هوش مصنوعی با یادگیری ماشین و یادگیری عمیق

آنچه یاد خواهید گرفت:

• یادگیری ماشین فقط برای پیش‌بینی متن یا تشخیص صوت در گوشی هوشمند کاربرد ندارد.
• هوش مصنوعی را همراه با یادگیری ماشین و یادگیری عمیق، با مثال‌های عملی یاد بگیرید.
• اصطلاحات یادگیری ماشین، یادگیری ماشین از صفر تا صد
• یادگیری ماشین چیست؟
• شاخص‌های ارزیابی برای یادگیری ماشین در پایتون، یادگیری عمیق در پایتون
• یادگیری نظارت‌ شده و یادگیری بدون نظارت، یادگیری انتقالی، AI، برنامه‌نویسی هوش مصنوعی
• یادگیری ماشین با SciKit Learn
• پایتون، یادگیری ماشین و یادگیری عمیق با پایتون
• یادگیری ماشین از صفر تا صد
• یادگیری عمیق از صفر تا صد
• یادگیری ماشین به‌طور مداوم در صنایع و مسائل جدید به کار گرفته می‌شود. چه بازاریاب باشید، چه طراح بازی ویدئویی یا برنامه‌نویس
• یادگیری ماشین به سیستم‌هایی اشاره دارد که با استفاده از مدلی آموزش‌ دیده روی داده‌ واقعی، پیش‌بینی‌ها را انجام می‌دهند.
• امروزه یادگیری ماشین تقریباً در همه حوزه‌ها به کار می‌رود. از جمله تشخیص پزشکی، شناسایی چهره، پیش‌بینی آب‌وهوا و پردازش تصویر
• استفاده از یادگیری ماشین بدون کدنویسی ممکن است، اما ساخت سیستم‌های جدید معمولاً به کد نیاز دارد.
• بهترین زبان برای یادگیری ماشین چیست؟ پایتون پرکاربردترین زبان در یادگیری ماشین است.
• مهندسانی که سیستم‌های یادگیری ماشین می‌نویسند، اغلب از Jupyter Notebooks و پایتون در کنار هم استفاده می‌کنند.
• یادگیری ماشین به‌طور کلی به دو بخش یادگیری ماشین نظارت‌ شده و یادگیری ماشین بدون نظارت تقسیم می‌شود.
• مدرسان پایتون در Udemy در حوزه‌هایی از توسعه نرم‌افزار تا تحلیل داده تخصص دارند و به آموزش مؤثر و صمیمی خود شناخته می‌شوند.
• محدودیت‌های پایتون چیست؟ پایتون یک زبان برنامه‌نویسی عمومی و پرکاربرد است، اما محدودیت‌هایی هم دارد.
• پایتون چگونه استفاده می‌شود؟ پایتون یک زبان برنامه‌نویسی عمومی است که در صنایع و پلتفرم‌های مختلف به‌طور گسترده استفاده می‌شود.
• چطور به‌ تنهایی پایتون یاد بگیریم؟ پایتون سینتکس ساده‌ای دارد که آن را به زبان بسیار مناسبی برای یادگیری مبتدیان تبدیل می‌کند.

پیش‌نیازهای دوره

• عزم برای یادگیری هوش مصنوعی و صبر
• اشتیاق برای تسلط به پایتون، یادگیری ماشین از صفر تا صد، یادگیری عمیق از صفر تا صد
• انگیزه برای یادگیری دومین زبان برنامه‌نویسی پرتقاضا از نظر تعداد آگهی‌های شغلی در میان همه زبان‌ها
• یاد بگیرید چگونه الگوریتم‌های یادگیری ماشین و یادگیری عمیق را در کد پایتون ایجاد کنید؛ قالب‌های کد نیز شامل شده‌اند.
• اشتیاق برای یادگیری هوش مصنوعی، یادگیری عمیق، روش‌های یادگیری ماشین، یادگیری نظارت‌ شده
• اشتیاق برای یادگیری تاریخچه یادگیری ماشین، AI، یادگیری مصنوعی
• اشتیاق برای یادگیری اصول یادگیری ماشین، یادگیری عمیق، هوش مصنوعی، AI و TensorFlow

توضیحات دوره

به دوره «هوش مصنوعی با یادگیری ماشین و یادگیری عمیق» خوش آمدید.

