آموزش ماشین برای هوش مصنوعی خودمختار - آخرین آپدیت

دانلود Machine Teaching for Autonomous AI

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: (این برنامه سابقاً بخشی از یک تخصص سه دوره‌ای به نام هوش مصنوعی خودمختار برای صنعت بود. به دلیل توقف نرم‌افزار Bonsai، ارجاعات به آن حذف شده است. شما همچنان می‌توانید از طریق دو دوره مجزای ما یعنی «طراحی هوش مصنوعی خودمختار» و «آموزش ماشین برای هوش مصنوعی خودمختار» در مورد هوش مصنوعی خودمختار و آموزش ماشین بیاموزید.) همان‌طور که معلمان به دانش‌آموزان کمک می‌کنند مهارت‌های جدیدی کسب کنند، در مورد هوش مصنوعی (AI) نیز همین امر صادق است. الگوریتم‌های یادگیری ماشین می‌توانند مانند خودِ فرآیند یادگیری، سازگار شده و تغییر کنند. با استفاده از پارادایم آموزش ماشین (Machine Teaching)، یک متخصص موضوعی (SME) می‌تواند به هوش مصنوعی آموزش دهد تا انواع سیستم‌ها و فرآیندها را بهبود و بهینه کند. نتیجه این امر، یک سیستم هوش مصنوعی خودمختار است. در این دوره، خواهید آموخت که سیستم‌های خودکار چگونه تصمیم می‌گیرند و چگونه رویکرد طراحی یک سیستم هوش مصنوعی را پیش ببرید که از قابلیت‌های فعلی فراتر رود. از آنجایی که ۸۷٪ از سیستم‌های یادگیری ماشین در مرحله اثبات مفهوم (Proof-of-Concept) شکست می‌خورند، بسیار مهم است که بدانید چگونه یک سیستم موجود را تحلیل کرده و تعیین کنید که آیا برای رویکردهای آموزش ماشین مناسب است یا خیر. برای پروژه دوره، شما یک مورد کاربردی مناسب را انتخاب می‌کنید، با یک متخصص در مورد یک فرآیند مصاحبه می‌کنید و سپس داستانی را برای چرایی و چگونگی طراحی یک سیستم هوش مصنوعی خودمختار تدوین می‌نمایید. در پایان این دوره، شما قادر خواهید بود: • مفهوم آموزش ماشین را توصیف کنید • نقش متخصصان موضوعی (SMEs) را در آموزش هوش مصنوعی پیشرفته توضیح دهید • مزایا و معایب بهره‌گیری از تخصص انسانی در طراحی سیستم‌های هوش مصنوعی را ارزیابی کنید • تفاوت بین سیستم‌های تصمیم‌گیری خودکار (Automated) و خودمختار (Autonomous) را تشخیص دهید • محدودیت‌های سیستم‌های خودکار و انسان‌ها در تصمیم‌گیری‌های آنی (Real-time) را شرح دهید • مواردی را انتخاب کنید که در آن‌ها هوش مصنوعی خودمختار از انسان‌ها و سیستم‌های خودکار بهتر عمل می‌کند • یک راهکار هوش مصنوعی خودمختار برای یک مسئله دنیای واقعی پیشنهاد دهید • طراحی خود را در برابر تخصص‌ها و تکنیک‌های موجود برای حل مسائل اعتبارسنجی کنید

سرفصل ها و درس ها

مقدمه‌ای بر هوش مصنوعی خودمختار و آموزش ماشین An Introduction to Autonomous AI & Machine Teaching

  • 0.1-پیش‌نمایش تخصص: نگاهی به آنچه خواهید آموخت 0.1 – Specialization Preview: A glimpse at what you'll learn

  • 0.2-این تخصص برای چه کسانی است؟ 0.2 – Who is this specialization for?

  • 0.3-در این دوره با چه مواردی مواجه خواهید شد؟ 0.3 – What will you encounter in this course?

  • 1.1-مثال‌های واقعی از هوش مصنوعی خودمختار 1.1 – Real Life Examples of Autonomous AI

  • 1.4-ذهنیت مدرس 1.4 – The Teacher's Mindset

تحلیل مسئله Analyzing the Problem

  • 2.1-شکاف مهارت‌ها 2.1 – The "Skills Gap"

  • 2.1a-هوش مصنوعی خودمختار در عمل: خط نامرئی در ترازنامه 2.1a – Autonomous AI in Action: The invisible line on the balance sheet

  • 2.2-ارزش مسئله 2.2 – The Value of the Problem

  • 2.2a-هوش مصنوعی خودمختار در عمل: اثرات ویرانگر توقف تولید 2.2a – Autonomous AI in Action: The devastating effect of downtime

  • 2.3-مقدمه‌ای بر ریاضیات، منوها و دستورالعمل‌ها 2.3 – An Introduction to Math, Menus, & Manuals

  • 2.3a-ریاضیات: اتخاذ تصمیمات قابل پیش‌بینی با تئوری کنترل 2.3a – Math – Making Predictable Decisions with Control Theory

  • 2.3b-منوها: جستجوی تصمیم درست با الگوریتم‌های بهینه‌سازی 2.3b – Menus - Searching for the Right Decision with Optimization Algorithms

  • 2.3c-دستورالعمل‌ها: عامل انسانی در قوانین تخصصی و تصمیمات حساس 2.3c – Manuals - The Human Factor in Expert Rules and High Stakes Decisions

  • 2.5-مهارت‌های مصاحبه: ابزارهای مدرس 2.5 – Interviewing Skills: The teacher's toolset

یادگیری راهکار Learning the Solution

  • 3.1-یادگیری ماشین: الگوریتم‌هایی که می‌توانند یاد بگیرند 3.1 – Machine Learning - Algorithms that can learn

  • 3.1a-هوش مصنوعی خودمختار در عمل: برازش منحنی با WOOD 3.1a – Autonomous AI in Action: Curve fitting with WOOD

  • 3.2-یادگیری تقویت‌شده عمیق: یادگیری از طریق آزمون و خطا 3.2 – Deep Reinforcement Learning – Learning by trial & error

  • 3.3-نقش استراتژی 3.3 The Role of Strategy

  • 3.4-آموزش ماشین: ابرقدرت‌های هوش مصنوعی خودمختار 3.4 – Machine Teaching – The superpowers of autonomous AI

  • 3.4a-هوش مصنوعی خودمختار در عمل: گوش دادن به ماشین‌ها با NOV 3.4a – Autonomous AI in Action: Listening to machines with NOV

روایتگری و داستان‌سرایی Storytelling

  • 4.1-ارزش روایتگری در هوش مصنوعی خودمختار 4.1 – The Value of Storytelling in Autonomous AI

  • 4.1a-هوش مصنوعی خودمختار در عمل: ساخت آزمایشگاه پهپاد در Bell Flight 4.1a – Autonomous AI in Action: Building a drone laboratory at Bell Flight

  • 4.3a-هوش مصنوعی خودمختار در عمل: داستانی از بهبود فرآیند در PepsiCo 4.3a – Autonomous AI in Action: A story of process improvement at PepsiCo

  • 4.3b-هوش مصنوعی خودمختار در عمل: اینترنت اشیاء بسیار قدیمی 4.3b – Autonomous AI in Action: 'The internet of REALLY OLD things'

  • 4.4-اجزای روایتگری و داستان‌سرایی 4.4 – Components of Storytelling

نمایش نظرات

آموزش ماشین برای هوش مصنوعی خودمختار
جزییات دوره
11h 41m
25
(آخرین آپدیت)
4,412
4.6 از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده