تسلط به هوش مصنوعی
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- دانشجویان درک کاملی از تعریف و تکامل تاریخی هوش مصنوعی کسب خواهند کرد.
- دانشجویان خواهند دید که چگونه فناوریهای هوش مصنوعی صنایع را متحول کرده و مسائل پیچیده را حل میکنند.
- دانشجویان مسئولیتهای مرتبط با فناوریهای هوش مصنوعی، از جمله مباحثی مانند تعصب، انصاف، شفافیت و حریم خصوصی را بررسی خواهند کرد.
- این دوره دانشجویان را به مهارتهای ضروری یادگیری ماشین، از جمله تکنیکهای یادگیری نظارت شده برای پیشبینی و طبقهبندی مجهز خواهد کرد.
- دانشجویان درک جامعی از یادگیری عمیق، از جمله اصول و تکنیکهای پشت شبکههای عصبی مصنوعی کسب خواهند کرد.
- دانشجویان چگونگی عملکرد شبکههای عصبی پیشخور و چگونگی استفاده از آنها برای تسکهای مختلف هوش مصنوعی را خواهند آموخت.
- دانشجویان توابع فعالسازی مختلف مورد استفاده در شبکههای عصبی را بررسی کرده و نقش آنها را در مدلسازی داده پیچیده درک خواهند کرد.
- دانشجویان چگونگی استفاده از شبکههای عصبی کانولوشنال (CNNs) برای تشخیص و پردازش تصویر را خواهند آموخت.
- دانشجویان درک خواهند کرد که چگونه شبکههای عصبی بازگشتی (RNNs) میتوانند در تسکهایی که شامل توالی هستند، مانند پردازش زبان طبیعی و تحلیل سریهای زمانی، اعمال شوند.
- دانشجویان در یک پروژه نهایی عملی شرکت خواهند کرد. این پروژه آنها را ملزم میکند تا مفاهیم آموخته شده را برای حل چالشهای هوش مصنوعی در دنیای واقعی اعمال کنند.
توضیحات دوره
تسلط به هوش مصنوعی: راهنمای کامل شما برای AI
به دوره جامع هوش مصنوعی آکادمی خودآموز Selfcode خوش آمدید! چه مبتدی باشید و چه یک علاقهمند باتجربه به فناوری، این برنامه برای توانمندسازی شما با مهارتها و دانش لازم برای برتری در دنیای هیجان انگیز هوش مصنوعی طراحی شده است.
چه کسانی میتوانند بهره مند شوند؟
- مبتدیان: هیچ تجربه قبلی در AI لازم نیست! این دوره برای کسانی که سفر AI خود را آغاز میکنند عالی است.
- دانشجویان: چه در دبیرستان، دانشگاه یا تحصیلات تکمیلی باشید، این دوره مکمل فعالیتهای علمی شما است.
- متخصصان: به دنبال افزایش چشم انداز شغلی خود هستید؟ از زمینه دیگری به AI تغییر میدهید؟ مشکلی نیست! این دوره برای شما طراحی شده است.
- نوآوران فناوری: کارآفرینان و افراد رویایی، آماده تبدیل مفاهیم AI خود به واقعیت شوید.
- علاقهمندان به داده: اگر به داده علاقهمند هستید و میخواهید از پتانسیل آن با هوش مصنوعی استفاده کنید، این دوره دروازه شماست.
- یادگیرندگان مادام العمر: با آخرین پیشرفتهای AI بروز باشید و به بخشی از جامعه آگاه به فناوری تبدیل شوید.
برجستههای دوره:
ماژول 1: آشنایی با هوش مصنوعی
- تعریف هوش مصنوعی و کشف تاریخ جذاب آن
- بررسی تأثیر هوش مصنوعی در مراقبت های بهداشتی، امور مالی و صنایع مختلف
- بررسی در ملاحظات اخلاقی مهم در هوش مصنوعی
ماژول 2: اصول یادگیری ماشین
- یادگیری چگونگی پیش بینی و دسته بندی داده از طریق یادگیری نظارت شده
- کشف الگوها در داده بدون برچسب با استفاده از یادگیری بدون نظارت
- ارزیابی عملکرد مدل با استفاده از معیارهای اساسی مانند دقت، صحت و فراخوانی
ماژول 3: یادگیری عمیق و شبکه های عصبی
- درک پیچیدگی های شبکه های عصبی مصنوعی (ANNs)
- بررسی در شبکه های عصبی پیشخور، توابع فعال سازی و کاربردهای آنها
- کسب تجربه عملی با شبکه های عصبی پیچشی و بازگشتی (CNNs و RNNs)
ماژول 4: پردازش زبان طبیعی (NLP)
- آماده سازی داده متنی برای تحلیل با تکنیک های پیش پردازش پیشرفته
- انجام تحلیل احساسات و طبقه بندی متن
- تولید متن منسجم با استفاده از مدل های پیشرفته هوش مصنوعی
ماژول 5: بینایی کامپیوتر
- تسلط به تکنیک های پردازش تصویر و استخراج ویژگی
- تشخیص اشیاء و قطعه بندی تصاویر به طور موثر
- استفاده از CNNs برای طبقه بندی تصویر
ماژول 6: یادگیری تقویتی
- بررسی اصول یادگیری تقویتی و فرآیندهای تصمیم گیری مارکوف (MDPs)
- پیاده سازی الگوریتم های یادگیری Q و تکرار مقدار برای حل مسائل پیچیده
ماژول 7: پروژه نهایی
- اعمال تخصص جدید هوش مصنوعی خود برای حل چالش های دنیای واقعی
در این ماجراجویی هیجان انگیز هوش مصنوعی با ما همراه شوید! پروژه های عملی، توضیحات واضح و انجمن حامی ما، اعتماد به نفس شما را برای مقابله با چالش های هوش مصنوعی و مشارکت در آینده فناوری افزایش می دهد. سفر خود را به سوی تسلط به هوش مصنوعی امروز آغاز کنید!