آیا آماده‌اید وارد دنیای هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده، Generative AI، برنامه‌نویسی پایتون، تحلیل داده، مصورسازی داده، Kaggle و گردش‌کارهای علم داده مجهز به AI شوید؟

این دوره یکی از جامع‌ترین و کاربردی‌ترین دوره‌های هوش مصنوعی با یادگیری ماشین و یادگیری عمیق است که برای دانشجویان، توسعه‌دهندگان، تحلیل‌گران داده، علاقه‌مندان به علم داده، علاقه‌مندان به AI، برنامه‌نویسا پایتون و حرفه‌ای‌هایی طراحی شده که می‌خواهند مهارت‌های واقعی و قدرتمندی در یادگیری ماشین، علم داده، یادگیری عمیق، مصورسازی داده، تحلیل اکتشافی داده (EDA)، پروژه‌های Kaggle و ابزارهای Generative AI کسب کنند.

آنچه شما در طول دوره یاد خواهید گرفت:

• هوش مصنوعی (AI)
• یادگیری ماشین
• یادگیری عمیق
• برنامه‌نویسی پایتون
• علم داده
• تحلیل داده
• مصورسازی داده
• تحلیل اکتشافی داده (EDA)
• NumPy
• Pandas
• Matplotlib
• Seaborn
• Plotly
• الگوریتم‌های یادگیری ماشین
• مفاهیم یادگیری عمیق
• یادگیری انتقالی
• TensorFlow
• Scikit-Learn
• Kaggle
• مهندسی ویژگی
• بهینه‌سازی هایپرپارامترها
• ارزیابی مدل
• طبقه‌بندی و رگرسیون
• خوشه‌بندی و PCA
• علم داده مبتنی بر AI
• ChatGPT
• DeepSeek AI
• Claude AI
• Gemini AI
• Copilot AI
• Grok AI
• گردش‌کارهای Generative AI برای علم داده

این دوره فقط درباره تئوری نیست.

این دوره به‌ صورت یک بوت‌کمپ عملی هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و علم داده طراحی شده است؛ با پروژه‌های واقعی، داده‌ واقعی، مثال‌های کاربردی، گردش‌کارهای یادگیری ماشین، مطالعات مصورسازی، پروژه‌های Kaggle، سیستم‌های تحلیل مبتنی بر AI و پیاده‌سازی‌های گام‌به‌گام

شما پروژه‌های واقعی را با استفاده از موارد زیر خواهید ساخت:

• یادگیری ماشین با پایتون
• یادگیری عمیق با TensorFlow
• تحلیل داده با Pandas
• مصورسازی داده با Matplotlib و Seaborn و Plotly
• EDA (تحلیل اکتشافی داده)
• داده‌ Kaggle و رقابت‌های Kaggle
• پروژه پیش‌بینی حمله قلبی
• پروژه تحلیل داده‌ درگیری
• گردش‌کارهای علم داده مبتنی بر AI
• ChatGPT برای تحلیل داده
• DeepSeek AI برای علم داده
• Gemini AI برای تحلیل مجموعه‌ داده
• Claude AI برای پردازش متن‌های طولانی
• Copilot AI برای افزایش بهره‌وری
• Generative AI برای پروژه‌های یادگیری ماشین

امروزه فناوری‌های هوش مصنوعی و یادگیری ماشین در حال متحول کردن همه صنایع هستند.

از سلامت و امنیت سایبری تا مالی و آموزش، از بازاریابی تا مهندسی نرم‌افزار، از سیستم‌های توصیه‌گر تا دستیارهای AI، از تحلیل پیش‌بینانه تا بینایی ماشین، یادگیری ماشین و هوش مصنوعی همه‌جا حضور دارند.

به همین دلیل است که مهارت‌های علم داده، هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، برنامه‌نویسی پایتون و Generative AI از پرتقاضاترین مهارت‌های جهان امروز هستند.

چه شما:

• مبتدی کامل باشید.
• توسعه‌دهنده پایتون باشید.
• دانشجوی دانشگاه باشید.
• تحلیل‌گر داده باشید.
• مهندس نرم‌افزار باشید.
• دانشمند داده آینده باشید.
• علاقه‌مند به AI باشید.
• یا کسی باشید که می‌خواهد کار خود را در حوزه هوش مصنوعی و علم داده آغاز کند،

این دوره برای شما طراحی شده است.

