آموزش مبانی هوش مصنوعی: مقدمهای بر تکنیکهای هوش مصنوعی - آخرین آپدیت
دانلود أساسيات الذكاء الاصطناعي: مقدمة عن تقنيات الذكاء الاصطناعي
دوره آموزش مبانی هوش مصنوعی: مقدمهای بر تکنیکهای هوش مصنوعی
این دوره توسط موسسه MTF مدیریت، فناوری و مالی ارائه میشود.
MTF یک موسسه جهانی آموزش و تحقیقات علمی است که دفتر مرکزی آن در لیسبون پرتغال قرار دارد و بر آموزش ترکیبی (حضوری در موسسه و آنلاین) در زمینههای تجارت و مدیریت، علوم و فناوری، خدمات بانکی و مالی تمرکز دارد.
مرکز تحقیق و توسعه MTF (MTF R&D) به فعالیتهای تحقیقاتی در زمینههای زیر علاقه مند است: هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning)، علم داده (Data Science)، کلان داده (Big Data)، وب 3 (WEB3)، بلاک چین (Blockchain)، ارز رمزنگاری شده (Cryptocurrency)، داراییهای دیجیتال (Digital Assets)، متاورس (Metaverse)، تحول دیجیتال (Digital Transformation)، فناوری مالی (Fintech)، تجارت الکترونیکی (Electronic Commerce)، اینترنت اشیا (Internet of Things).
MTF شریک رسمی IBM، Intel، Microsoft و عضو اتاق بازرگانی و صنعت پرتغال است.
MTF در 208 کشور حضور دارد و بیش از 380000 دانشجو آن را انتخاب کرده اند.
به این دوره خوش آمدید. از اینکه به ما پیوستید متشکرم. من مشتاقانه منتظرم که شما را در فهم پتانسیل هوش مصنوعی و چگونگی استفاده از آن برای ایجاد تأثیر مثبت، همراهی کنم.
اسم من محمد الفاتح مکی است، مهندس سیستمها و فناوری اطلاعات. بیش از یک دهه است که در حوزه فناوری اطلاعات کار میکنم و دارای مدرک مدیر ارشد فناوری از موسسه MTF مدیریت، فناوری و مالی هستم.
من عاشق دانش و انتشار آن هستم، به همین دلیل این دوره را برای علاقه مندان به درک اصول هوش مصنوعی و برخی از کاربردهای مدرن آن ارائه میدهم.
در این دوره با هم طیف گستردهای از موضوعات مربوط به هوش مصنوعی را بررسی خواهیم کرد، از جمله:
هوش مصنوعی چیست؟
هوش مصنوعی شاخه ای از علوم کامپیوتر است که به مطالعه چگونگی ایجاد ماشینها و فناوری هایی میپردازد که میتوانند اطلاعات را پردازش کنند، تصمیم بگیرند و وظایف خاصی را انجام دهند.
تاریخچه هوش مصنوعی مدرن
حوزه هوش مصنوعی تاریخچه طولانی و غنی دارد که به روزهای اولیه محاسبات باز میگردد. با این حال، این حوزه همانطور که امروز میشناسیم در سال 1956 در کنفرانسی در کالج دارتموث در نیوهمپشایر تأسیس شد. این کنفرانس برخی از محققان پیشرو در زمینه هوش مصنوعی در آن زمان، از جمله آلن تورینگ، جان مک کارتی و ماروین مینسکی را گرد هم آورد. این کنفرانس به دلیل کمک به تعریف زمینه هوش مصنوعی و تعیین دستور کار برای تحقیقات آینده اعتبار دارد.
هوش مصنوعی یک حوزه پیچیده است که به مهارتها و دانش متنوعی نیاز دارد، بنابراین همکاری بین افراد از رشتههای مختلف برای کار با هم برای توسعه آن ضروری است. به عنوان مثال، توسعه مدلهای زبانی بزرگ مستلزم همکاری افراد مختلف با مهارتهای مختلف، مانند دانشمندان کامپیوتر، زبان شناسان و دانشمندان داده بود. آنها با هم کار کردند تا روشهای جدیدی را برای آموزش مدلهای زبانی بزرگ توسعه دهند و همچنین مقادیر زیادی از متن و کد مورد نیاز برای آموزش این مدلها را جمع آوری و پردازش کردند.
یادگیری ماشین چیست؟
یادگیری ماشین نوعی هوش مصنوعی است که به کامپیوتر اجازه میدهد از دادهها یاد بگیرد بدون نیاز به برنامه نویسی، یا به عبارت دیگر، الگوریتمهای یادگیری ماشین میتوانند الگوها و استنتاجها را بر اساس دادهها تشخیص دهند، بدون نیاز به دستور از کسی در مورد نحوه انجام این کار. این امر کامپیوتر را قادر میسازد تا وظایف جدید را یاد بگیرد و عملکرد خود را با گذشت زمان بدون دخالت انسان بهبود بخشد.
یادگیری ماشین کجا استفاده میشود؟
یادگیری ماشین در طیف گستردهای از برنامهها استفاده میشود، از جمله فیلتر کردن ایمیل، شخصیسازی رسانههای اجتماعی، تشخیص تصویر، تشخیص گفتار، تشخیص تقلب، استنتاج متن، پیشنهاد محصول، تشخیص پزشکی، شخصیسازی مراقبتهای بهداشتی و استنتاج ترافیک.
شبکههای عصبی چیست؟
شبکههای عصبی نوعی از الگوریتمهای یادگیری ماشین هستند که از ساختار و عملکرد مغز انسان الهام گرفته اند. شبکههای عصبی از گرههای به هم پیوسته تشکیل شده اند که اطلاعات را به روشی پردازش میکنند که از نحوه عملکرد مغز الهام گرفته شده است. گره یک واحد اساسی است که میتواند اطلاعات را دریافت، ذخیره و ارسال کند.
یادگیری عمیق چیست؟
یادگیری عمیق نوعی از یادگیری ماشین است که از شبکههای عصبی با لایههای متعدد استفاده میکند. هر لایه از چندین گره تشکیل شده است که میتوانند وظایف مختلفی را انجام دهند. این امر به مدلهای یادگیری عمیق اجازه میدهد تا الگوهای پیچیدهتری را از دادهها در مقایسه با الگوریتمهای یادگیری ماشین سنتی یاد بگیرند. هرچه تعداد لایهها بیشتر باشد، مدل عمیق تر میشود و قدرتمندتر میشود. یادگیری عمیق برای دستیابی به نتایج ارزشمند در طیف گستردهای از وظایف، از جمله تشخیص تصویر، تشخیص گفتار و ترجمه ماشینی استفاده شده است.
مقدمه المقدمة
-
مقدمه المقدمة
-
خوش آمدید به MTF Welcome to MTF
آشنایی با هوش مصنوعی برای همه مُدخَل الى الذكاء الاصطناعي للجميع
-
هوش مصنوعی، تاریخچه و کاربردها الذكاء الاصطناعي، تاريخه واستخداماته
-
یادگیری ماشین چیست و کجا استفاده میشود؟ ما هو التعلم الآلي وأين يُستخدم؟
-
شبکههای عصبی و یادگیری عمیق الشبكات العصبية والتعلم العميق
-
ارتباط بین یادگیری ماشین، شبکههای عصبی و یادگیری عمیق العلاقة بين التعلم الآلي والشبكات العصبية والتعلم العميق
-
هوش مصنوعی عمومی الذكاء الاصطناعي العام
-
عامل هوشمند الوكيل الذكي
-
پردازش زبان طبیعی معالجة اللغة الطبيعية
-
گوش دادن به فناوری تبدیل متن به گفتار استمع إلى تقنية تحويل النص إلى كلام
-
بینایی کامپیوتر الرؤية الحاسوبية
-
اخلاق هوش مصنوعی أخلاقيات الذكاء الاصطناعي
-
هوش مصنوعی در علم رباتیک الذكاء الاصطناعي في علم الروبوتات
-
الگوریتمهای جستجو خوارزميات البحث
-
نمایش دانش و استنتاج تمثيل المعرفة والاستدلال
-
هوش مصنوعی قابل تفسیر و شفافیت الذكاء الاصطناعي القابل للتفسير والشفافية
-
هوش مصنوعی مولد الذكاء الاصطناعي التوليدي
ارزیابی و آموزش عملی هوش مصنوعی التقييم والتدريب العملي على الذكاء الاصطناعي
-
بینایی کامپیوتر در هوش مصنوعی: کاربردهای عملی الرؤية الحاسوبية في الذكاء الاصطناعي: تطبيقات عملية
-
نگاهی به هوش مصنوعی: تجربه کاربردی در تحلیل تصاویر نظرة الذكاء الاصطناعي: تجربة تطبيقية في تحليل الصور
-
اکتشاف انواع مختلف گلها با استفاده از موتور جستجوی Bing استكشاف أنواع مختلفة من الزهور باستخدام محرك بحث Bing
-
ایجاد تصاویر با پشتیبانی از هوش مصنوعی با Bing انشاء الصور بدعم من الذكاء الاصطناعي مع Bing
-
اکتشاف فناوری تبدیل صدا به متن با هوش مصنوعی با Bing استكشاف تقنية التحويل من الصوت إلى نص بالذكاء الاصطناعي مع Bing
مبانی هوش مصنوعی: خودتان را بیازمایید أساسيات الذكاء الاصطناعي: اختبر نفسك
-
مبانی هوش مصنوعی: خودتان را بیازمایید أساسيات الذكاء الاصطناعي: اختبر نفسك
بخش تعاملی، گامهای بعدی و پاسخ به سوالات Interactive Part, Next Steps and Answers to Questions
-
بخش جایزه: گامهای بعدی (انگلیسی) Bonus Section: Next Steps (English)
https://donyad.com/d/1aba9a
MTF Institute of Management, Technology and Finance
موسسه مدیریت، فناوری و مالی
نمایش نظرات