آموزش مسترکلاس هوش مصنوعی مدرن: ساخت 6 پروژه

سرفصل ها و درس ها

معرفی Introduction

• معرفی و پیام خوش آمد گویی Introduction and Welcome Message

• مقدمه، نکات کلیدی و بهترین شیوه ها Introduction, Key Tips and Best Practices

• طرح کلی دوره و نتایج کلیدی یادگیری Course Outline and Key Learning Outcomes

• مواد را دریافت کنید Get the Materials

هوش مصنوعی احساسی Emotion AI

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• وظیفه شماره 1 - بیان مشکل و مورد تجاری را درک کنید Task #1 - Understand the Problem Statement & Business Case

• وظیفه شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Task #2 - Import Libraries and Datasets

• وظیفه شماره 3 - تجسم تصویر را انجام دهید Task #3 - Perform Image Visualizations

• وظیفه شماره 4 - افزایش تصاویر را انجام دهید Task #4 - Perform Images Augmentation

• وظیفه شماره 5 - عادی سازی و مقیاس گذاری داده ها را انجام دهید Task #5 - Perform Data Normalization and Scaling

• وظیفه شماره 6 - تئوری و شهود شبکه های عصبی مصنوعی (ANN) را درک کنید Task #6 - Understand Artificial Neural Networks (ANNs) Theory & Intuition

• وظیفه شماره 7 - آموزش ANN و الگوریتم نزول گرادیان را درک کنید Task #7 - Understand ANNs Training & Gradient Descent Algorithm

• وظیفه شماره 8 - شبکه های عصبی کانولوشن و شبکه های مجدد را درک کنید Task #8 - Understand Convolutional Neural Networks and ResNets

• وظیفه شماره 9 - ساخت ResNet برای تشخیص نقاط کلیدی صورت Task #9 - Build ResNet to Detect Key Facial Points

• وظیفه شماره 10 - کامپایل و آموزش مدل آشکارساز نقاط کلیدی صورت Task #10 - Compile and Train Facial Key Points Detector Model

• وظیفه شماره 11 - عملکرد مدل ResNet آموزش دیده را ارزیابی کنید Task #11 - Assess Trained ResNet Model Performance

• وظیفه شماره 12 - وارد کردن و کاوش در حالات چهره (احساسات) مجموعه داده ها Task #12 - Import and Explore Facial Expressions (Emotions) Datasets

• کار شماره 13 - تصاویر را برای تشخیص حالت چهره تجسم کنید Task #13 - Visualize Images for Facial Expression Detection

• وظیفه شماره 14 - افزایش تصویر را انجام دهید Task #14 - Perform Image Augmentation

• کار شماره 15 - ساخت و آموزش یک مدل طبقه‌بندی کننده حالت چهره Task #15 - Build & Train a Facial Expression Classifier Model

• کار شماره 16 - درک شاخص های عملکرد کلیدی طبقه بندی کننده ها (KPI) Task #16 - Understand Classifiers Key Performance Indicators (KPIs)

• کار شماره 17 - مدل طبقه‌بندی کننده حالت چهره را ارزیابی کنید Task #17 - Assess Facial Expression Classifier Model

• کار شماره 18 - از هر دو مدل پیش بینی کنید: 1. نقاط کلیدی صورت و 2. احساسات Task #18 - Make Predictions from Both Models: 1. Key Facial Points & 2. Emotion

• وظیفه شماره 19 - ذخیره مدل آموزش دیده برای استقرار Task #19 - Save Trained Model for Deployment

• وظیفه شماره 20 - ارائه مدل آموزش دیده در سرویس TensorFlow 2.0 Task #20 - Serve Trained Model in TensorFlow 2.0 Serving

• وظیفه شماره 21 - هر دو مدل را به کار گرفته و استنتاج کنید Task #21 - Deploy Both Models and Make Inference

هوش مصنوعی در بهداشت و درمان AI in Healthcare

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• وظیفه شماره 1 - بیان مسئله و مورد تجاری را درک کنید Task #1 - Understand the Problem Statement and Business Case

• وظیفه شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Task #2 - Import Libraries and Datasets

• وظیفه شماره 3 - مجموعه داده ها را تجسم و کاوش کنید Task #3 - Visualize and Explore Datasets

• وظیفه شماره 4 - شهود پشت ResNet و CNN را درک کنید Task #4 - Understand the Intuition behind ResNet and CNNs

