تسلط به Machine Muse - ساخت Generative AI با یادگیری ماشین
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- پیادهسازی کاربردهای عملی generative AI در حوزههای مختلف
- ساخت و استقرار مدلهای generative AI با استفاده از فریمورکها و ابزارهای محبوب
- ایجاد مدلهای مولد با استفاده از تکنیکهای یادگیری ماشین
- آموزش هوش مصنوعی برای تولید فرمتهای خلاقانه متنی (مثل شعر)
- تسلط به اصول شبکه مولد متخاصم (GANs)
- درک اصول generative AI و یادگیری ماشین
پیشنیازهای دوره
- تجربه قبلی با هوش مصنوعی یا یادگیری عمیق نیاز نیست، اما مفید خواهد بود.
- کامپیوتری با دسترسی به اینترنت برای دانلود نرمافزارها و ابزارهای لازم
- درک اولیه از مفاهیم برنامهنویسی (ترجیحاً به زبان پایتون)
- کدنویسان کنجکاو با درک اولیه از پایتون
- هنرمندان و طراحانی که میخواهند ابزارهای مجهز به هوش مصنوعی را بررسی کنند.
- کسی که به پتانسیل generative AI علاقهمند است.
توضیحات دوره
شما پتانسیل خلاقانه هوش مصنوعی را با دوره «تسلط به Machine Muse - ساخت generative AI با یادگیری ماشین» کشف میکنید. این دوره جامع شما را به دنیای هیجانانگیز generative AI میبرد و هنر یادگیری ماشین را با علم خلاقیت ترکیب میکند. چه دانشجوی علم داده باشید، چه دوستدار فناوری، یا یک حرفهای خلاق که به دنبال استفاده از قدرت هوش مصنوعی است، این دوره به شما مهارتها و دانش لازم برای ساخت و استقرار مدلهای مولد را ارائه میدهد.
نکات برجسته دوره:
- آشنایی با generative AI - درک اصول generative AI و کاربردهای آن در حوزههای مختلف مانند هنر، موسیقی، متن و طراحی
- اصول یادگیری ماشین - یادگیری مفاهیم کلیدی یادگیری ماشین، از جمله یادگیری نظارت شده و نظارت نشده و نحوه کاربرد آنها در مدلهای مولد
- یادگیری عمیق برای خلاقیت - بررسی عمیق شبکههای عصبی و درک معماریهایی مانند GANs (شبکههای مولد متخاصم)، VAEs (رمزگذارهای خودکار واریاسونال) و ترنسفرمرهایی که تحولی در generative AI ایجاد کردهاند.
- پروژههای عملی - شرکت در پروژههای کاربردی و عملی که شما را در مسیر ساخت مدلهای مولد راهنمایی میکنند. از تولید هنر تا آهنگسازی، هیجان ایجاد با هوش مصنوعی را تجربه خواهید کرد.
- برنامهنویسی پایتون - کسب تخصص در برنامهنویسی پایتون با تمرکز بر کتابخانهها و فریمورکهای ضروری برای generative AI مانند تنسورفلو، PyTorch و کراس
- اخلاق و آینده Generative AI - بحث درباره ملاحظات اخلاقی و پیامدهای آینده Generative AI تا به خوبی برای ناوبری این حوزه به سرعت در حال تحول مجهز باشید.
کسانی که باید در دوره شرکت کنند:
- دانشمندان داده و مهندسان یادگیری ماشین که میخواهند در مدلهای مولد تخصص پیدا کنند.
- هنرمندان، موسیقیدانان و طراحانی که علاقهمند به بررسی هوش مصنوعی به عنوان ابزاری برای خلاقیت هستند.
- دوستداران فناوری و نوآورانی که مشتاق پیشی گرفتن در زمینه هوش مصنوعی هستند.
- دانشجویان و متخصصانی که هدفشان ارتقای مجموعه مهارتهای خود با فناوریهای پیشرفته است.
پیشنیازهای دوره:
- درک اولیه از برنامهنویسی پایتون
- آشنایی با مفاهیم یادگیری ماشین مفید است ولی الزامی نیست.
نتایج دوره:
- تسلط خوبی به مفاهیم و تکنیکهای generative AI خواهید داشت.
- قادر خواهید بود مدلهای مولد را با استفاده از فریمورکهای پیشرفته یادگیری ماشین بسازید و آموزش دهید.
- درک کاملی از ملاحظات اخلاقی و تأثیرات بالقوه generative AI خواهید داشت.
- آماده خواهید بود تا مهارتهای generative AI را در پروژههای واقعی و اپلیکیشنهای نوآورانه اعمال کنید.
در دوره «تسلط به Machine Muse - ساخت generative AI با یادگیری ماشین» به ما بپیوندید و به یک سفر خلاقانه را شروع کنید که فناوری را با تخیل ترکیب میکند و شما را قادر میسازد تا آینده خلاقیت هوش مصنوعی محور را شکل دهید.
این دوره برای چه کسانی مناسب است؟
- تجربه اولیه در برنامهنویسی (پایتون ترجیح داده میشود، اما الزامی نیست.)
- دانشجویان علم داده، علاقهمندان به یادگیری ماشین، توسعهدهندگان نرمافزار و متخصصان فناوری که میخواهند به دنیای generative AI بپردازند.
- دانشجویان و محققانی که میخواهند مفاهیم و کاربردهای پیشرفته هوش مصنوعی را بررسی نمایند.
تسلط به Machine Muse - ساخت Generative AI با یادگیری ماشین
-
رگرسیون لجستیک - از صفر تا صد 11:00
-
رمزگشایی از ریاضیات رگرسیون لجستیک 09:37
-
رگرسیون لجستیک - مثالهای واقعی که نمیتوانید نادیده بگیرید 10:18
-
پاکسازی داده - قهرمان ناشناخته یادگیری ماشین 12:05
-
جادوی مهندسی ویژگی - تبدیل داده خود 08:42
-
شناخت مدل خود - متریکهای ارزیابی اساسی 07:39
-
NLP برای مبتدیان - شروع با رگرسیون لجستیک 08:16
-
قدرتبخشی به NLP خود با تکنیکهای پیشرفته 13:04
-
یادگیری انتقالی - میانبری که برای NLP نیاز دارید 07:15
-
رام کردن داده کووید 19 - راهنمای دانشمند داده 10:38
-
آشکارسازی روندهای کووید 19 - بینشهای داده محور 07:03
-
چرخه عمر یادگیری ماشین - از داده تا استقرار 10:27
-
پیشپردازش متن - پاکسازی عمل خود 12:47
-
پیشپردازش متن پیشرفته - کشف الگوهای پنهان 14:28
-
داستانسرایی با داده متنی - تسلط به EDA 10:24
-
مهندسی ویژگی - راز موفقیت NLP 09:12
-
بهینهسازی مدل خود - نکات تیونینگ هایپرپارامتر 07:55
-
یافتن هایپرپارامترهای عالی - راهنمایی عملی 06:38
-
منظمسازی - جلوگیری از بیش برازش مانند یک حرفهای 09:10
-
کدام مدل برنده می شود؟ یک نمایش 09:41
-
رگرسیون خطی - بلوک سازنده یادگیری ماشین 07:04
-
رگرسیون خطی - مدلهای ساده، تاثیر بزرگ 06:13
-
ارتقای بازی رگرسیون خطی خود 09:21
-
درختان تصمیمگیری - آسان برای درک، قدرتمند برای استفاده 06:50
-
درختان تصمیمگیری - بلوکهای سازنده 08:05
-
تسلط به آنتروپی و افزایش اطلاعات 07:17
-
اجتناب از بیش برازش - بررسی عمیق درختان تصمیمگیری 07:36
-
مدیریت داده دستهبندی شده - استایل درخت تصمیمگیری 07:37
-
آموزش و غلبه کردن - تسلط به درخت تصمیمگیری 07:11
-
بینشهای داده محور - تحلیل تکمتغیره 11:20
-
مصورسازی داده - روایت داستان خود به صورت ویژوال 13:04
-
شناسایی روندها - داده پرت و همبستگیها 14:19
-
مصورسازی پیشرفته - کشف بینشهای پنهان 12:13
-
تحلیل دومتغیره - آشکارسازی روابط 12:29
-
تحلیل چندمتغیره - تسلط به پیچیدگی 10:38
-
تحلیل سری زمانی - پیشبینی آینده 07:10
-
خوشهبندی K-means - یافتن افراد خود 09:20
-
تسلط به K-means - نکات و ترفندها 10:06
-
K-means در عمل - مثالهای واقعی 10:52
-
فراتر از K-means - تکنیکهای خوشهبندی پیشرفته 09:06
-
ارزیابی خوشههای شما - آیا منطقی است؟ 06:14
مشخصات آموزش
تسلط به Machine Muse - ساخت Generative AI با یادگیری ماشین
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:41
- مدت زمان :06:30:24
- حجم :3.84GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy