اصول AI/ML برای مبتدیان مطلق (AgenticAI + MLOps)
✅ سرفصل و جزئیات آموزش
آنچه یاد خواهید گرفت:
- یادگیری مفهوم واقعی یادگیری ماشین – درک واضح و مفهومی نحوه کارکرد یادگیری ماشین و تفاوت آن با برنامهنویسی سنتی
- بررسی انواع اصلی یادگیری ماشین – آشنایی با یادگیری تحت نظارت، بدون نظارت و تقویتی با توضیحات ساده و قابل فهم
- درک فرآیند کامل یادگیری ماشین – آشنایی با مراحل پایه در ساخت یک مدل یادگیری ماشین، از تهیه دادهها تا ارزیابی عملکرد
- آشنایی با الگوریتمهای محبوب ML – کشف الگوریتمهای پرکاربرد مانند رگرسیون خطی، درختهای تصمیم گیری و شبکههای عصبی - بدون نیاز به مطالعه جزئیات پیچیده
- مقدمهای بر Large Language Models (LLMs) – فهم نحوه عملکرد مدلهای مدرن AI مانند ChatGPT، شامل مفاهیمی مثل توکنها، ترنسفورمرها و مهندسی پرامپت
- کشف اصول بنیادی Agentic AI – از جمله حافظه، برنامهریزی، معماریهای عامل، ابزارها و کاربردهای واقعی در جهان
- بررسی ملاحظات اخلاقی در مورد Agentic AI و ارتباط آن با روشهای مدرن مانند DevOps و MLOps
پیشنیازهای دوره
- نیاز به دانش برنامهنویسی یا ریاضیات نیست. این دوره برای مبتدیان کامل طراحی شده است. تمام مفاهیم از ابتدای کار به صورت ساده و شهودی توضیح داده میشود.
توضیحات دوره
آیا به مفاهیم یادگیری ماشین و AI علاقهمندید اما نمیدانید چهطور شروع کنید؟
این دوره بهترین نقطه شروع برای شماست.
«راهنمای مفهومی برای مبتدیان در زمینه یادگیری ماشین، LLMs و Agentic AI» طراحی شده است تا درک واضح و شهودی از نحوه کارکرد AI مدرن به شما بدهد - بدون نیاز به دانش برنامهنویسی یا ریاضیات
ما از پایه شروع میکنیم، توضیح میدهیم که یادگیری ماشین چیست، چگونه با برنامهنویسی سنتی متفاوت است، و انواع یادگیری مانند تحت نظارت، بدون نظارت و یادگیری تقویتی چیست. همچنین، روش ساخت، ارزیابی و بهبود مدلها را آموزش میدهیم و با الگوریتمهای رایج مانند رگرسیون، درختهای تصمیم گیری و شبکههای عصبی همه به زبان ساده و قابل فهم آشنا میشوید.
در ادامه، وارد دنیای هیجانانگیز Large Language Models (LLMs) مانند ChatGPT میشویم. توضیح میدهیم که چگونه این مدلها آموزش داده میشوند، مفاهیمی مانند توکنها و پارامترها چه هستند، و چگونه تکنیکهایی مثل توسعه پرامپت و RAG (Retrieval-Augmented Generation) عملکرد آنها را بهبود میبخشند.
در نهایت، شما را با حوزه نوظهور Agentic AI آشنا میکنیم - تحولی بزرگ که سیستمهای AI میتوانند به صورت خودمختار برنامهریزی، استنتاج، به خاطر سپردن و عمل کنند. شما معماری عامل، حافظه، برنامهریزی، همکاری چند عاملی، ابزارهای واقعی و چالشهای اخلاقی مرتبط با بکارگیری چنین سیستمهایی را بررسی خواهید کرد.
چه دانشجو باشید، چه حرفهای که قصد ارتقاء مهارت دارد یا صرفاً کنجکاو در مورد آینده AI این دوره به شما کمک میکند تا درک مفهومی و اعتماد به نفس لازم برای ادامه مسیر آموزش در این حوزه را داشته باشید.
