موضوعات کلیدی دوره:
توضیحات دوره:
جعبه سیاه هوش مصنوعی مولد را با دوره جامع "هوش مصنوعی قابل توضیح (XAI) برای هوش مصنوعی مولد" باز کنید. این دوره برای ایجاد پلی بین مدلهای مولد پیشرفته و سیستمهای هوش مصنوعی مسئولانه و قابل تفسیر طراحی شده است. چه یک دانشمند داده، مهندس یادگیری ماشین یا علاقهمند به هوش مصنوعی باشید، این دوره به شما قدرت میدهد تا راهحلهای شفاف، پاسخگو و قابل اعتماد GenAI بسازید و پیادهسازی کنید.
با بررسی چارچوبهای هوش مصنوعی مولد، تفاوت آنها با مدلهای زبان بزرگ (LLMs) سنتی و زمان استفاده از هر کدام شروع خواهید کرد. با پلتفرم پیشرو منبع باز Hugging Face برای دسترسی و کار با مدلهای از پیش آموزشدیده در وظایف مختلف مولد، تجربه عملی کسب خواهید کرد.
این دوره تکنیکهای اولیه مهندسی پرامپت را برای هدایت مؤثر و قابل پیشبینی مدلهای مولد معرفی میکند. سپس به مبانی هوش مصنوعی قابل توضیح (XAI) میپردازید - اینکه چیست، چرا اهمیت دارد و چالشهای منحصر به فردی که در زمینههای مولد مانند تولید متن و تصویر ارائه میدهد.
روشهای عملی برای پیادهسازی XAI در سیستمهای مولد مبتنی بر متن و شرطی را خواهید آموخت، از جمله تکنیکهایی مانند بصریسازی توجه، تحلیل فضای نهان (latent space analysis) و ابزارهای توضیحدهنده پس از وقوع (post-hoc) مانند LIME و SHAP. در نهایت، یاد میگیرید که چگونه XAI را از طریق مهندسی پرامپت عملیاتی کنید، پرامپتهایی بسازید که نه تنها خروجی مدل را هدایت میکنند، بلکه از طریق Chain of Thought و سایر استراتژیهای پرامپتنویسی با تمرکز بر قابلیت توضیح، استدلال شفاف را نیز استخراج میکنند.
در پایان دوره، مهارتهای لازم برای ساخت سیستمهای هوش مصنوعی مولد قابل تفسیرتر، مسئولانهتر و همراستا با انسان را کسب خواهید کرد - آماده برای استفاده در محیطهای عملیاتی و برنامههای کاربردی با ریسک بالا.
چرا باید در دوره من شرکت کنید؟
من دارای مدرک MPhil (جغرافیا و محیط زیست) از دانشگاه آکسفورد انگلستان هستم. همچنین دکترای علوم داده (اکولوژی و حفاظت گرمسیری) را از دانشگاه کمبریج به پایان رساندهام.
من چندین سال تجربه در زمینه تحلیل دادههای واقعی از منابع مختلف و تولید مقالات برای ژورنالهای بینالمللی با داوری همتا دارم.
پیشنیازها:
Minerva Singh
دانشمند تحصیل کرده آکسبریج
سلام. من فارغ التحصیل دکترا از دانشگاه کمبریج هستم که در آنجا در اکولوژی گرمسیری تخصص دارم. من همچنین یک دانشمند داده هستم. به عنوان بخشی از تحقیقاتم، باید تجزیه و تحلیل گسترده دادهها، از جمله تجزیه و تحلیل دادههای مکانی را انجام دهم. یا برای این منظور ترجیح میدهم از ترکیبی از ابزارهای رایگان نرمافزار R، QGIS و Python استفاده کنم. بیشتر کار تجزیه و تحلیل دادههای مکانی خود را با استفاده از R انجام میدهم. و QGIS. اینها جدا از رایگان بودن، ابزارهای بسیار قدرتمندی برای تجسم، پردازش و تجزیه و تحلیل داده ها هستند. من همچنین دارای مدرک کارشناسی ارشد جغرافیا و محیط زیست از دانشگاه آکسفورد هستم. من مهارت های آماری و تجزیه و تحلیل داده های خود را از طریق تعدادی MOOC از جمله The Analytics Edge (دوره آماری مبتنی بر R و یادگیری ماشین ارائه شده توسط EdX)، یادگیری آماری (دوره یادگیری ماشین مبتنی بر R ارائه شده توسط Standford آنلاین) تقویت کرده ام. علاوه بر تجزیه و تحلیل داده های مکانی، در تجزیه و تحلیل آماری، یادگیری ماشین و داده کاوی نیز مهارت دارم. من همچنین از برنامه نویسی عمومی، تجسم داده ها و توسعه وب لذت می برم. من علاوه بر اینکه یک دانشمند و اعداد شکن هستم، یک مسافر مشتاق هستم
نمایش نظرات