آموزش هوش مصنوعی و تحلیل پیش‌بینی

Artificial Intelligence and Predictive Analysis

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: این دوره یک درک جامع از مفاهیم هوش مصنوعی و کاربرد آن با استفاده از پایتون و آی پایتون است. بیاموزید که هوش مصنوعی چیست، هوش و کاربردهای هوش مصنوعی. حل مسئله با استفاده از هوش مصنوعی، الگوریتم های جستجوی هوش مصنوعی، استراتژی های جستجوی آگاهانه (ابتکاری) را بیاموزید. یادگیری الگوریتم های جستجوی محلی، سیستم یادگیری و عقل سلیم یادگیری الگوریتم های ژنتیک، سیستم های خبره و ماژول Scikit-learn پیش نیازها: دانش پایه پایتون دانش مبتدی آمار

هوش مصنوعی شبیه سازی هوش انسان از طریق ماشین ها و بیشتر از طریق سیستم های کامپیوتری است. هوش مصنوعی زیر شاخه کامپیوتر است. رایانه ها را قادر می سازد کارهایی را انجام دهند که معمولاً توسط انسان ها انجام می شود. این دوره یک درک جامع از مفاهیم هوش مصنوعی و کاربرد آن با استفاده از پایتون و آی پایتون است.

آموزش شامل موارد زیر خواهد بود.

  • هوش مصنوعی چیست؟

  • هوش

  • کاربردهای هوش مصنوعی

  • حل مشکل

  • الگوریتم های جستجوی هوش مصنوعی

  • استراتژی های جستجوی آگاهانه (ابتکاری)

  • الگوریتم های جستجوی محلی

  • سیستم یادگیری

  • عقل سلیم

  • الگوریتم های ژنتیک

  • سیستم های خبره

  • ماژول Scikit-learn

هوش مصنوعی چیست؟

اولین ایده هوش مصنوعی توسط دانشمند آقای آلن تورینگ در زمان جنگ جهانی دوم ارائه شد. او ساخت ماشینی را پیشنهاد کرد که بتواند درک هوش انسان را تقلید کند و مانند یک انسان عمل کند.

هوش مصنوعی امروزه در تمام زمینه های کاری به ویژه بانکداری، بیمه، تولید، خرده فروشی، تدارکات و غیره استفاده می شود. کاربرد آن در تشخیص پزشکی، ربات‌ها، سنجش از راه دور و غیره یک سطح عالی از هنر است.

هوش مصنوعی به عنوان یک موضوع شامل استفاده از علوم کامپیوتر، ریاضیات، آمار و تخصص دامنه است.

هوش مصنوعی مزایای زیادی دارد و به همین دلیل در زیر به آنها اشاره شده است:

  • دقت و دقت بیشتری در تشخیص و پیش‌بینی ارائه می‌دهد

  • روبات‌های آموزش‌دیده بر روی هوش مصنوعی را می‌توان برای انجام کارهایی که برای ما دشوار است استفاده کرد

  • هوش مصنوعی پیشرفت های تکنولوژیکی جدیدتری در زندگی ما ایجاد کرده است

  • فعالیت‌های متقلبانه مانند تراکنش‌های کارت اعتباری با فناوری‌های هوش مصنوعی آسان‌تر شده‌اند

  • هوش مصنوعی را می توان در کارهای وقت گیر استفاده کرد و با کارآمدتر شدن می تواند در زمان زیادی صرفه جویی کند.


شما می توانید موارد زیر را به عنوان یک پروژه عملی بسازید: –

  • طبقه بندی انواع مختلف

  • بهینه سازهای مبتنی بر برنامه نویسی منطقی

  • جستجوی اکتشافی در مسائل NP-complete انجام شد

  • پردازش زبان طبیعی روی داده های متنی

  • یادگیری ماشین به طور کلی برای چندین نوع داده

  • منطق و استدلال برای ارزیابی و تفسیر مدل

  • برنامه نویسی مبتنی بر قانون برای موارد استفاده تجاری

  • تصمیم گیری بر اساس هوش مصنوعی و ML

  • روش های تصادفی مانند سری های زمانی و HMM



سرفصل ها و درس ها

معرفی Introduction

  • مقدمه ای بر تحلیل پیش بینی کننده Introduction to Predictive Analysis

  • جنگل تصادفی و جنگل بسیار تصادفی Random Forest and Extremely Random Forest

عدم تعادل کلاس و جستجوی شبکه Class Imbalance and Grid Search

  • مقابله با عدم تعادل طبقاتی Dealing with Class Imbalance

  • جستجوی شبکه Grid Search

Adaboost Regressor Adaboost Regressor

  • Adaboost Regressor Adaboost Regressor

  • پیش بینی ترافیک با استفاده از رگرسیور جنگل بسیار تصادفی Predicting Traffic Using Extremely Random Forest Regressor

  • پیش بینی ترافیک Traffic Prediction

تشخیص الگوها با یادگیری بدون نظارت Detecting patterns with Unsupervised Learning

  • تشخیص الگوها با یادگیری بدون نظارت Detecting patterns with Unsupervised Learning

