آموزش مقدمه ای بر هوش مصنوعی

Introduction to Artificial Intelligence

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

دانشمندان کامپیوتر تنها بخش کوچکی از افرادی هستند که در هوش مصنوعی کار می کنند. اکثر افرادی که در هوش مصنوعی کار می کنند، مدیران پروژه، مدیران محصول، مدیران و مدیران اجرایی هستند. مردم درست مثل شما این دوره به شما کمک می کند تا مفاهیم کلیدی در هوش مصنوعی را درک کنید. خواهید دید که چگونه هوش مصنوعی می تواند محصولات، زندگی و حرفه شما را بهبود بخشد. هوش مصنوعی بیش از نیم قرن است که وجود دارد. حتی با وجود پیشرفت‌های بزرگ، ایده‌های اصلی در یادگیری ماشین و شبکه‌های عصبی هنوز قابل دسترسی هستند.

این دوره برای مدیران پروژه، مدیران محصول، مدیران، مدیران اجرایی و دانشجویانی طراحی شده است که شغل خود را در هوش مصنوعی شروع می کنند. یک نمای کلی در سطح بالا از ابزارهای برتر در این زمینه دریافت کنید. ابتدا ببینید که نمایش «هوشمندی» برای یک سیستم به چه معناست. سپس، الگوریتم‌ها و تکنیک‌های مرتبط با یادگیری ماشین، شبکه‌های عصبی مصنوعی و یادگیری عمیق را بیاموزید. پس از ساده سازی، هوش مصنوعی کمتر شبیه جادو به نظر می رسد و بیشتر شبیه مجموعه ای جدید و هیجان انگیز از ابزارهای فناوری است.


سرفصل ها و درس ها

معرفی Introduction

  • چرا باید در مورد هوش مصنوعی بدانید (در حال پیشرفت) Why you need to know about artificial intelligence (In progress)

1. هوش مصنوعی چیست؟ 1. What Is Artificial Intelligence?

  • هوش عمومی را تعریف کنید Define general intelligence

  • مشکل گشای عمومی The general problem-solver

  • هوش مصنوعی قوی در مقابل ضعیف Strong vs. weak AI

  • امتحان فصل Chapter Quiz

2. ظهور یادگیری ماشینی 2. The Rise of Machine Learning

  • فراگیری ماشین Machine learning

  • شبکه های عصبی مصنوعی Artificial neural networks

  • امتحان فصل Chapter Quiz

3. سیستم های مشترک هوش مصنوعی 3. Common AI Systems

  • جستجوی الگوها در داده ها Searching for patterns in data

  • رباتیک Robotics

  • پردازش زبان طبیعی Natural language processing

  • اینترنت اشیا The Internet of Things

  • امتحان فصل Chapter Quiz

4. از داده ها بیاموزید 4. Learn from Data

  • داده های برچسب دار و بدون برچسب Labeled and unlabeled data

  • مجموعه داده های عظیم Massive datasets

  • امتحان فصل Chapter Quiz

5. شناسایی الگوها 5. Identify Patterns

  • طبقه بندی داده ها Classify data

  • داده های خوشه ای Cluster data

  • یادگیری تقویتی Reinforcement learning

  • امتحان فصل Chapter Quiz

6. الگوریتم های یادگیری ماشین 6. Machine Learning Algorithms

  • الگوریتم های رایج Common algorithms

  • K-نزدیک ترین همسایه K-nearest neighbor

  • K-به معنای خوشه بندی است K-means clustering

  • پسرفت Regression

  • بیز ساده لوح Naive Bayes

  • امتحان فصل Chapter Quiz

7. الگوریتم را متناسب کنید 7. Fit the Algorithm

  • بهترین الگوریتم را انتخاب کنید Select the best algorithm

  • داده ها را دنبال کنید Follow the data

  • بیش از حد و کم تناسب Overfitting and underfitting

  • امتحان فصل Chapter Quiz

8. شبکه های عصبی مصنوعی 8. Artificial Neural Networks

  • ساخت شبکه عصبی Build a neural network

  • وزن کردن اتصالات Weighing the connections

  • سوگیری فعال سازی The activation bias

  • امتحان فصل Chapter Quiz

9. بهبود دقت 9. Improve Accuracy

  • درس گرفتن از اشتباهات Learning from mistakes

  • از طریق شبکه قدم بردارید Step through the network

  • امتحان فصل Chapter Quiz

10. از اینجا کجا برویم 10. Where to Go from Here

  • استفاده از سیستم های هوش مصنوعی Using AI systems

  • استفاده از هوش مصنوعی برای حل مشکلات Applying AI to solve problems

نمایش نظرات

آموزش مقدمه ای بر هوش مصنوعی
جزییات دوره
1h 35m
39
Linkedin (لینکدین) Linkedin (لینکدین)
(آخرین آپدیت)
-
- از 5
ندارد
دارد
دارد
Doug Rose
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Doug Rose Doug Rose

انتشارات، کلاس درس و آموزش آنلاین