0

    هوش مصنوعی در یک آخر هفته - کشف آینده [2024]

    • 4
    • گروه آموزشی فرهنگی و هنری
    • کف سرمایه0 تومان
    • ریسکمتوسطه
    • سودآوری
    • نیروی انسانی
    • مقیاس

    توضیحات دوره آموزشی

    در این دوره هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، شبکه های عصبی و موارد دیگر را در یک آخر هفته می آموزید. این دوره بدون نیاز به کدنویسی یا پیش زمینه فنی است.آنچه یاد خواهید گرفتدرک جامع مفاهیم هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL)تفاوت هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL) با یکدیگرپردازش زبان طبیعی (NLP)یادگیری عمیق و شبکه های عصبیمدل‌ های زبانی بزرگ (LLM)شبکه های عصبی مصنوعی (ANN)معماری ترنسفرمرشبکه های عصبی کانولوشن (CNN)ChatGPT، BERT، کوپایلت، Geminiشبکه های عصبی بازگشتی (RNN)الگوریتم های یادگیری ماشین (ML)شبکه های حافظه کوتاه مدت بلند مدت (LSTM)طبقه بندی، رگرسیون و خوشه بندیالگوریتم های یادگیری تقویتیاپلیکیشن های ابری هوش مصنوعیالگوریتم های یادگیری قوانین انجمنیکاربردهای واقعی هوش مصنوعی، یادگیری ماشین و یادگیری عمیقریسک های هوش مصنوعیهوش مصنوعی اخلاقیپیش نیازهای دورهبدون نیاز به پیشینه فنیبدون نیاز به تجربه کدنویسیبدون نیاز به دانش ریاضیتوضیحات دورهشما به دنیای هوش مصنوعی (AI)، یادگیری ماشین (ML)، یادگیری عمیق (DL)، پردازش زبان طبیعی (NLP)، مدل‌ های زبانی بزرگ (LLM)، علم داده و فناوری‌ های پیشرفته هوش مصنوعی مانند Generative AI و ChatGPT و LSTM و ترنسفرمرها می پردازید. این دوره که برای یادگیرندگان در تمام سطوح طراحی شده، اصول اساسی و تکنیک های پیشرفته که اپلیکیشن های مدرن هوش مصنوعی را تقویت می کنند، پوشش می دهد.در این دوره به بررسی موارد زیر می پردازید:هوش مصنوعی - مبانی هوش مصنوعی و تاثیر آن بر صنایع، مشاغل و زندگی روزمره را درک می کنید.یادگیری ماشین - در مورد تکنیک های یادگیری نظارت شده، نیمه نظارت شده، نظارت نشده و یادگیری تقویتی، از جمله مدل های رگرسیون، طبقه بندی و خوشه بندی، همراه با کاربردهای عملی علم داده مانند بینایی کامپیوتری می‌ آموزید.یادگیری عمیق - شما شبکه‌ های عصبی مصنوعی (ANN)، شبکه‌ های عصبی کانولوشن (CNN)، شبکه‌ های عصبی بازگشتی (RNN) و شبکه‌ های حافظه کوتاه‌ مدت بلند مدت (LSTM) را بررسی می کنید و به مفاهیمی مانند پرسپترون، پس انتشار، گرادیان کاهشی و غیره مسلط می شوید.پردازش زبان طبیعی (NLP) - کشف می کنید که ماشین‌ ها چگونه از Bag of Words تا مدل‌ های ترنسفرمر پیشرفته و اپلیکیشن های NLP، زبان انسان را می‌ فهمند و آن را تولید می‌ کنند.مدل‌ های زبانی بزرگ (LLM) - در مورد مدل‌ های قدرتمند پشت تولید متن هوش مصنوعی، مهندسی پرامپت و تیونینگ دقیق برای اپلیکیشن ها در دامنه خاص، بینش‌ هایی را کسب می کنید.فناوری های نوظهور هوش مصنوعی - شما با آخرین پیشرفت ها در cloud AI و generative AI و ChatGPT، کوپایلت، Gemini، رمزگذارهای خودکار، نقشه های خودسازمان دهنده، ماشین های بولتزمن و غیره همراه می شوید.چه یک مبتدی باشید که به دنبال شروع سفر هوش مصنوعی خود هستید یا یک حرفه ای باتجربه باشید که هدفتان تعمیق دانش خود است، این دوره شما را با مهارت ها و ابزارهایی برای موفقیت در زمینه همیشه در حال تکامل هوش مصنوعی مجهز می کند. در پایان دوره، می‌ توانید مدل‌های AI و ML را درک کنید، سیستم‌ های NLP در مقیاس بزرگ را یاد بگیرید و از رایانش ابری برای تقویت راه‌ حل‌ های هوش مصنوعی خود استفاده کنید.این دوره برای چه کسانی مناسب است؟افراد با هر پیشینه ایکسی که علاقه مند به یادگیری مفاهیم هوش مصنوعی، یادگیری ماشین و یادگیری عمیق است.فرد حرفه ای که می خواهد به خود، شغل و کسب و کار خود ارزش بیافزاید.رهبر، مدیر و مدیر اجرایی سطح c که به دنبال مهارت در فناوری های نوظهور مانند هوش مصنوعی، یادگیری ماشین و یادگیری عمیق است.کسی که با کدنویسی آشنا نیست اما به فناوری های نوظهور مانند هوش مصنوعی، یادگیری ماشین و یادگیری عمیق علاقه مند است.کسی که می خواهد با دانش هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در بازار کار ارزشمند باشد.کسی که به دنبال حرفه جدیدی در زمینه هوش مصنوعی و یادگیری ماشین است.

    ویژگی های دوره

    • مهارت حرفه ای
    • زمان یادگیری آزاد
    • اتاق گفتگو
    • هزینه معقول
    • نمایش با موبایل
    • محتوی ویدویی با کیفیت بالا
    • دسترسی طولانی مدت به دوره

    0

    (از 0 رای)
    %0
    %0
    %0
    %0
    %0
    %0
    %0
    ---
    فصل اول
    2 - انتظارات شما از این دوره چیست؟
    0:5

    6 - هوش مصنوعی چیست؟
    0:3

    7 - تاریخچه هوش مصنوعی
    0:7

    8 - یادگیری ماشین چیست؟
    0:1

    9 - یادگیری عمیق چیست؟
    0:2

    12 - انواع هوش مصنوعی
    0:2

    13 - برنامه نویسی سنتی در مقابل یادگیری ماشین و مزایا و معایب هوش مصنوعی
    0:2

    14 - کدام صنایع بیشتر تحت تاثیر قرار خواهند گرفت؟
    0:3

    15 - هوش مصنوعی مسئول
    0:2

    18 - هوش مصنوعی توصیفی و هوش مصنوعی پیش بینانه
    0:3

    19 - هوش مصنوعی تجویزی و هوش مصنوعی تشخیصی
    0:2

    20 - پردازش زبان طبیعی (NLP) و Generative AI
    0:4

    23 - یادگیری ماشین و یادگیری نظارت شده چیست؟
    0:4

    24 - یادگیری نیمه نظارت شده و یادگیری نظارت نشده چیست؟
    0:2

    25 - یادگیری تقویتی، یادگیری گروهی و یادگیری انتقالی چیست؟
    0:4

    26 - یادگیری عمیق در مقابل یادگیری ماشین
    0:1

    27 - آموزش مدل یادگیری ماشین
    0:5

    30 - رگرسیون خطی ساده
    0:6

    31 - رگرسیون خطی چندگانه
    0:1

    32 - رگرسیون چندجمله ای
    0:1

    33 - رگرسیون بردار پشتیبان
    0:4

    34 - رگرسیون درخت تصمیم گیری
    0:5

    35 - رگرسیون جنگل تصادفی
    0:2

    36 - عملکرد مدل رگرسیون
    0:2

    37 - نتیجه گیری
    0:0

    38 - یوزکیس های کسب و کار
    0:4

    41 - رگرسیون لجستیک
    0:5

    42 - نزدیک ترین همسایه K (K-NN)
    0:5

    43 - ماشین بردار پشتیبان
    0:3

    44 - SVM کرنل
    0:6

    45 - بیز ساده
    0:9

    46 - طبقه بندی درخت تصمیم گیری
    0:2

    47 - طبقه بندی جنگل تصادفی
    0:4

    48 - ارزیابی عملکرد مدل طبقه بندی
    0:8

    51 - خوشه‌ بندی K-Means
    0:10

    52 - خوشه بندی سلسله مراتبی
    0:7

    53 - نتیجه گیری
    0:1

    56 - یادگیری قانون انجمنی چیست؟ Apriori چیست؟
    0:8

    57 - Eclat و FP-Growth
    0:2

    58 - اپلیکیشن های واقعی و نتیجه گیری
    0:2

    60 - در این بخش چه خواهید آموخت؟
    0:1

    62 - اصطلاحات
    0:3

    63 - معادله بلمن
    0:7

    64 - فرآیند تصمیم گیری مارکوف
    0:5

    65 - Q-Learning
    0:9

    66 - Q-Learning عمیق و Q-Learning کانولوشن عمیق
    0:3

    67 - A3C
    0:6

    68 - مسئله راهزن چند دست
    0:2

    69 - الگوریتم کران اطمینان بالا
    0:2

    70 - نمونه گیری تامپسون
    0:2

    71 - اپلیکیشن های واقعی
    0:5

    74 - کاهش ابعاد چیست؟
    0:1

    75 - تحلیل مولفه اصلی (PCA)
    0:5

    76 - تحلیل تشخیصی خطی
    0:1

    79 - یادگیری عمیق در مقابل یادگیری ماشین
    0:4

    80 - شبکه عصبی چیست؟ + بیایید یادگیری عمیق و شبکه های عصبی را با هم مقایسه کنیم
    0:2

    81 - نورون چیست؟ پرسپترون چیست؟
    0:3

    82 - ورودی ها، وزن ها و سوگیری ها
    0:1

    83 - تابع ورودی خالص
    0:2

    84 - توابع فعال سازی و خروجی ها
    0:4

    85 - پرسپترون تک لایه و پرسپترون چند لایه
    0:2

    86 - لایه های پنهان
    0:3

    87 - شبکه های عصبی مصنوعی چگونه یاد می گیرند؟
    0:4

    88 - انتشار رو به جلو در مقابل پس‌ انتشار
    0:1

    89 - گرادیان کاهشی
    0:4

    90 - گرادیان کاهشی دسته ای، استوکاستیک و Mini-batch
    0:1

    91 - اصطلاحات مورد استفاده در شبکه های عصبی
    0:1

    94 - شبکه های متخاصم مولد (GANs)
    0:3

    97 - شبکه عصبی کانولوشن چیست؟
    0:1

    98 - لایه های شبکه کانولوشن
    0:6

    99 - آنتروپی متقاطع و مصورسازی های CNN
    0:2

    102 - شبکه عصبی بازگشتی چیست؟
    0:2

    103 - شبکه های عصبی بازگشتی چگونه کار می کنند؟
    0:3

    104 - مسئله محو شدگی و انفجار گرادیان
    0:2

    105 - حافظه بلند مدت و کوتاه مدت (LSTM)
    0:6

    108 - نقشه خودسازمان دهنده چیست؟
    0:5

    109 - نقشه های خودسازمان دهنده چگونه کار می کنند؟
    0:4

    110 - مثال نقشه خودسازمان دهنده از کنگره ایالات متحده
    0:1

    111 - اپلیکیشن های نقشه خودسازمان دهنده
    0:4

    112 - مصورسازی های خودسازمان دهنده
    0:2

    115 - ماشین بولتزمن چیست؟
    0:2

    116 - ماشین بولتزمن محدود شده
    0:1

    117 - ماشین بولتزمن محدود شده چگونه کار می کند؟
    0:2

    118 - اپلیکیشن های ماشین بولتزمن محدود شده
    0:1

    119 - شبکه های باور عمیق و ماشین بولتزمن عمیق
    0:3

    120 - شبکه های باور عمیق در مقابل ماشین های بولتزمن عمیق
    0:1

    123 - خودرمزگذار چیست؟ - ساختار و مکانیسم کاری
    0:3

    124 - انواع خودرمزگذارها
    0:3

    125 - اپلیکیشن های خودرمزگذار
    0:2

    128 - پردازش زبان طبیعی چیست؟
    0:1

    129 - یوزکیس های NLP
    0:2

    130 - NLP چگونه کار می کند؟
    0:2

    131 - Bag of Words (BOW)
    0:3

    132 - TF-IDF (فرکانس سند و معکوس فرکانس)
    0:3

    133 - تعبیه های کلمه
    0:4

    134 - Seq2Seq
    0:1

    135 - ترنسفرمرها
    0:3

    136 - ارزیابی و استقرار NLPs
    0:2

    139 - NLP در مقابل مدل های زبانی بزرگ (LLMs) در مقابل مدل های زبانی کوچک (SLMs)
    0:2

    140 - آموزش مدل زبانی بزرگ
    0:3

    141 - "Attention تنها چیزی است که نیاز دارید" و مدل ترنسفرمر
    0:3

    142 - LLMs چگونه کار می کنند؟
    0:2

    143 - عملکردهای داخلی LLM
    0:4

    144 - تیونینگ دقیق پارامترهای LLM و مهندسی پرامپت
    0:2

    145 - RAG (بازیابی نسل افزوده)
    0:3

    148 - ابر چیست؟ رایانش ابری چیست؟ انواع رایانش ابری؟
    0:2

    149 - ارائه دهندگان ابر، سرویس های هوش مصنوعی از پیش ساخته شده در ابر
    0:4

    150 - یکپارچه سازی هوش مصنوعی با ابر و اپلیکیشن های ابری
    0:3

    0
    50,000
    تومان
    هوش مصنوعی در یک آخر هفته - کشف آینده [2024]
    اطلاعات کلی دوره
    • سطح آموزشی مقدماتی
    • تعداد درس‌ها108 درس
    • ویدئو آموزشی415 دقیقه
    • مدت زمان آموزش معادل 55 : 7 ساعت
    • تعداد هنرآموز0 نفر
    • کتاب‌های آموزشی0 صفحه
    • ویدیوی کمک آموزشی 0 دقیقه

    برچسب

    دوره های مرتبط

    0
    50,000
    تومان