ما این دوره را به شکلی ساده، مبتدی‌پسند، کاربردی و مدرن طراحی کرده‌ایم.

شما گام‌به‌گام با موارد زیر یاد خواهید گرفت:

• مثال‌های عملی کدنویسی
• مجموعه‌ داده‌های واقعی
• توضیحات ویژوال
• گردش‌کارهای EDA
• پروژه‌های یادگیری ماشین
• مفاهیم یادگیری عمیق
• تمرین‌های Kaggle
• سیستم‌های تحلیل مجهز به AI
• و ابزارهای مدرن Generative AI

در پایان دوره، درک عمیقی از موارد زیر خواهید داشت:

هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده با پایتون، تحلیل داده، EDA، مصورسازی داده، گردش‌کارهای Kaggle، علم داده مجهز به AI، ابزارهای Generative AI و پروژه‌های واقعی یادگیری ماشین

چرا باید هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و علم داده را یاد بگیرید؟

فناوری‌های هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده، برنامه‌نویسی پایتون و Generative AI در حال تغییر آینده جهان هستند.

امروزه میلیون‌ها شرکت، استارتاپ، نهاد دولتی، سیستم‌های مراقبت‌های بهداشتی، بانک‌ها، شرکت‌های تجارت الکترونیک، شرکت‌های امنیت سایبری، آژانس‌های بازاریابی، شرکت‌های نرم‌افزاری و سازمان‌های فناوری جهانی به موارد زیر متکی هستند:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• علم داده
• تحلیل داده
• تحلیل پیش‌بینانه
• کلان‌ داده
• اتوماسیون AI
• Generative AI
• برنامه‌نویسی پایتون
• مصورسازی داده
• گردش‌کارهای مبتنی بر AI

تا سیستم‌های خود را بهبود دهند، فرایندها را خودکار کنند، داده‌ را تحلیل کنند، پیش‌بینی‌ها را انجام دهند، هزینه‌ها را کاهش داده و راهکارهای هوشمند بسازند.

به همین دلیل، مسیرهای شغلی در حوزه‌های زیر:

• هوش مصنوعی
• یادگیری ماشین
• علم داده
• یادگیری عمیق
• توسعه پایتون
• مهندسی AI
• تحلیل داده
• هوش تجاری
• Generative AI
• علم داده مبتنی بر AI

بیش از هر زمان دیگری در حال رشد هستند.

در این دوره، شما فقط تئوری پشت هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده با پایتون و Generative AI را یاد نمی‌گیرید، بلکه می‌آموزید چگونه این فناوری‌ها را در پروژه‌های واقعی و سناریوهای عملی به کار ببرید.

این دوره آموزش گسترده‌ای در زمینه‌های زیر ارائه می‌دهد:

• NumPy
• Pandas
• Matplotlib
• Seaborn
• Plotly
• Scikit-Learn
• TensorFlow
• الگوریتم‌های یادگیری ماشین
• مفاهیم یادگیری عمیق
• Kaggle
• EDA (تحلیل اکتشافی داده)
• پاکسازی داده
• مهندسی ویژگی
• بهینه‌سازی هایپرپارامترها
• ارزیابی مدل
• طبقه‌بندی
• رگرسیون
• خوشه‌بندی
• PCA
• یادگیری انتقالی
• شبکه‌های عصبی
• تحلیل داده مجهز به AI
• ChatGPT
• Claude AI
• Gemini AI
• DeepSeek AI
• Copilot AI
• Grok AI

همچنین گردش‌کارهای مدرن مبتنی بر AI را یاد خواهید گرفت، مانند:

• استفاده از ChatGPT برای علم داده
• استفاده از Generative AI برای EDA
• استفاده از ابزارهای AI برای تحلیل مجموعه‌ داده
• استفاده از AI برای مهندسی ویژگی
• استفاده از AI برای پشتیبانی از یادگیری ماشین
• استفاده از تحلیل اکتشافی داده با کمک AI
• مقایسه مدل‌های مختلف AI و دستیارهای AI
• درک اکوسیستم‌های مدرن AI

این دوره برای دانشجویانی طراحی شده که می‌خواهند مهارت‌های عملی قوی در زمینه‌های زیر بسازند:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• برنامه‌نویسی پایتون
• علم داده
• Kaggle
• تحلیل داده
• EDA
• مصورسازی داده
• Generative AI
• ابزارهای AI
• پروژه‌های واقعی یادگیری ماشین

شما روی داده‌ واقعی کار خواهید کرد و مطالعات عملی زیر را انجام می‌دهید:

• پروژه پیش‌بینی حمله قلبی
• پروژه تحلیل داده‌ درگیری
• پروژه‌های مدل‌سازی یادگیری ماشین
• پروژه‌های EDA
• پروژه‌های مصورسازی
• گردش‌کارهای Kaggle
• مطالعات علم داده مبتنی بر AI

در طول دوره، شما موارد زیر را انجام خواهید داد:

• پاکسازی داده
• مهندسی ویژگی
• مصورسازی
• تحلیل آماری
• تشخیص داده‌ پرت
• تحلیل خوشه‌بندی
• تحلیل PCA
• مدل‌سازی یادگیری ماشین
• بهینه‌سازی هایپرپارامترها
• ارزیابی مدل
• تحلیل اهمیت ویژگی
• مطالعات تفسیر مبتنی بر AI
• و گردش‌کارهای متمرکز بر استقرار

این دوره با ساختاری مناسب مبتدیان اما جامع طراحی شده است.

حتی اگر هرگز با موارد زیر کار نکرده باشید:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• پایتون
• علم داده
• Kaggle
• EDA
• ChatGPT
• یا ابزارهای Generative AI

باز هم می‌توانید به‌ راحتی دوره را دنبال کنید و مهارت‌های خود را گام‌به‌گام بسازید.

در عین حال، این دوره شامل گردش‌کارهای عملی پیشرفته برای موارد زیر نیز هست:

• توسعه‌دهندگان
• تحلیل‌گران
• مهندسان
• پژوهشگران
• دانشجویان دانشگاه
• و حرفه‌ای‌هایی که می‌خواهند دانش خود را در حوزه AI و علم داده ارتقا دهند.

با شرکت در این دوره، تجربه عملی در یکی از مهم‌ترین و سریع‌ترین حوزه‌های فناوری امروز به دست خواهید آورد:

در این دوره چه مواردی یاد خواهید گرفت؟

در این دوره، از اصول اولیه شروع می‌کنیم و گام‌به‌گام وارد دنیای موارد زیر می‌شویم:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• برنامه‌نویسی پایتون
• علم داده
• تحلیل داده
• تحلیل اکتشافی داده (EDA)
• مصورسازی داده
• Kaggle
• Generative AI
• علم داده مبتنی بر AI
• ابزارهای مدرن AI

این دوره هم توضیحات تئوری و هم پروژه‌های عملی و کاربردی را شامل می‌شود.

پیش از بسیاری از درس‌های عملی، ابتدا تئوری موضوع را یاد می‌گیرید و سپس دانش خود را با مثال‌های واقعی کدنویسی، مطالعات تحلیل داده، گردش‌کارهای مصورسازی، پروژه‌های یادگیری ماشین، تمرین‌های Kaggle و سیستم‌های تحلیل مبتنی بر AI تقویت می‌کنید.

آنچه شما در طول دوره یاد خواهید گرفت:

پایتون برای علم داده و یادگیری ماشین

• اصول برنامه‌نویسی پایتون
• پایتون برای تحلیل داده
• پایتون برای یادگیری ماشین
• پایتون برای هوش مصنوعی
• مثال‌های عملی پایتون
• پروژه‌های پایتون

NumPy و Pandas برای علم داده

• آرایه‌های NumPy
• عملیات‌های روی آرایه‌ها
• عملیات‌عای آماری
• دستکاری داده
• سری‌ها و دیتافریم‌های Pandas
• پاکسازی داده
• مقادیر گمشده
• عملیات‌های GroupBy
• عملیات‌های ادغام و جوین
• ساختارهای چندایندکسی
• عملیات‌های فایل با CSV و Excel

مصورسازی داده و تحلیل اکتشافی داده (EDA)

• Matplotlib
• Seaborn
• Plotly
• تکنیک‌های مصورسازی داده
• تحلیل اکتشافی داده
• تحلیل تک‌متغیره
• تحلیل دومتغیره
• نقشه‌های حرارتی
• نمودارهای جفت
• نمودارهای ازدحام
• نمودارهای جعبه‌ای
• نمودارهای دایره‌ای
• تحلیل توزیع
• تحلیل همبستگی
• تشخیص داده‌ پرت
• تحلیل آماری
• آزمون‌های نرمال بودن
• تحلیل Z-Score
• مصورسازی‌های تعاملی

یادگیری ماشین با پایتون

• یادگیری ماشین چیست؟
• اصطلاحات یادگیری ماشین
• طبقه‌بندی در برابر رگرسیون
• متریک‌های ارزیابی
• اعتبارسنجی متقابل
• توازن بایاس و واریانس
• بهینه‌سازی هایپرپارامترها
• مهندسی ویژگی
• ارزیابی مدل
• اهمیت ویژگی

الگوریتم‌های یادگیری ماشین

• رگرسیون خطی
• رگرسیون لجستیک
• نزدیک‌ترین همسایه K (KNN)
• درخت تصمیم
• چنگل تصادفی
• ماشین‌های بردار پشتیبان (SVM)
• خوشه‌بندی K-Means
• خوشه‌بندی سلسله‌مراتبی
• تحلیل مؤلفه‌های اصلی (PCA)
• Gradient Boosting
• CatBoost

یادگیری عمیق و شبکه‌های عصبی

• یادگیری عمیق چیست؟
• شبکه‌های عصبی مصنوعی (ANN)
• شبکه‌های عصبی کانولوشن (CNN)
• شبکه‌های عصبی بازگشتی (RNN)
• شبکه‌های LSTM
• یادگیری انتقالی
• اصول TensorFlow
• مفاهیم شبکه عصبی

Kaggle و پروژه‌های واقعی

• رقابت‌های Kaggle
• مجموعه‌ داده‌های Kaggle
• Notebookهای Kaggle
• انتشار پروژه‌ها در Kaggle
• کار با مجموعه داده‌های واقعی
• پروژه پیش‌بینی حمله قلبی
• پروژه تحلیل داده‌ درگیری
• گردش‌کارهای واقعی یادگیری ماشین

علم داده مجهز به AI و Generative AI

همچنین یاد خواهید گرفت چگونه از ابزارهای مدرن AI در گردش‌کارهای واقعی علم داده استفاده کنید.

این دوره شامل گردش‌کارهای عملی مبتنی بر AI با موارد زیر است:

• ChatGPT
• DeepSeek AI
• Claude AI
• Gemini AI
• Copilot AI
• Grok AI

آنچه شما یاد خواهید گرفت:

• تحلیل داده مبتنی بر AI
• EDA مبتنی بر AI
• گردش‌کارهای یادگیری ماشین با پشتیبانی AI
• تفسیر مجموعه‌ داده با AI
• مطالعات مصورسازی با پشتیبانی AI
• مهندسی ویژگی با کمک AI
• تحلیل آماری با کمک AI
• استفاده از پرامپت برای علم داده
• مقایسه ابزارهای مدرن AI
• استفاده از Generative AI برای بهره‌وری و تحلیل

همچنین مفاهیم مدرن اکوسیستم AI را یاد خواهید گرفت، مانند:

• Generative AI
• دستیارهای AI
• ابزارهای AI برای علم داده
• گردش‌کارهای بهره‌وری مبتنی بر AI
• گردش‌کارهای کدنویسی مبتنی بر AI
• سیستم‌های پژوهشی مبتنی بر AI

چرا باید این دوره را بگذرانید؟

چون این دوره ترکیبی از موارد زیر است:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• برنامه‌نویسی پایتون
• علم داده
• EDA
• مصورسازی داده
• Kaggle
• پروژه‌های واقعی
• Generative AI
• ابزارهای مدرن AI

در قالب یک تجربه یادگیری جامع، کاربردی، مناسب مبتدیان و مدرن.

این فقط یک دوره تئوری نیست.

این یک بوت‌کمپ عملی، پروژه‌محور و مجهز به AI در حوزه علم داده و یادگیری ماشین است که به شما کمک می‌کند با مجموعه داده‌های واقعی، گردش‌کارهای مدرن، مثال‌های کاربردی و ابزارهای مدرن هوش مصنوعی، مهارت‌های واقعی بسازید.

