قراره تو این دوره چی یاد بگیرم؟

  • مفاهیم پایه هوش مصنوعی
  • الگوریتم‌های جستجو
  • الگوریتم‌های یادگیری ماشینی
  • شبکه‌های عصبی مصنوعی
  • الگوریتم‌های تکاملی
  • برنامه‌ریزی پویا
  • و ...

سرفصل های دوره

۳ فصل
۵۸ جلسه
۹ ساعت
۱

فصل اول: رگرسیون خطی

۳۳ قسمت
۰۴:۳۸:۳۸
1

معرفی دوره

رایگان
۰۳:۱۳
4

طریقه استفاده از دوره

۱۲:۱۸
5

نصب پکیج‌های مورد نیاز

۰۶:۱۰
6

طریقه استفاده از آزمایشگاه‌ها

۱۲:۵۷
7

طریقه استفاده از کوئیزها

۰۳:۴۳
8

طریقه استفاده از آزمون‌های نهایی

۰۹:۲۵
9

رفع ارور و خطاهای احتمالی قسمت ۱

۰۵:۵۳
10

هوش مصنوعی چیست؟

۰۸:۰۱
11

یادگیری ماشین چیست؟

۰۵:۳۷
12

شکست گری کاسپارف توسط هوش مصنوعی

۰۹:۱۸
13

چالش اول

۰۲:۲۳
14

الگوریتم‌های یادگیری ماشین

۱۲:۲۲
15

یادگیری با نظارت قسمت ۱ (رگرسیون)

۰۹:۰۷
16

یادگیری با نظارت قسمت ۲ (دسته‌بندی)

۰۶:۵۶
17

یادگیری بدون نظارت

۰۸:۲۲
18

چالش دوم

۰۴:۳۳
19

ترجمه یا مفهوم ؟

۰۷:۰۳
20

معرفی برنامه Jupyter Notebook

۰۵:۰۳
21

مدل رگرسیون

۰۹:۰۰
22

نشانه گذاری

۰۶:۵۰
23

اساس کار الگوریتم‌های با نظارت

۰۹:۱۴
24

کاربرد w و b در یادگیری

۰۷:۴۰
25

بررسی فرمول تابع هزینه

۰۹:۳۳
26

بررسی کاربرد تابع هزینه

۱۱:۱۳
27

تابع هزینه - شبیه‌سازی با هر دو متغیر

۱۱:۵۵
28

معرفی گرادیان کاهشی (Gradient Descent)

۱۲:۰۴
29

پیاده سازی گرادیان کاهشی

۱۲:۰۲
30

بررسی مشتق جزئی (جهت مسیر)

۰۸:۲۶
31

بررسی نرخ یادگیری (گام مسیر)

۰۸:۵۴
32

بررسی گرادیان کاهشی برای مدل رگرسیون خطی

۰۸:۴۷
33

اجرای الگوریتم گرادیان کاهشی برای مدل رگرسیون خطی

۰۹:۲۴
34

فایل سورس فصل اول

۲

فصل دوم: رگرسیون خطی چندگانه

۱۲ قسمت
۰۱:۳۴:۱۷
۳

فصل سوم: دسته بندی

۱۳ قسمت
۰۳:۱۱:۰۷

آموزش هوش مصنوعی

آموزش هوش مصنوعی (Artificial Intelligence یا AI) یکی از پرکاربردترین و پربازده‌ترین زمینه‌های فناوری در دنیای امروز است. مفاهیم هوش مصنوعی به توانایی سیستم‌های کامپیوتری برای انجام وظایفی که معمولاً نیاز به فهم و تصمیم‌گیری انسانی دارند، اطلاق می‌شود.

این فناوری به طور گسترده در مواردی مانند تشخیص الگو، ترجمه زبان، تشخیص صدا، و پیش‌بینی استفاده می‌شود. تاریخچه هوش مصنوعی به دهه ۱۹۵۰ بازمی‌گردد و از آن زمان به‌عنوان یکی از پرفروش‌ترین زمینه‌های تحقیقاتی در علوم کامپیوتر شناخته می‌شود.

کاربردهای هوش مصنوعی

هوش مصنوعی به عنوان یک فناوری پرکاربرد و قدرتمند، در انواع مختلفی از صنایع و زمینه‌های کاربردی مورد استفاده قرار می‌گیرد. در این بخش، به برخی از کاربردهای بارز مفاهیم هوش مصنوعی می‌پردازیم و نقش آن در بهبود فرآیندها و افزایش بهره‌وری را بررسی می‌کنیم.

کاربرد Ai در صنعت

هوش مصنوعی به منظور بهبود فرآیندها و کاهش هزینه‌ها مورد استفاده قرار می‌گیرد. به عنوان مثال، در خطوط تولید، استفاده از روش‌های هوش مصنوعی برای بهبود کیفیت محصولات و کاهش زمان تولید بسیار موثر است. همچنین، در حوزه خدمات مالی، هوش مصنوعی برای تحلیل داده‌های مالی و پیش‌بینی روند بازار استفاده می‌شود که به کاربران این صنعت کمک می‌کند تا تصمیمات بهتری بگیرند.

کاربرد Ai در پزشکی

هوش مصنوعی به طریقهای مختلف مورد استفاده قرار می‌گیرد، از جمله تشخیص بیماری‌ها، پیش‌بینی تغییرات سلامتی، و طراحی داروهای جدید. به عنوان مثال، الگوریتم‌های هوش مصنوعی می‌توانند تصاویر پزشکی را تحلیل کرده و بر اساس آن تشخیص‌های دقیقی ارائه دهند که به پزشکان کمک می‌کند تا در تصمیم‌گیری‌های درمانی بهتری داشته باشند.

سایر موارد کاربر مفاهیم هوش مصنوعی

هوش مصنوعی به عنوان یک ابزار قدرتمند در دسترسی به داده‌های بزرگ و پیچیده، تحلیل آنها، و ارائه راه‌حل‌های هوشمند برای مسائل مختلف مورد استفاده قرار می‌گیرد و نقش بسیار مهمی در بهبود کیفیت زندگی و افزایش بهره‌وری انسان‌ها دارد.

در این دوره چه می آموزیم؟

بخش اول آموزش مفاهیم هوش مصنوعی

  • مدل‌های یادگیری ماشین را با استفاده از زبان برنامه‌نویسی Python و از کتابخانه‌های معروف یادگیری ماشین NumPy و scikit-learn ایجاد کنید.
  • مدل‌های یادگیری ماشین نظارت شده را برای وظایف پیش‌بینی و طبقه‌بندی دودویی، از جمله رگرسیون خطی و رگرسیون لجستیک ساخته و آموزش دهید.

قسمت دوم آموزش مفاهیم Ai

  • یک شبکه عصبی با TensorFlow بسازید و آموزش دهید تا دسته‌بندی چندکلاسه انجام دهد.
  • بهترین روش‌های توسعه یادگیری ماشین را اعمال کنید تا مدل‌های شما به داده‌ها و وظایف در دنیای واقعی عمومی شوند.
  • درخت‌های تصمیم و روش‌های تجمیع درختی را ایجاد و استفاده کنید، از جمله جنگل‌های تصادفی و درخت‌های تقویت شده.

بخش سوم آموزش مفاهیم Ai

  • از تکنیک‌های یادگیری بدون نظارت برای یادگیری بدون نظارت استفاده کنید: شامل خوشه‌بندی و شناسایی نقص.
  • سیستم‌های پیشنهادی با رویکرد فیلترینگ همکاری و یک روش یادگیری عمیق مبتنی بر محتوا ایجاد کنید.

این دوره برای چه کسانی مناسب است؟

مفاهیم هوش مصنوعی که معرفی جامعی به یادگیری ماشین مدرن ارائه می‌دهد. شامل یادگیری نظارت شده (رگرسیون خطی چندگانه، رگرسیون لجستیک، شبکه‌های عصبی و درخت تصمیم)، یادگیری بدون نظارت (خوشه‌بندی، کاهش ابعاد، سیستم‌های پیشنهاد دهنده) و برخی از بهترین رویکردهای استفاده شده در ولی‌نفرا برای نوآوری در هوش مصنوعی و یادگیری ماشین (ارزیابی و تنظیم مدل‌ها، گرفتن رویکرد محور داده برای بهبود عملکرد و …).

تا پایان این تخصص، شما اصول کلیدی را مسلط شده و دانش عملی لازم را برای به سرعت و به قدرت اعمال یادگیری ماشین به مسائل دشوار واقعی کسب خواهید کرد. اگر به دنبال ورود به حوزه هوش مصنوعی هستید یا می‌خواهید حرفه‌ای در زمینه یادگیری ماشین ایجاد کنید، تخصص یادگیری ماشین جدید بهترین مکان برای شروع است.

پیش نیاز دوره مفاهیم هوش مصنوعی

قدم بعدی یادگیری

شما با تکمیل دوره مفاهیم هوش مصنوعی، یک پایه‌ی قوی در زمینه مفاهیم Ai خواهید داشت. اما هوش مصنوعی فقط یکی از حوزه‌های جذاب تکنولوژی نیست. بعد از اتمام این دوره، می‌توانید به حوزه ماشین لرنینگ مراجعه کنید که یکی از زیرمجموعه‌های جذاب و گستردهٔ هوش مصنوعی می‌باشد.

پس میتوانید از دوره جامع آموزش ماشین لرنینگ با پایتون که هم اکنون در سایت موجود است استفاده کنید.

چنانچه هرگونه انتقاد، پیشنهاد و یا سوالی در مورد دوره آموزش مفاهیم هوش مصنوعی دارید، میتوانید در ادامه همین صفحه از بخش دیدگاه‌ها با ما درمیان گذاشته تا در کمترین زمان ممکن مناسب ترین پاسخ را دریافت کنید.