مسترکلاس هوش مصنوعی: پروژههای دنیای واقعی AI
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- درک مفاهیم اصلی هوش مصنوعی و چگونگی شکلدهی هوش مصنوعی به آینده
- تشخیص تفاوتهای بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق
- شناسایی کاربردهای عملی هوش مصنوعی در حوزههایی مانند سلامت، مالی، خردهفروشی و دیگر زمینهها
- کسب تجربه عملی با ابزارهای پایهای هوش مصنوعی، پلتفرمها و موارد کاربرد
پیش نیازهای دوره
- نیازی به داشتن تجربه برنامهنویسی نیست. این دوره برای افراد کاملاً مبتدی طراحی شده است.
توضیحات دوره
قدرت هوش مصنوعی را با این کلاس تخصصی عمیق هوش مصنوعی که مخصوص مبتدیان، دانشجویان و حرفهایها برای کاوش آینده فناوری طراحی شده است، باز کنید.
این دوره جامع شما را از مفاهیم پایه به کاربردهای عملی و واقعی هوش مصنوعی میبرد. با استفاده از ابزارهای مدرن مانند ChatGPT ،Teachable Machine و Azure AI، بدون نیاز به دانش برنامهنویسی قبلی، تجربه عملی در ساخت مدلهای هوش مصنوعی کسب خواهید کرد.
چه دانشجو باشید و به هوش مصنوعی علاقهمند، چه یک حرفهای در حال انتقال به دنیای فناوری یا یک مدیر کسبوکار که میخواهد هوش مصنوعی را در فرآیندهای خود وارد کند، این دوره دانش، مهارت و اعتمادبهنفس لازم را برای شروع به شما میدهد.
در پایان دوره، مفاهیم اصلی یادگیری ماشین، یادگیری عمیق، پردازش زبان طبیعی و هوش مصنوعی اخلاقی را فرا خواهید گرفت. همچنین چند پروژه عملی خواهید داشت که نشان میدهد چگونه هوش مصنوعی در صنایعی مانند سلامت، مالی، آموزش و بازاریابی استفاده میشود.
این دوره به گونهای طراحی شده که جذاب، مناسب مبتدیان و مملو از بینشهای کاربردی باشد و نقطه شروع ایدهآلی برای هر کسی است که به هوش مصنوعی جدی است. همچنین روندهای آینده هوش مصنوعی، تکنیکهای مهندسی پرامپت و نحوه استفاده مسئولانه از هوش مصنوعی را بررسی خواهید کرد. خود را به ابزارهای پیشرفته و دانش عملی مجهز کنید که موضوعات پیچیده هوش مصنوعی را ساده، قابل فهم و قابل اجرا میکند.
این دوره برای چه کسانی مناسب است؟
- دانشجویان، حرفهایها یا هر کسی که به درک هوش مصنوعی و کاربردهای عملی آن بدون پیچیدگیهای برنامهنویسی علاقهمند است.
مسترکلاس هوش مصنوعی: پروژههای دنیای واقعی AI
-
مقدمه 21:13
-
علم داده بخش 2 22:46
-
علم داده بخش 3 21:13
-
آمادهسازی دادهها 20:23
-
مصورسازی دادهها و استخراج دادهها - آمادهسازی و مصورسازی داده - بخش 2 08:09
-
مصورسازی دادهها و استخراج دادهها - DS-DEX 08:09
-
خوشهبندی سلسلهمراتبی - Clust-1 11:33
-
ضریب همبستگی - Corre_Coefi-1 22:23
-
ضریب همبستگی - Corr-2A 04:11
-
همبستگی - بخش 3 24:04
-
همبستگی 14:59
-
تشخیص تقلب کارت اعتباری 40:34
-
بخشبندی مشتریان - Customer-1 17:42
-
درخت تصمیم گیری - Iris-DT-1 08:53
-
مصورسازی دادهها - DV-1 02:01:55
-
مصورسازی دادهها - - بخش 2 iris 16:06
-
مصورسازی دادهها- بخش 3 - پروازها 25:29
-
مصورسازی دادهها - بخش 4 - نکات 09:45
-
مصورسازی دادهها - کارکنان 23:07
-
تحلیل عاملی - FA-2 14:16
-
الگوریتم کی-نزدیکترین همسایه - دادههای iris 14:54
-
پیشبینی بیماری قلبی - Heart-1 30:49
-
بیماری قلبی - Heart-A 31:59
-
Jupyter - تمرینات Misc 29:13
-
K-2، خوشهبندی Kmeans 14:34
-
K-4، خوشهبندی 06:47
-
kNN - دادههای Iris 14:54
-
رگرسیون لجستیک - Log_Reg-2 10:21
-
رگرسیون لجستیک - Log_Reg-2 10:21
-
رگرسیون خطی - بخش 1 25:13
-
رگرسیون خطی - بخش 2 08:41
-
رگرسیون خطی - بخش 3 07:06
-
تحلیل سبد بازار - بخش 1 19:03
-
تحلیل سبد بازار - بخش 2 06:01
-
تحلیل سبد بازار - بخش 3 18:13
-
رگرسیون خطی چندگانه - بخش 2 11:00
-
رگرسیون خطی چندگانه - رگرسیون مسکن 18:43
-
تقویتکننده انتخاب مدل - بخش 1 11:52
-
تقویتکننده انتخاب مدل - بخش 2 (اعتبارسنجی متقاطع) 20:43
-
تقویتکننده انتخاب مدل - بخش 3 (آدا بوست) 09:43
-
رگرسیون خطی چندگانه - MLR نوشیدنی 23:03
-
مولفه اصلی، طبقهبندی سرطان پستان - PCA 09:22
-
مبانی پایتون 39:34
-
جنگل تصادفی 13:20
-
ماشین بردار پشتیبان - بخش 1 13:25
-
ماشین بردار پشتیبان - بخش 2 16:57
-
ماشین بردار پشتیبان - بخش 3 22:09
-
تحلیل سری زمانی - بخش 1 28:03
-
درک Jupyter - بخش 1 09:02
-
درک Jupyter - بخش 2 10:01
-
درک Jupyter - بخش 3 12:57
-
kNN 08:18
-
رگرسیون خطی - بخش 1 07:36
-
رگرسیون خطی - بخش 2 08:28
-
رگرسیون خطی - بخش 3 13:12
-
رگرسیون خطی - بخش 4 14:28
-
رگرسیون لجستیک 06:41
-
تحلیل سبد بازار - بخش 1 06:16
-
تحلیل سبد بازار - بخش 2 10:39
-
مبانی پایتون - بخش 1 13:02
-
مبانی پایتون - بخش 2 14:38
-
مبانی پایتون - بخش 3 12:29
-
مبانی پایتون - بخش 4 13:56
-
مبانی پایتون - بخش 5 14:31
-
مبانی پایتون - بخش 6 10:04
-
کتابخانههای پایتون - بخش 1 10:43
-
کتابخانههای پایتون - بخش 2 23:10
-
کتابخانههای پایتون - بخش 3 13:44
-
آمار - بخش 1 18:05
-
آمار - بخش 2 06:10
-
یادگیری تحت نظارت - بخش 1 (دادهکاوی) 18:06
-
یادگیری تحت نظارت - بخش 2 08:19
-
یادگیری تحت نظارت - بخش 3 (دادههای سری زمانی 2) 16:25
-
یادگیری تحت نظارت - بخش 3 (دادههای سری زمانی 2) 16:25
-
یادگیری بدون نظارت - بخش 1 06:48
-
یادگیری بدون نظارت - بخش 2 17:10
-
یادگیری بدون نظارت - بخش 3 08:26
-
یادگیری ماشین 06:41
-
یادگیری ماشین - بخش 1 15:32
-
یادگیری ماشین - بخش 2 08:48
-
یادگیری ماشین - بخش 3 09:44
-
یادگیری ماشین - بخش 4 10:12
-
یادگیری ماشین - بخش 5 19:55
-
یادگیری ماشین - بخش 6 13:09
مشخصات آموزش
مسترکلاس هوش مصنوعی: پروژههای دنیای واقعی AI
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:84
- مدت زمان :22:56:43
- حجم :13.2GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy