🔔 با توجه به بهبود نسبی اینترنت، آمادهسازی دورهها آغاز شده است. به دلیل تداوم برخی اختلالات، بارگذاری دورهها ممکن است با کمی تأخیر انجام شود. مدت اشتراکهای تهیهشده محفوظ است.
لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش اصول هوش مصنوعی: مفاهیم و نظریه های اصلی برای مبتدیان
- آخرین آپدیت
دانلود AI Fundamentals: Core Concepts and Theories for Beginners
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
راهنمای مبتدی شما برای اصول هوش مصنوعی ، تأثیر کیفیت داده ها را بر عملکرد مدل یادگیری ماشین درک می کند ، یاد بگیرید که چگونه مقدار داده ها بر صحت هوش مصنوعی تأثیر می گذارد و قابلیت اطمینان را برای جمع آوری داده های مؤثر و پیش پردازش ارزیابی می کند و اهمیت مجموعه داده های متعادل را برای برنامه های موفقیت آمیز AI پیش nیahaha: ارزیابی می کند: سواد اساسی رایانه: آشنایی با استفاده از رایانه و پیمایش علاقه به اینترنت به هوش مصنوعی: یک ذهنیت کنجکاو و اشتیاق برای یادگیری در مورد مفاهیم هوش مصنوعی بدون دانش کدگذاری مورد نیاز است: این دوره نظری است و به مهارت های برنامه نویسی نیاز ندارد ریاضیات دبیرستان: درک اساسی جبر خطی و احتمال مفید خواهد بود اما اجباری نیست
اسرار هوش مصنوعی (AI) را با این دوره جامع و متمرکز بر تئوری باز کنید. این دوره که برای مبتدیان و علاقه مندان طراحی شده است ، به اصول بنیادی ، روش ها و چارچوب هایی که فن آوری های مدرن هوش مصنوعی را هدایت می کنند ، عمیق است. این که آیا شما یک دانش آموز ، حرفه ای و یا به سادگی کنجکاو در مورد هوش مصنوعی هستید ، این دوره به شما کمک می کند تا بدون نیاز به دانش کدگذاری ، درک مفهومی قوی از هوش مصنوعی ایجاد کنید.
آنچه را یاد خواهید گرفت:
مفاهیم اصلی و تاریخ هوش مصنوعی ، از آلن تورینگ گرفته تا پیشرفتهای مدرن.
انواع AI: AI باریک ، جنرال هوش مصنوعی و Superintelligence.
اصول یادگیری ماشین: یادگیری تحت نظارت ، بدون نظارت و تقویت کننده.
مبانی ریاضی هوش مصنوعی ، از جمله جبر خطی و احتمال.
تجارت ، تجارت بیش از حد و تکنیک برای بهبود عملکرد مدل.
نقش مهم کیفیت و کمیت داده ها در یادگیری ماشین.
کاربردهای هوش مصنوعی در صنایع مانند مراقبت های بهداشتی ، امور مالی و حمل و نقل.
پیامدهای اخلاقی ، اجتماعی و فلسفی AI.
این دوره برای چه کسی است:
مبتدیان در مورد مفاهیم هوش مصنوعی کنجکاو هستند.
متخصصان غیر فنی که می خواهند نظریه AI را درک کنند.
دانش آموزان و محققان به دنبال یک بنیاد قوی در تئوری هوش مصنوعی.
علاقه مندان مشتاق کشف جنبه های اجتماعی و فلسفی AI.
چه چیزی این دوره را منحصر به فرد می کند:
هیچ برنامه نویسی لازم نیست: کاملاً بر تئوری و مفاهیم بدون غواصی در برنامه نویسی متمرکز شوید.
پوشش جامع: تاریخچه ، روش شناسی ، برنامه ها و ملاحظات اخلاقی را کاوش کنید.
بینش های عملی: بیاموزید که چگونه AI صنایع را از طریق نمونه های دنیای واقعی تغییر می دهد.
محتوای قابل دسترسی: نظریه های پیچیده برای درک آسان ساده شده است.
چرا این دوره را طی می کنید؟
هوش مصنوعی در حال تغییر شکل دنیای ما است ، و درک اصول آن برای ماندن در چشم انداز فناوری محور امروز مهم است. در پایان این دوره ، شما دانش و اعتماد به نفس خواهید داشت تا در مورد مفاهیم هوش مصنوعی و پیامدهای آنها در تنظیمات دانشگاهی ، حرفه ای یا گاه به گاه بحث کنید.
اکنون ثبت نام کنید و اولین قدم را برای تسلط بر دنیای جذاب هوش مصنوعی بردارید!
سرفصل ها و درس ها
ماژول 1: آشنایی با هوش مصنوعی
Module 1: Introduction to Artificial Intelligence
مفاهیم اصلی و تاریخ هوش مصنوعی را درک کنید
Understand the core concepts and history of AI
AI چیست؟ تعاریف و دامنه
What is AI? Definitions and Scope
درس 2: تاریخچه مختصر هوش مصنوعی: از تورینگ تا هوش مصنوعی مدرن
Lesson 2: Brief History of AI: From Turing to Modern AI
تاریخچه مختصر هوش مصنوعی
Brief History of AI
درس 3: انواع هوش مصنوعی: باریک ، عمومی و سرپرستی
Lesson 3: Types of AI: Narrow, General, and Superintelligence
انواع هوش مصنوعی
Types of AI
درس 4: برنامه های کلیدی هوش مصنوعی در دنیای واقعی
Lesson 4: Key Applications of AI in the Real World
برنامه های اصلی AI
Key Applications of AI
ماژول 2: مفاهیم اصلی در AI
Module 2: Core Concepts in AI
درس 1: یادگیری ماشین (ML): انواع و بررسی اجمالی
Lesson 1: Machine Learning (ML): Types and Overview
یادگیری ماشین: انواع و نمای کلی
Machine Learning: Types and Overview
درس 2: نمایندگی و استدلال دانش
Lesson 2: Knowledge Representation and Reasoning
نمایندگی و استدلال دانش
Knowledge Representation and Reasoning
درس 3: الگوریتم های حل مسئله و جستجو
Lesson 3: Problem Solving and Search Algorithms
الگوریتم های حل مسئله و جستجو
Problem Solving and Search Algorithms
درس 4: تصمیم گیری در سیستم های AI
Lesson 4: Decision Making in AI Systems
تصمیم گیری در سیستم های هوش مصنوعی
Decision Making in AI Systems
ماژول 3: نظریه یادگیری ماشین
Module 3: Machine Learning Theory
درس 1 رئوس مطالب تحت نظارت ، بدون نظارت و یادگیری تقویت
Lesson 1 Outline Supervised, Unsupervised, and Reinforcement Learning
یادگیری تحت نظارت ، بدون نظارت و تقویت
Supervised, Unsupervised, and Reinforcement Learning
درس 2: مبانی ریاضی ML: جبر خطی و احتمال
Lesson 2: Mathematical Foundations of ML: Linear Algebra and Probability
مبانی ریاضی یادگیری ماشین
Mathematical Foundations of Machine Learning
درس 3: تجارت تعصب و واریانس و بیش از حد
Lesson 3: Bias-Variance Tradeoff and Overfitting
مبادله و تعصب واریانس و بیش از حد
Bias-Variance Tradeoff and Overfitting
درس 4: نقش داده ها در ML: کیفیت و کمیت
Lesson 4: The Role of Data in ML: Quality and Quantity
نقش داده ها در یادگیری ماشین
The Role of Data in Machine Learning
نمایش نظرات