در پایان این دوره، شما قادر خواهید بود:
- درک مفاهیم و فرآیندهای اصلی یادگیری ماشین
- آشنایی با الگوریتمهای محبوب یادگیری ماشین و هدف هر کدام
- درک عملکرد Large Language Models مانند ChatGPT
- مفهوم تفاوت و قدرت Agentic AI
- بررسی ابزارها و موارد کاربرد عملی برای عاملها
- درک روندهای نوظهور همچون MLOps و اخلاق در AI
بدون نیاز به برنامهنویسی. بدون تجربه قبلی. فقط توضیحات واضح و مناسب برای مبتدیان تا با اعتماد کامل در دنیای AI گام بردارید.
این دوره برای چه کسانی مناسب است؟
- مبتدیانی که میخواهند اصول یادگیری ماشین، LLMs و Agentic AI را بدون نیاز به کد نویسی یا ریاضیات درک کنند.
- دانشجویان و متخصصانی که قصد دارند در آینده وارد حوزه AI، علم داده یا ماشینلرنینگ شوند.
- مدیران محصول، تحلیلگران و ذینفعان غیرتکنیکال در تیمهای ML/AI
- توسعهدهندگان و علاقهمندان فناوری که کنجکاوند بدانند سیستمهای AI مدرن مانند ChatGPT و عاملهای خودمختار چگونه کار میکنند.
- هر کسی که به حوزه نوپای Agentic AI علاقه دارد و میخواهد شکلدهنده آینده سیستمهای هوشمند و اتوماسیون باشد.
- مهندسان DevOps که میخواهند با MLOps ،AIOps و AgenticAIOps شروع کنند.
اصول AI/ML برای مبتدیان مطلق (AgenticAI + MLOps)
-
مقدمه بخش 01:44
-
برنامهنویسی سنتی در مقابل یادگیری ماشین 08:46
-
یادگیری تحت نظارت 05:11
-
یادگیری بدون نظارت 05:11
-
یادگیری تقویتی 06:21
-
مهندسی ویژگی و تقسیمبندی مجموعه داده 04:04
-
ارزیابی و مشکلات Over/Underfitting مدل شما 03:46
-
تیونینگ هایپرپارامتر و توازن بین بیطرفی و واریانس 04:20
-
مقدمه بخش 00:44
-
رگرسیون خطی 05:03
-
رگرسیون لجستیک 03:13
-
درخت تصمیم گیری 04:23
-
جنگل تصادفی 04:50
-
ماشینهای بردار پشتیبانی (SVMs) 02:29
-
شبکههای عصبی 05:01
-
الگوریتمهای تقویتکننده 07:53
-
خلاصه فصل 01:24
-
مقدمه بخش 01:09
-
چیستی و چگونگی مدلهای زبانی بزرگ 04:47
-
توکنها و پارامترها 04:28
-
ترنسفورمرها و مکانیزم توجه 04:43
-
پیشآموزش و فاین تیونینگ مدلهای بنیادی 03:42
-
مهندسی پرامپت 06:31
-
محدودیتهای مدلهای زبانی بزرگ 03:17
-
Retrieval Augmented Generation (RAG) 02:01
-
Agentic AI چیست؟ 00:39
-
Agentic AI چه است؟ 09:36
-
اهداف و ابزارها 06:15
-
حافظه و برنامهریزی 05:17
-
معماری عامل و انواع عاملها 07:41
-
چند عاملی، مثالها و چالشها 05:38
-
Agentic Devops ،MLOps و ملاحظات اخلاقی 04:54
-
خلاصه فصل 02:02
-
MLOps چیست؟ 20:21
-
تاریخچه تحولات در MLOps ،LLMOps و AgenticAIOps 16:38
-
مقایسه سه رویکرد در AI - ماشینلرنینگ، LLM، و Agentic 22:28
-
مطالعات موردی MLOps - یادگیری از پیشروان 12:01
-
مقایسه عملیات توسعه و MLOps 20:58
-
پدید آمدن نقش مهندس MLOps 14:29
مشخصات آموزش
اصول AI/ML برای مبتدیان مطلق (AgenticAI + MLOps)
- تاریخ به روز رسانی: 1404/06/21
- سطح دوره:همه سطوح
- تعداد درس:39
- مدت زمان :04:16:55
- حجم :3.35GB
- زبان:دوبله زبان فارسی
- دوره آموزشی:AI Academy