آموزش دوره جامع مبانی یادگیری ماشین و هوش مصنوعی - آخرین آپدیت

دانلود Machine Learning & AI Foundations Course

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: مفاهیم کلیدی هوش مصنوعی (AI) و یادگیری ماشین (ML) را از سطح مقدماتی تا کاربردهای واقعی، گام به گام بیاموزید درک مفاهیم بنیادی هوش مصنوعی و یادگیری ماشین به‌کارگیری اصول ریاضی و آماری cốt ساخت و ارزیابی مدل‌های پایه یادگیری ماشین درک و پیاده‌سازی مفاهیم یادگیری عمیق (Deep Learning) شناسایی و رفع چالش‌های اخلاقی در هوش مصنوعی کسب تجربه عملی با ابزارها و گردش‌کارهای AI پیشنیازها: هیچ تجربه قبلی در زمینه هوش مصنوعی یا یادگیری ماشین مورد نیاز نیست آشنایی پایه با ریاضیات دبیرستان آشنایی حداقلی با برنامه‌نویسی (ترجیحاً پایتون) و از همه مهم‌تر: کنجکاوی و اشتیاق برای یادگیری

"این دوره در تولید اسکریپت‌ها، جلوه‌های بصری، صدا و محتوای پشتیبان از هوش مصنوعی بهره برده است"

آیا آماده‌اید تا دنیای هوش مصنوعی (AI)و یادگیری ماشین (ML)را کشف کنید؟ این دوره آموزشی جامع برای مبتدیان، دانش بنیادیو مهارت‌های عملیلازم برای درک، پیاده‌سازی و ارزیابی سیستم‌های هوش مصنوعی با اعتمادبه‌نفس کامل را به شما ارائه می‌دهد.

در این دوره، ابتدا با تعریف هوش مصنوعی، تاریخچه و تکاملآن و چگونگی تحول صنایع مانند بهداشت و درمان، امور مالی، آموزش و حمل و نقلتوسط AI آشنا می‌شوید. شما درک عمیقی از مفاهیم کلیدیمانند یادگیری نظارت‌شده، نظارت‌نشده و یادگیری تقویتیو همچنین ریاضیاتی که موتور محرک AI هستند (از جمله جبر خطی، احتمال و بهینه‌سازی) کسب خواهید کرد.

سپس وارد دنیای مدل‌های یادگیری ماشینشده و نحوه ساخت و ارزیابی آن‌ها را با استفاده از کتابخانه‌های پایتوننظیر NumPy، Pandas و Scikit-learnمی‌آموزید. همچنین مبانی یادگیری عمیقشامل شبکه‌های عصبی، CNNها و RNNهارا بررسی کرده و می‌بینید که چگونه این فناوری‌ها کاربردهایی مثل تشخیص تصویرو پردازش زبان طبیعی (NLP)را ممکن می‌سازند.

فراتر از مباحث فنی، این دوره بر اهمیت اخلاق در هوش مصنوعیتأکید دارد. شما درباره سوگیری، عدالت، پاسخگویی، حریم خصوصی و امنیتخواهید آموخت تا بتوانید تفکری انتقادی درباره تأثیر AI بر جامعه داشته باشید.

در پایان این دوره، شما توانایی درک و توضیح مفاهیم AI، ساخت مدل‌های ساده ML و برداشتن گام بعدی برای تبدیل شدن به یک دانشمند داده، مهندس یادگیری ماشین یا متخصص هوش مصنوعیرا خواهید داشت.

همین امروز اولین قدم خود را در دنیای هیجان‌انگیز یادگیری ماشین و هوش مصنوعیبردارید!


سرفصل ها و درس ها

مقدمه‌ای بر یادگیری ماشین و هوش مصنوعی Introduction to Machine Learning & AI

  • هوش مصنوعی چیست؟ What is Artificial Intelligence?

  • تاریخچه و تکامل هوش مصنوعی History and Evolution of AI

  • کاربردهای هوش مصنوعی در زندگی واقعی Applications of AI in Real Life

  • تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق AI vs Machine Learning vs Deep Learning

  • اولین تجربه عملی یادگیری ماشین - آزمایشگاه کاربردی Your First ML Experiment - Hands on Lab

مبانی و پایه‌های یادگیری ماشین Foundations of Machine Learning

  • انواع یادگیری ماشین Types of Machine Learning

  • مفاهیم کلیدی یادگیری ماشین Key ML Concepts

  • پیش‌پردازش داده‌ها Data Preprocessing

  • معیارهای ارزیابی مدل Evaluation Metrics

  • بررسی سوگیری، واریانس و ارزیابی مدل - آزمایشگاه کاربردی Exploring Bias, Variance, and Model Evaluation - Hands on Lab

  • آزمون: مبانی یادگیری ماشین Quiz: Foundations of Machine Learning

رگرسیون خطی و رگرسیون چندجمله‌ای Linear Regression & Polynomial Regression

  • رگرسیون خطی و چندجمله‌ای Linear & Polynomial Regression

  • رگرسیون لجستیک و طبقه‌بندی Logistic Regression & Classification

  • درخت تصمیم و جنگل تصادفی Decision Trees & Random Forests

  • ماشین‌های بردار پشتیبان (SVM) Support Vector Machines (SVMs)

  • الگوریتم k-نزدیک‌ترین همسایه (kNN) k-Nearest Neighbors (kNN)

  • مقایسه رگرسیون خطی و چندجمله‌ای - آزمایشگاه کاربردی Linear vs Polynomial Regression - Hands on Lab

  • آزمون: رگرسیون خطی و چندجمله‌ای Quiz: Linear Regression & Polynomial Regression

یادگیری نظارت‌نشده Unsupervised Learning

  • خوشه‌بندی (k-Means، سلسله‌مراتبی، DBSCAN) Clustering (k-Means, Hierarchical, DBSCAN)

  • کاهش ابعاد (PCA, t-SNE) Dimensionality Reduction (PCA, t-SNE)

  • استخراج قوانین انجمنی (Apriori, FP-Growth) Association Rule Mining (Apriori, FP-Growth)

  • یادگیری نظارت‌نشده با خوشه‌بندی و PCA - آزمایشگاه کاربردی Unsupervised Learning with Clustering & PCA - Hands on Lab

شبکه‌های عصبی و یادگیری عمیق Neural Networks & Deep Learning

  • مقدمه‌ای بر شبکه‌های عصبی Introduction to Neural Networks

  • توابع فعال‌ساز Activation Functions

  • پس‌انتشار (Backpropagation) و گرادیان کاهشی Backpropagation & Gradient Descent

  • شبکه‌های عصبی کانولوشنال (CNN) Convolutional Neural Networks (CNNs)

  • شبکه‌های عصبی بازگشتی (RNN) و LSTMها Recurrent Neural Networks (RNNs) & LSTMs

  • ساخت اولین شبکه عصبی با دیتاست MNIST - آزمایشگاه کاربردی Building Your First Neural Network with MNIST - Hands on Lab

  • آزمون: شبکه‌های عصبی و یادگیری عمیق Quiz: Neural Networks & Deep Learning

یادگیری تقویتی Reinforcement Learning

  • مبانی یادگیری تقویتی Basics of Reinforcement Learning

  • فرآیندهای تصمیم‌گیری مارکوف (MDP) Markov Decision Processes (MDP)

  • یادگیری Q (Q-Learning) Q-Learning

  • یادگیری تقویتی عمیق (DQN, Policy Gradient) Deep Reinforcement Learning (DQN, Policy Gradient)

  • مقدمه‌ای بر یادگیری تقویتی با محیط CartPole - آزمایشگاه کاربردی Introduction to Reinforcement Learning with CartPole - Hands on Lab

پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)

  • مقدمه‌ای بر پردازش زبان طبیعی (NLP) Introduction to NLP

  • پردازش متن و استخراج ویژگی Text Processing & Feature Extraction

  • مدل‌های زبانی Language Models

  • تحلیل احساسات Sentiment Analysis

  • ترجمه ماشینی Machine Translation

  • مقدمه‌ای بر NLP و تحلیل احساسات - آزمایشگاه کاربردی Introduction to NLP with Sentiment Analysis - Hands on Lab

  • آزمون: پردازش زبان طبیعی (NLP) Quiz: Natural Language Processing (NLP)

بینایی ماشین Computer Vision

  • مقدمه‌ای بر بینایی ماشین Introduction to Computer Vision

  • تکنیک‌های پردازش تصویر Image Processing Techniques

  • تشخیص اشیاء (Object Detection) Object Detection

  • طبقه‌بندی تصاویر Image Classification

  • بخش‌بندی تصاویر (Image Segmentation) Image Segmentation

  • شبکه‌های عصبی کانولوشنال (CNN) در بینایی ماشین Convolutional Neural Networks (CNNs)

  • مقدمه‌ای بر بینایی ماشین با CNN - آزمایشگاه کاربردی Introduction to Computer Vision with CNNs - Hands on Lab

اخلاق و آینده هوش مصنوعی Ethics and Future of AI

  • ملاحظات اخلاقی در هوش مصنوعی Ethical Considerations in AI

  • سوگیری و عدالت در AI Bias and Fairness in AI

  • حریم خصوصی و امنیت در AI Privacy and Security in AI

  • اخلاق و هوش مصنوعی مسئولانه: شناسایی سوگیری در ML - آزمایشگاه کاربردی Ethics and Responsible AI: Detecting Bias in ML - Hands on Lab

نمایش نظرات

آموزش دوره جامع مبانی یادگیری ماشین و هوش مصنوعی
جزییات دوره
2.5 hours
48
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
15,125
4.4 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Data Science ACADEMY Data Science ACADEMY

ML Master Trainer علم داده ، یادگیری ماشین ، هوش مصنوعی ، یادگیری عمیق ، بهینه سازی موتور جستجو ، بازاریابی موتور جستجو ، روش های محاسباتی و همچنین آموزش زبان برنامه نویسی پایتون. پایتون ، علوم داده ، یادگیری ماشینی ، یادگیری عمیق و هوش مصنوعی ، ما درس های خود را با مثال های واقعی ترکیب و ارائه می دهیم. به منظور گسترش دانشی که آموخته اید فراتر از سطح عمومی فرهنگ است. 10+ سال تجربه

School of AI School of AI