• وظیفه شماره 5 - درک نظریه و شهود در پشت یادگیری انتقال Task #5 - Understand Theory and Intuition Behind Transfer Learning

• وظیفه شماره 6 - آموزش یک مدل طبقه بندی کننده برای تشخیص تومورهای مغزی Task #6 - Train a Classifier Model To Detect Brain Tumors

• کار شماره 7 - عملکرد مدل طبقه‌بندی‌کننده آموزش دیده را ارزیابی کنید Task #7 - Assess Trained Classifier Model Performance

• وظیفه شماره 8 - شهود مدل های تقسیم بندی ResUnet را درک کنید Task #8 - Understand ResUnet Segmentation Models Intuition

• وظیفه شماره 9 - ساخت یک مدل تقسیم بندی برای بومی سازی تومورهای مغزی Task #9 - Build a Segmentation Model to Localize Brain Tumors

• وظیفه شماره 10 - مدل تقسیم بندی ResUnet را آموزش دهید Task #10 - Train ResUnet Segmentation Model

• وظیفه شماره 11 - عملکرد مدل تقسیم بندی ResUNet آموزش دیده را ارزیابی کنید Task #11 - Assess Trained ResUNet Segmentation Model Performance

هوش مصنوعی در تجارت (بازاریابی) AI in Business (Marketing)

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• وظیفه شماره 1 - کاربردهای هوش مصنوعی در بازاریابی را درک کنید Task #1 - Understand AI Applications in Marketing

• وظیفه شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Task #2 - Import Libraries and Datasets

• کار شماره 3 - انجام تجزیه و تحلیل داده های اکتشافی (بخش شماره 1) Task #3 - Perform Exploratory Data Analysis (Part #1)

• کار شماره 4 - انجام تجزیه و تحلیل داده های اکتشافی (بخش شماره 2) Task #4 - Perform Exploratory Data Analysis (Part #2)

• وظیفه شماره 5 - درک نظریه و شهود پشت الگوریتم خوشه بندی K-Means Task #5 - Understand Theory and Intuition Behind K-Means Clustering Algorithm

• وظیفه شماره 6 - از روش زانویی برای یافتن تعداد بهینه خوشه ها استفاده کنید Task #6 - Apply Elbow Method to Find the Optimal Number of Clusters

• کار شماره 7 - الگوریتم خوشه بندی K-Means را اعمال کنید Task #7 - Apply K-Means Clustering Algorithm

• وظیفه شماره 8 - درک شهود پشت تجزیه و تحلیل مؤلفه اصلی (PCA) Task #8 - Understand Intuition Behind Principal Component Analysis (PCA)

• وظیفه شماره 9 - تئوری و شهود پشت رمزگذارهای خودکار را درک کنید Task #9 - Understand the Theory and Intuition Behind Auto-encoders

• وظیفه شماره 10 - از رمزگذارهای خودکار استفاده کنید و خوشه بندی را انجام دهید Task #10 - Apply Auto-encoders and Perform Clustering

هوش مصنوعی در تجارت (مالی) و AutoML AI In Business (Finance) & AutoML

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• نکاتی در مورد خدمات وب آمازون (AWS) Notes on Amazon Web Services (AWS)

• وظیفه شماره 1 - بیان مشکل و مورد تجاری را درک کنید Task #1 - Understand the Problem Statement & Business Case

• وظیفه شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Task #2 - Import Libraries and Datasets

• وظیفه شماره 2 - وارد کردن کتابخانه ها و مجموعه داده ها Task #2 - Import Libraries and Datasets

• وظیفه شماره 3 - مجموعه داده را تجسم و کاوش کنید Task #3 - Visualize and Explore Dataset

• وظیفه شماره 4 - داده ها را پاک کنید Task #4 - Clean Up the Data

• وظیفه شماره 5 - تئوری و شهود پشت الگوریتم XG-Boost را درک کنید Task #5 - Understand the Theory & Intuition Behind XG-Boost Algorithm

• وظیفه شماره 6 - مراحل کلیدی الگوریتم XG-Boost را درک کنید Task #6 - Understand XG-Boost Algorithm Key Steps

• کار شماره 7 - الگوریتم XG-Boost را با استفاده از Scikit-Learn آموزش دهید Task #7 - Train XG-Boost Algorithm Using Scikit-Learn

• وظیفه شماره 8 - جستجوی شبکه و بهینه سازی فراپارامترها را انجام دهید Task #8 - Perform Grid Search and Hyper-parameters Optimization

• وظیفه شماره 9 - XG-Boost را در AWS SageMaker درک کنید Task #9 - Understand XG-Boost in AWS SageMaker

• وظیفه شماره 10 - آموزش XG-Boost در AWS SageMaker Task #10 - Train XG-Boost in AWS SageMaker

• کار شماره 11 - استقرار مدل و استنتاج Task #11 - Deploy Model and Make Inference

• وظیفه شماره 12 - آموزش و استقرار مدل با استفاده از خلبان خودکار AWS (کدینه کدگذاری مورد نیاز است!) Task #12 - Train and Deploy Model Using AWS AutoPilot (Minimal Coding Required!)

هوش مصنوعی خلاق Creative AI

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• معرفی پروژه و پیام خوش آمد گویی Project Introduction and Welcome Message

• وظیفه شماره 1 - بیان مشکل و مورد تجاری را درک کنید Task #1 - Understand the Problem Statement & Business Case

• وظیفه شماره 1 - بیان مشکل و مورد تجاری را درک کنید Task #1 - Understand the Problem Statement & Business Case

• وظیفه شماره 2 - وارد کردن مدل با وزنه های از قبل آموزش دیده Task #2 - Import Model with Pre-trained Weights

• وظیفه شماره 3 - وارد کردن و ادغام تصاویر Task #3 - Import and Merge Images

• وظیفه شماره 4 - مدل از پیش آموزش دیده را اجرا کنید و فعال سازی ها را کاوش کنید Task #4 - Run the Pre-trained Model and Explore Activations

• وظیفه شماره 5 - تئوری و شهود پشت الگوریتم رویای عمیق را درک کنید Task #5 - Understand the Theory & Intuition Behind Deep Dream Algorithm

• وظیفه شماره 6 - درک عملیات گرادیان در TF 2.0 Task #6 - Understand The Gradient Operations in TF 2.0

• وظیفه شماره 7 - اجرای الگوریتم رویای عمیق قسمت شماره 1 Task #7 - Implement Deep Dream Algorithm Part #1

• وظیفه شماره 8 - اجرای الگوریتم رویای عمیق قسمت شماره 2 Task #8 - Implement Deep Dream Algorithm Part #2

• وظیفه شماره 9 - از الگوریتم DeepDream برای تولید تصاویر استفاده کنید Task #9 - Apply DeepDream Algorithm to Generate Images

• وظیفه شماره 10 - ویدیوی DeepDream را ایجاد کنید Task #10 - Generate DeepDream Video

هوش مصنوعی قابل توضیح با کدگذاری صفر Explainable AI with Zero Coding

• دانلود مجموعه داده های هوش مصنوعی قابل توضیح و پیوند به DataRobot Explainable AI Dataset Download & Link to DataRobot

• بررسی اجمالی پروژه در مورد تشخیص غذا با هوش مصنوعی Project Overview on Food Recognition with AI

• DataRobot Demo 1 - مجموعه داده را آپلود و کاوش کنید DataRobot Demo 1 - Upload and Explore Dataset

• DataRobot Demo 2 - Train AI/ML Model DataRobot Demo 2 - Train AI/ML Model

• DataRobot Demo 3 - AI قابل توضیح DataRobot Demo 3 - Explainable AI

Crash Course در AWS، S3 و SageMaker Crash Course on AWS, S3, and SageMaker

• AWS و Cloud Computing چیست؟ What is AWS and Cloud Computing?

• اجزای اصلی یادگیری ماشین و تور AWS Key Machine Learning Components and AWS Tour

• مناطق و مناطق در دسترس Regions and Availability Zones

• آمازون S3 Amazon S3

• EC2 و مدیریت هویت و دسترسی (IAM) EC2 and Identity and Access Management (IAM)

• تنظیم و بررسی اجمالی حساب ردیف رایگان AWS AWS Free Tier Account Setup and Overview

• بررسی اجمالی AWS SageMaker AWS SageMaker Overview

• AWS SageMaker Walkthrough AWS SageMaker Walk-through

• نمای کلی AWS SageMaker Studio AWS SageMaker Studio Overview

• AWS SageMaker Studio Walk-through AWS SageMaker Studio Walk-through

• استقرار مدل AWS SageMaker AWS SageMaker Model Deployment