این دوره برای افراد زیر طراحی شده است:

• مبتدیان کامل
• توسعه‌دهندگان پایتون
• علاقه‌مندان به علم داده
• دانشمندان داده آینده
• علاقه‌مندان به یادگیری ماشین
• علاقه‌مندان به AI
• دانشجویان
• مهندسان
• تحلیل‌گران
• پژوهشگران
• حرفه‌ای‌هایی که می‌خواهند به حوزه AI و علم داده منتقل شوند.
• کسی که می‌خواهد هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده و Generative AI را با مثال‌های عملی یاد بگیرد.

آنچه این دوره را متفاوت می‌کند؟

برخلاف بسیاری از دوره‌های سنتی یادگیری ماشین، این دوره ترکیبی از موارد زیر است:

• یادگیری ماشین کلاسیک
• یادگیری عمیق
• علم داده
• مصورسازی
• EDA
• گردش‌کارهای Kaggle
• پروژه‌های واقعی
• گردش‌کارهای مبتنی بر AI
• ابزارهای مدرن Generative AI
• پیاده‌سازی‌های عملی

در یک اکوسیستم یادگیری بزرگ، شما فقط الگوریتم‌ها را یاد نخواهید گرفت، بلکه همچنین یاد خواهید گرفت:

• چگونه مجموعه‌ داده‌ها را تحلیل کنید؟
• چگونه داده را مصورسازی کنید؟
• چگونه نتایج را تفسیر کنید؟
• چگونه با Kaggle کار کنید؟
• چگونه از ابزارهای AI در علم داده استفاده کنید؟
• و اینکه گردش‌کارهای مدرن مجهز به AI در محیط‌های واقعی چگونه عمل می‌کنند؟

همین امروز به دوره بپیوندید!

هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، علم داده، برنامه‌نویسی پایتون، Generative AI و گردش‌کارهای مجهز به AI در حال شکل دادن به آینده فناوری هستند.

اکنون بهترین زمان برای کسب مهارت‌ها و تبدیل شدن به بخشی از این تحول است.

اگر آماده‌اید با مثال‌های عملی و پروژه‌های واقعی موارد زیر را یاد بگیرید:

• هوش مصنوعی
• یادگیری ماشین
• یادگیری عمیق
• برنامه‌نویسی پایتون
• علم داده
• تحلیل داده
• مصورسازی داده
• EDA
• Kaggle
• Generative AI
• علم داده مبتنی بر AI
• ابزارهای مدرن AI

پس همین حالا وارد شوید و سفر خود را در هوش مصنوعی و علم داده امروز آغاز کنید!

این دوره برای چه کسانی مناسب است؟

• کسی که می‌خواهد درک یادگیری ماشین را شروع کند.
• کسی که به یک راهنمای کامل برای شروع و ادامه مسیر شغلی خود با یادگیری ماشین نیاز دارد.
• دانشجویانی که به شروع کاربردهای علم داده در محیط پایتون علاقه‌مند هستند.
• افرادی که می‌خواهند در محیط Anaconda پایتون برای علم داده و محاسبات علمی تخصص پیدا کنند.
• دانشجویانی که می‌خواهند کاربرد یادگیری نظارت‌ شده (طبقه‌بندی) را روی مجموعه داده‌های واقعی با استفاده از پایتون یاد بگیرند.
• افرادی که می‌خواهند یادگیری ماشین، یادگیری عمیق و پایتون را یاد بگیرند.
• افرادی که می‌خواهند هوش مصنوعی را یاد بگیرند.
• افرادی که می‌خواهند هوش مصنوعی را همراه با یادگیری ماشین یاد بگیرند.
• افرادی که می‌خواهند هوش مصنوعی را همراه با یادگیری عمیق یاد بگیرند.
• افرادی که می‌خواهند هوش مصنوعی را همراه با یادگیری انتقالی و یادگیری نظارت‌ شده یاد بگیرند.
• افرادی که می‌خواهند هوش مصنوعی را همراه با یادگیری ماشین، یادگیری عمیق، یادگیری انتقالی، یادگیری نظارت‌ شده، روش‌های یادگیری ماشین بدون نظارت و AI یاد بگیرند.