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

آموزش اصول هوش مصنوعی: مفاهیم و نظریه های اصلی برای مبتدیان
جزییات دوره
33 mins
12
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
417
5 از 5
ندارد
دارد
دارد
BIBHAB KUMAR
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

BIBHAB KUMAR BIBHAB KUMAR

مربی در Udemy