اصول هوش مصنوعی: شروع کار با سیستمهای هوشمند
✅ سرفصل و جزئیات آموزش
بیشتر مهندسان هر روز در کنار سیستمهای هوش مصنوعی کار میکنند بدون اینکه کاملاً درک کنند آن سیستمها چگونه عمل میکنند - و همین شکاف، هنگام ارزیابی راهحلها، ساخت پایپلاینها یا همکاری با تیمهای علم داده، چالشهای واقعی ایجاد میکند.
در این دوره، به مدرس و متخصص هوش مصنوعی، Laurence Moroney بپیوندید زیرا او اصول فنی اساسی را که برای کار مطمئن با هوش مصنوعی به آنها نیاز دارید، شرح میدهد. یاد بگیرید چگونه بین پارادایمهای هوش مصنوعی تمایز قائل شوید، تشخیص دهید چه زمانی یک مسئله به رویکرد مبتنی بر یادگیری نیاز دارد در مقابل کد سنتی، و سیستمهای هوش مصنوعی را با استفاده از معیارها و چارچوبهای ریسک مناسب ارزیابی کنید. در طول مسیر، واژگان خود را برای مفاهیم اصلی که یادگیری ماشین مدرن را پیش میبرند، از جمله مدلهای احتمالاتی، بهینهسازی و تعمیمپذیری بسازید.
تا پایان این دوره، شما به مهارتهای پرتقاضایی مجهز خواهید شد تا تصمیمهای فنی آگاهانه درباره هوش مصنوعی بگیرید - چه یک مهندس تازهکار باشید، چه یک فعال در حال رشد در حوزه یادگیری ماشین، یا صرفاً کنجکاو که بیشتر درباره چگونگی کار هوش مصنوعی بدانید.
اصول هوش مصنوعی: شروع کار با سیستمهای هوشمند
-
چرا سواد هوش مصنوعی برای مهندسان مهم است؟ 0:00:46
-
مسیر شغلی شما در هوش مصنوعی: از کد تا هوشمندی 0:04:04
-
قطعی در برابر احتمالاتی: هوش مصنوعی سنتی در برابر generative AI 0:04:21
-
ردهبندی هوش مصنوعی: توضیح هوش مصنوعی، یادگیری ماشین و یادگیری عمیق 0:03:36
-
هوش مصنوعی محدود در برابر هوش مصنوعی عمومی: آنچه مهندسان باید بدانند 0:04:22
-
گردش کار داده در هوش مصنوعی: از داده خام تا پیشبینیها 0:04:08
-
الگوریتمهای جستجو: ماشینها چگونه راهحل پیدا میکنند؟ 0:03:29
-
گرافهای دانش و هستیشناسیها: ساختاردهی به هوشمندی 0:03:42
-
سیستمهای مبتنی بر منطق و قانون: هوش مصنوعی اولیه 0:03:42
-
چرا برنامهنویسی صریح کافی نیست؟ 0:03:01
-
مدل چیست؟ هسته اصلی یادگیری ماشین 0:03:36
-
استخراج ویژگی و بردارها: تبدیل واقعیت به داده 0:03:13
-
یادگیری نظارتشده: آموزش با برچسبها 0:02:54
-
یادگیری بدون نظارت: کشف الگوهای پنهان 0:02:53
-
یادگیری تقویتی: یادگیری از طریق پاداشها 0:02:36
-
آموزش در برابر استنتاج: ساختن مدل در برابر استفاده از مدل 0:02:41
-
پرسپترون: تولد شبکههای عصبی 0:02:21
-
یادگیری عمیق: قدرت از طریق لایهها 0:02:35
-
generative AI: ماشینهایی که خلق میکنند 0:03:04
-
مدلهای زبانی بزرگ: چرا اهمیت دارند؟ 0:03:46
-
مدلهای انتشار: تولید تصاویر با ریاضیات 0:02:38
-
معیارهای مهم: فراتر از دقت 0:02:58
-
بیشبرازش و کمبرازش: پرهیز از دامهای مدل 0:03:16
-
تعصب ورودی، تعصب خروجی: شناسایی و کاهش تعصب 0:03:28
-
تفسیرپذیری و اعتماد: شفافسازی هوش مصنوعی 0:02:09
-
انتخاب مورد استفاده مناسب: چه زمانی هوش مصنوعی منطقی است؟ 0:02:45
-
گامهای بعدی شما در مهندسی هوش مصنوعی 0:02:59
مشخصات آموزش
اصول هوش مصنوعی: شروع کار با سیستمهای هوشمند
- تاریخ به روز رسانی: 1405/04/02
- سطح دوره:مقدماتی
- تعداد درس:27
- مدت زمان :1:25:03
- حجم :261.0MB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy
آموزش های مرتبط
- زمان: 06:58:57
- تعداد درس: 60
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 02:27:39
- تعداد درس: 24
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 03:02:02
- تعداد درس: 14
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 58:00
- تعداد درس: 12
-
سطح دوره:
-
زبان: دوبله فارسی
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 11:25:13
- تعداد درس: 94
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 08:11:21
- تعداد درس: 28
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 09:44:25
- تعداد درس: 67
-
سطح دوره:
-
زبان: دوبله فارسی
- زمان: 04:52:43
- تعداد درس: 38
-
سطح دوره:
-
زبان: دوبله فارسی