

در این درس، عملکرد نورون‌ های هوش مصنوعی را با تمرکز بر ورودی‌ ها، وزن‌ ها و توابع فعال‌ سازی بررسی می‌ کنیم. شما درک روشنی از نحوه پردازش نورون ها و کمک به عملکرد کلی شبکه های عصبی به دست خواهید آورد.

شبکه های عصبی کانولوشن (CNN):

CNNs سنگ بنای هوش مصنوعی به خصوص در پردازش تصویر هستند. از طریق انیمیشن های سه بعدی جذاب و توضیحات دقیق، می آموزید که چگونه CNNs کانولوشن، pooling و استخراج ویژگی را انجام می دهند. ما همچنین کاربردهای عملی CNNs را در تسک های طبقه بندی تصویر پوشش خواهیم داد.

شبکه های مولد متخاصم (GAN):

ما به GANs می پردازیم، حوزه ای هیجان انگیز از هوش مصنوعی که بر تولید داده جدید تمرکز دارد. شما یاد می گیرید که GANs چگونه کار می کنند و با کامپوننت های آن ها (ژنراتور و discriminator) و نحوه آموزش آن ها از طریق فرآیندهای متخاصم آشنا می شوید. این ماژول شامل تمرین‌ های کدنویسی عملی برای تولید تصاویری مشابه تصاویر موجود در مجموعه داده CIFAR-10 است.

برنامه نویسی پایتون برای هوش مصنوعی:

پایتون یک ابزار ضروری برای هر متخصص هوش مصنوعی است. دوره ما شامل آموزش هایی در مورد ترسیم شکل ها، ایجاد انیمیشن ها و ساخت مصورسازی های پیچیده با استفاده از پایتون است. شما یاد می گیرید که الگوریتم های هوش مصنوعی را پیاده کنید و محتوای ویژوال پویا ایجاد کنید و مهارت های برنامه نویسی خود را افزایش دهید.

ابزارهای پیشرفته هوش مصنوعی:

شما ابزارهای پیشرفته مانند ChatGPT و Midjourney را بررسی می کنید. شما یاد می گیرید که با استفاده از این ابزارهای قدرتمند generative AI، راه حل های خلاقانه هوش مصنوعی، از نوشتن متن تا تولید تصاویر ایجاد کنید.

ساخت سخت افزار هوش مصنوعی:

برای کسانی که به بخش سخت افزار علاقه مند هستند، ما یک ماژول اختصاصی به مونتاژ سرور هوش مصنوعی با چندین پردازنده گرافیکی (GPUs) داریم. شما دستورالعمل‌ های گام به گام در مورد راه‌ اندازی سخت‌ افزار هوش مصنوعی با عملکرد بالا، ایده‌ آل برای تسک های محاسباتی فشرده، دریافت خواهید کرد.

پروژه ها و اپلیکیشن های کاربری:

در طول دوره، شما در پروژه‌ های مختلف و اپلیکیشن های کاربری شرکت خواهید کرد که یادگیری شما را تقویت می‌ کند و به شما فرصت می‌ دهد که تکنیک‌ های هوش مصنوعی را برای مشکلات واقعی به کار ببرید.

این دوره برای چه کسانی مناسب است؟

این دوره برای طیف وسیعی از افرادی طراحی شده که مشتاق هستند به دنیای هوش مصنوعی و یادگیری ماشین بپردازند. محتوای دوره برای افراد زیر ارزشمند خواهد بود:

• مبتدیان در هوش مصنوعی و یادگیری ماشین
• علاقه مندان به برنامه نویسی
• دانشجویان و دانشگاهیان
• حرفه ای هایی که به دنبال ارتقای مهارت هستند.
• کارآفرینان و نوآوران
• یادگیرندگان کنجکاو