  • خوشه بندی Clustering

  • Clustering Meanshift Clustering Meanshift

  • Clustering Meanshift ادامه دارد Clustering Meanshift Continues

مدل انتشار میل Affinity Propagation Model

  • مدل انتشار میل Affinity Propagation Model

  • مدل انتشار قرابت ادامه دارد Affinity Propagation Model Continues

کیفیت خوشه بندی Clustering Quality

  • کیفیت خوشه بندی Clustering Quality

  • برنامه کیفیت خوشه بندی Program of Clustering Quality

مدل مخلوط گاوسی Gaussian Mixture Model

  • مدل مخلوط گاوسی Gaussian Mixture Model

  • برنامه مدل مخلوط گاوسی Program of Gaussian Mixture Model

طبقه بندی کننده ها Classifiers

  • طبقه بندی در هوش مصنوعی Classification in Artificial Intelligence

  • پردازش داده ها Processing Data

  • طبقه بندی رگرسیون لجستیک Logistic Regression Classifier

  • مثال طبقه‌بندی‌کننده رگرسیون لجستیک با استفاده از پایتون Logistic Regression Classifier Example Using Python

  • طبقه بندی کننده ساده بیز و نمونه های آن Naive Bayes Classifier and its Examples

  • ماتریس سردرگمی Confusion Matrix

  • مثالی از ماتریس سردرگمی Example os Confusion Matrix

  • دسته‌بندی ماشین‌های برداری پشتیبانی (SVM) Support Vector Machines Classifier(SVM)

  • نمونه های طبقه بندی کننده SVM SVM Classifier Examples

برنامه نویسی منطقی Logic Programming

  • مفهوم برنامه نویسی منطقی Concept of Logic Programming

  • مطابقت با عبارت ریاضی Matching the Mathematical Expression

  • تجزیه درخت خانواده و مثال آن Parsing Family Tree and its Example

  • تحلیل برنامه ریزی منطقی جغرافیا Analyzing Geography Logic Programming

  • حل پازل و مثال آن Puzzle Solver and its Example

جستجوی اکتشافی Heuristic Search

  • جستجوی اکتشافی چیست؟ What is Heuristic Search

  • تکنیک جستجوی محلی Local Search Technique

  • مشکل رضایت از محدودیت Constraint Satisfaction Problem

  • مشکل رنگ آمیزی منطقه Region Coloring Problem

  • پیچ و خم ساختمان Building Maze

  • حل کننده پازل Puzzle Solver

پردازش زبان طبیعی Natural Language Processing

  • پردازش زبان طبیعی Natural Language Processing

  • متن را با استفاده از NLTK بررسی کنید Examine Text Using NLTK

  • دسترسی به متن خام (Tokenization) Raw Text Accessing (Tokenization)

  • خط لوله NLP و مثال آن NLP Pipeline and Its Example

  • بیان منظم با NLTK Regular Expression with NLTK

  • ساقه Stemming

  • Lemmatization Lemmatization

  • تقسیم بندی Segmentation

  • نمونه تقسیم بندی Segmentation Example

  • نمونه تقسیم بندی ادامه دارد Segmentation Example Continues

  • استخراج اطلاعات Information Extraction

  • الگوها را تگ کنید Tag Patterns

  • تکه تکه شدن Chunking

  • نمایندگی چانکس Representation of Chunks

  • چنگ زدن Chinking

  • قطعه قطعه کردن wirh بیان منظم Chunking wirh Regular Expression

  • به نام Entity Recognition Named Entity Recognition

  • درختان Trees

  • گرامر آزاد زمینه Context Free Grammar

  • تجزیه نزولی بازگشتی Recursive Descent Parsing

  • تجزیه بازگشتی نزول ادامه دارد Recursive Descent Parsing Continues

  • Shift Reduce Parsing Shift Reduce Parsing

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش هوش مصنوعی و تحلیل پیش‌بینی
جزییات دوره
6.5 hours
59
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
66,568
4.3 از 5
دارد
دارد
دارد
EDU CBA
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

EDU CBA EDU CBA

مهارت های دنیای واقعی را بصورت آنلاین بیاموزید EDUCBA یک ارائه دهنده جهانی آموزش مبتنی بر مهارت است که نیازهای اعضا را در بیش از 100 کشور برطرف می کند. ما بزرگترین شرکت فناوری پیشرفته در آسیا با نمونه کارهای 5498+ دوره آنلاین ، 205+ مسیر یادگیری ، 150+ برنامه شغل محور (JOPs) و 50+ بسته دوره حرفه ای شغلی هستیم که توسط متخصصان برجسته صنعت آماده شده است. برنامه های آموزشی ما برنامه های مبتنی بر مهارت شغلی است که توسط صنعت در سراسر امور مالی ، فناوری ، تجارت ، طراحی ، داده و فناوری جدید و آینده مورد نیاز صنعت است.