آموزش مقدمه ای بر هوش مصنوعی: راهنمای مبتدیان برای هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

شروع کردن Getting started

• دوره شامل چه مواردی می شود What does the course cover

• هوش مصنوعی در مقابل طبیعی Natural vs Artificial Intelligence

• تاریخچه مختصر هوش مصنوعی Brief history of AI

• رمزگشایی هوش مصنوعی، علم داده، یادگیری ماشینی و یادگیری عمیق Demystifying AI, Data science, Machine learning, and Deep learning

• هوش مصنوعی ضعیف در مقابل قوی Weak vs Strong AI

• آزمون 1 Quiz 1

داده ها برای ساختن هوش مصنوعی ضروری هستند Data is essential for building AI

• داده های ساختاریافته در مقابل داده های بدون ساختار Structured vs unstructured data

• نحوه جمع آوری داده ها How we collect data

• داده های برچسب دار و بدون برچسب Labelled and unlabelled data

• فراداده: داده هایی که داده ها را توصیف می کنند Metadata: Data that describes data

• آزمون 2 Quiz 2

تکنیک هوش مصنوعی کلیدی Key AI technique

• یادگیری ماشینی Machine learning

• یادگیری تحت نظارت، بدون نظارت و تقویتی Supervised, Unsupervised, and Reinforcement learning

• یادگیری عمیق Deep learning

• امتحان 3 Quiz 3

شاخه های مهم هوش مصنوعی Important AI branches

• رباتیک Robotics

• بینایی کامپیوتر Computer vision

• ML سنتی Traditional ML

• هوش مصنوعی مولد Generative AI

• آزمون 4 Quiz 4

درک هوش مصنوعی مولد Understanding Generative AI

• ظهور Gen AI: معرفی ChatGPT The rise of Gen AI: Introducing ChatGPT

• رویکردهای اولیه برای پردازش زبان طبیعی (NLP) Early approaches to Natural Language Processing (NLP)

• پیشرفت های اخیر NLP Recent NLP advancements

• از مدل های زبان تا مدل های زبان بزرگ (LLM) From Language Models to Large Language Models (LLMs)

• کارایی آموزش LLM. یادگیری تحت نظارت در مقابل یادگیری نیمه نظارتی The efficiency of LLM training. Supervised vs Semi-supervised learning

• از N-Gram تا RNN تا Transformers: تکامل NLP From N-Grams to RNNs to Transformers: The Evolution of NLP

• مراحل ساخت LLM Phases in building LLMs

• مهندسی سریع در مقابل تنظیم دقیق در مقابل RAG: تکنیک هایی برای بهینه سازی هوش مصنوعی Prompt engineering vs Fine-tuning vs RAG: Techniques for AI optimization

• اهمیت مدل های فونداسیون The importance of foundation models

• خرید در مقابل ساخت: مدل های پایه در مقابل مدل های خصوصی Buy vs Make: foundation models vs private models

چالش های عملی در هوش مصنوعی مولد Practical challenges in Generative AI

• ناهماهنگی و توهم Inconsistency and hallucination

• بودجه بندی و هزینه های API Budgeting and API costs

• تأخیر Latency

• تمام شدن داده ها Running out of data

پشته فناوری هوش مصنوعی The AI tech stack

• برنامه نویسی پایتون Python programming

• کار با API ها Working with APIs

• پایگاه های داده برداری Vector databases

• اهمیت منبع باز The importance of open source

• صورت در آغوش گرفته Hugging Face

• صورت در آغوش گرفته Hugging Face

• ابزارهای ارزیابی هوش مصنوعی AI evaluation tools

موقعیت های شغلی هوش مصنوعی AI job positions

• استراتژیست هوش مصنوعی AI strategist

• توسعه دهنده هوش مصنوعی AI developer

• مهندس هوش مصنوعی AI engineer

نگاه به جلو Looking ahead

• اخلاق هوش مصنوعی AI ethics

• آینده هوش مصنوعی Future of AI