آموزش Generative AI برای مبتدیان - اصول AI ،ML و LLM

آنچه یاد خواهید گرفت:

• اصول هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را درک کنید.
• تفاوت بین سیستم‌های AI و غیر AI و حجم‌های کاری واقعی AI را بشناسید.
• یاد بگیرید مدل‌های یادگیری ماشین چگونه آموزش داده می‌شوند، ارزیابی می‌شوند و به‌کار گرفته می‌شوند.
• شبکه‌های عصبی را درک کنید، از جمله CNNs و RNNs، خودرمزگذارها و یادگیری عمیق
• یک بررسی و روشن از Generative AI و کاربردهای آن در صنایع مختلف به دست آورید.
• یاد بگیرید GANs، مدل‌های انتشار و ترنسفرمرها چگونه کار می‌کنند؟
• توکن‌ها، تعبیه‌ها و معماری ترنسفرمر را درک کنید.
• مدل‌های زبانی بزرگ (LLMs) و مدل‌های زبانی کوچک را بررسی کنید.
• با مدل‌های متن‌باز، اختصاصی و مدل‌های بنیادی آشنا شوید.
• تفاوت فاین تیونینگ و آموزش مدل‌های هوش مصنوعی را درک کنید.
• ایجنت‌های هوش مصنوعی، اصول هوش مصنوعی مسئول و چالش‌های GenAI را بررسی کنید.
• درباره مسیرهای شغلی هوش مصنوعی و انتظارات صنعت شفافیت پیدا کنید.

پیش‌نیازهای دوره

• هیچ تجربه قبلی در هوش مصنوعی یا یادگیری ماشین لازم نیست.
• آشنایی پایه با کار با رایانه کافی است.
• دانش برنامه‌نویسی الزامی نیست (دوره مبتنی بر مفاهیم است.)
• کنجکاوی برای یادگیری نحوه کار سیستم‌های مدرن هوش مصنوعی و Generative AI 

توضیحات دوره

Generative AI به‌ سرعت در حال دگرگون کردن شیوه ساخت نرم‌افزارها، محصولات و کسب‌وکارها در صنایع مختلف است. این دوره برای آن طراحی شده تا یک مقدمه‌ای روشن، ساختاریافته و مبتدی پسند درباره هوش مصنوعی، یادگیری ماشین، شبکه‌های عصبی و Generative AI به شما ارائه دهد، بدون اینکه با ریاضیات سنگین یا کدنویسی پیچیده شما را تحت فشار قرار دهد.

ابتدا با اصول هوش مصنوعی آشنا می‌شوید؛ از جمله انواع مختلف سیستم‌های هوش مصنوعی، حجم‌های کاری واقعی هوش مصنوعی و کاربردهای رایج آن در صنعت

سپس دوره مفاهیم اصلی یادگیری ماشین را معرفی می‌کند: اینکه الگوریتم‌ها و مدل‌ها چگونه کار می‌کنند، مدل‌ها چگونه آموزش داده می‌شوند، ارزیابی می‌شوند و بهبود می‌یابند و یادگیری ماشین چگونه در گردش‌کارهای مدرن هوش مصنوعی و مسیرهای شغلی جای می‌گیرد.

در ادامه، با اصول شبکه‌های عصبی و یادگیری عمیق آشنا می‌شوید؛ از جمله پرسپترون‌ها، شبکه‌های کاملاً متصل، شبکه‌های عصبی کانولوشن (CNN)، شبکه‌های عصبی بازگشتی (RNN)، خودرمزگذارها و خودرمزگذارهای متغیر

این مباحث به‌صورت مفهومی توضیح داده می‌شوند تا درک کنید سیستم‌های مدرن هوش مصنوعی واقعاً چگونه کار می‌کنند.

سپس دوره وارد بخش Generative AI می‌شود و خانواده‌های مهم مدل‌ها مانند شبکه‌های مولد متخاصم (GAN)، مدل‌های انتشار و ترنسفرمرها را پوشش می‌دهد. شما مفاهیم کلیدی مانند توکن‌ها، تعبیه‌ها، معماری ترنسفرمر و اینکه مدل‌های زبانی بزرگ (LLM) چگونه ساخته، آموزش داده و فاین تیونینگ می‌شوند را یاد می‌گیرید. همچنین با مدل‌های متن‌باز و اختصاصی محبوب، ایجنت‌های هوش مصنوعی، اصول هوش مصنوعی مسئول و چالش‌های مرتبط با استقرار سیستم‌های Generative AI آشنا می‌شوید.

در طول دوره، آزمون‌ها و مثال‌های واقعی به تثبیت یادگیری شما کمک می‌کنند و امکان ارزیابی پیشرفتتان را فراهم می‌سازند. در پایان دوره، شما یک پایه مفهومی قوی در Generative AI خواهید داشت و با اطمینان می‌توانید ابزارهای پیشرفته‌تر، نقش‌های تخصصی یا مسیرهای یادگیری عملی در اکوسیستم هوش مصنوعی را دنبال کنید.

این دوره برای چه کسانی مناسب است؟

• مبتدیانی که می‌خواهند مسیر خود را در هوش مصنوعی و Generative AI آغاز کنند.
• دانشجویان و فارغ‌التحصیلان تازه‌کار که مسیرهای شغلی هوش مصنوعی و ML را بررسی می‌کنند.
• افراد شاغلی که می‌خواهند بدون ریاضیات سنگین یا کدنویسی، سواد هوش مصنوعی پیدا کنند.
• توسعه‌دهندگان و متخصصان IT که می‌خواهند نحوه کار سیستم‌های GenAI را درک کنند.
• مدیران محصول، تحلیل‌گران و متخصصان کسب‌وکار که با ابزارهای هوش مصنوعی کار می‌کنند.
• کسی که درباره LLMs، سیستم‌های شبیه ChatGPT و Generative AI کنجکاو است.