تمام فایل های منبع در ویدئوی 1 بخش 1 اضافه شده اند.
این دوره برای چه کسانی مناسب است؟
- مبتدیان هوش مصنوعی: افرادی که کاملاً با زمینه هوش مصنوعی ناآشنا هستند و می خواهند مفاهیم اصولی و کاربردهای عملی آن را کشف کنند، از این دوره بهره مند خواهند شد. ما یک اصول محکم برای کسانی که هیچ تجربه قبلی ندارند فراهم می کنیم.
- دانشجویان: دانش آموزان دبیرستانی، دانشجویان کارشناسی و کارشناسی ارشد که در رشته های علوم کامپیوتر، علم داده، مهندسی یا رشته های مرتبط تحصیل می کنند می توانند از این دوره برای تکمیل دانش آکادمیک خود و کسب تجربه عملی در هوش مصنوعی استفاده کنند.
- متخصصانی که به دنبال پیشرفت شغلی هستند: متخصصان شاغل که به دنبال تغییر شغل به نقش های مرتبط با هوش مصنوعی یا ارتقای مهارت های موجود خود هستند، این دوره را ارزشمند خواهند یافت. این دوره بینش های عملی و تجربه عملی قابل استفاده در صنایع مختلف را ارائه می دهد.
- کارآفرینان و نوآوران: افرادی که علاقه مند به ایجاد راه حل های مجهز به هوش مصنوعی، استارتاپ ها یا نوآوری های فناوری هستند، یک اصول قوی در مفاهیم و تکنیک های هوش مصنوعی برای زنده کردن ایده های خود به دست خواهند آورد.
- علاقه مندان به داده: هر کسی که علاقه مند به تحلیل داده، یادگیری ماشین یا تصمیم گیری داده محور است می تواند از این دوره برای کسب مهارت های لازم برای کار با فناوری های هوش مصنوعی و یادگیری ماشین استفاده کند.
- علاقه مندان به هوش مصنوعی: کسانی که علاقه عمومی به هوش مصنوعی، رباتیک و اتوماسیون دارند می توانند با کسب درک جامعی از اصول و کاربردهای واقعی هوش مصنوعی، کنجکاوی خود را برطرف کنند.
- یادگیرندگان مادام العمر: افرادی که یادگیرنده مادام العمر هستند و مشتاق کشف فناوری های پیشرفته و بروز ماندن با آخرین پیشرفت ها در هوش مصنوعی و یادگیری ماشین هستند، این دوره را جذاب و آموزنده خواهند یافت.
- این دوره به گونه ای طراحی شده است که فراگیر باشد و محتوای آن به گونه ای ساختار یافته است که یادگیرندگان با سطوح مختلف تخصص را در بر گیرد. چه یک مبتدی کامل باشید و چه کسی که به دنبال تعمیق دانش خود در هوش مصنوعی است، دوره ما یک مسیر یادگیری انعطاف پذیر برای رفع نیازها و علایق شما فراهم می کند.
تسلط به هوش مصنوعی
-
آشنایی با هوش مصنوعی 17:20
-
تاریخ و انواع هوش مصنوعی 18:09
-
کاربرد هوش مصنوعی 14:07
-
ملاحظات اخلاقی در هوش مصنوعی 13:02
-
اصول یادگیری ماشینی 20:35
-
جلسه آزمایشگاهی پیشپردازش داده ML 28:55
-
معیارهای ارزیابی 09:09
-
انواع یادگیری ماشین و الگوریتمهای یادگیری ماشین نظارتشده 18:26
-
مدل مبتنی بر رگرسیون خطی - جلسه آزمایشگاهی 17:43
-
الگوریتمهای یادگیری ماشین نظارتشده 24:52
-
مقایسه الگوریتمهای طبقهبندی 29:22
-
یادگیری بدون نظارت 13:12
-
مدل خوشهبندی K-Means 15:56
-
آشنایی با یادگیری عمیق و شبکههای عصبی 10:16
-
آشنایی با یادگیری عمیق و شبکههای عصبی - بخش 2 16:21
-
مدل شبکههای عصبی مصنوعی 27:27
-
شبکه های عصبی کانولوشن 12:44
-
CNN برای طبقهبندی تصویر 33:22
-
شبکههای عصبی بازگشتی 11:34
-
مدل نقطههای خورشیدی RNN 31:18
-
آشنایی با پردازش زبان طبیعی 19:53
-
پیشپردازش متن 15:35
-
مدل پیشپردازش متن 23:59
-
تحلیل احساسات 19:09
-
مدلسازی و تولید زبان 10:27
-
مدل تحلیل احساسات 37:05
-
آشنایی با بینایی ماشین 13:56
-
پردازش تصویر 13:48
-
استخراج ویژگی 06:33
-
تشخیص اشیاء 12:43
-
تقسیمبندی تصویر 09:08
-
فرآیند تقسیمبندی تصویر و طبقهبندی تصویر 21:21
-
مدل تشخیص ماسک صورت 46:29
-
مقدمهای بر یادگیری تقویتی 41:01
-
الگوریتمهای یادگیری تقویتی 12:02
-
مدل یادگیری تقویتی 15:32
-
پروژه نهایی - مدل پیشبینی بیماری قلبی 58:38
مشخصات آموزش
تسلط به هوش مصنوعی
- تاریخ به روز رسانی: 1404/06/14
- سطح دوره:همه سطوح
- تعداد درس:37
- مدت زمان :12:41:09
- حجم :6.12GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy