آموزش مقدمه ای بر هوش مصنوعی

سرفصل ها و درس ها

مقدمه Introduction

• چرا باید در مورد هوش مصنوعی بدانید؟ Why you need to know about artificial intelligence

1. هوش مصنوعی چیست؟ 1. What Is Artificial Intelligence?

• هوش عمومی را تعریف کنید Define general intelligence

• هوش مصنوعی قوی در مقابل ضعیف Strong vs. weak AI

• مشکل گشای کلی The general problem-solver

2. کاربردهای رایج برای هوش مصنوعی 2. Popular Uses for Artificial Intelligence

• هوش مصنوعی پیش بینی کننده Predictive AI

• هوش مصنوعی مولد Generative AI

3. ظهور یادگیری ماشینی 3. The Rise of Machine Learning

• یادگیری ماشینی Machine learning

• شبکه های عصبی مصنوعی Artificial neural networks

4. سیستم های هوش مصنوعی رایج 4. Common AI Systems

• سیستم های مولد Generative systems

• جستجوی الگوها در داده ها Searching for patterns in data

• پردازش زبان طبیعی Natural language processing

• اینترنت اشیا The internet of things

• رباتیک Robotics

5. از داده ها بیاموزید 5. Learn from Data

• داده های برچسب دار و بدون برچسب Labeled and unlabeled data

• مدل های داده Data models

• مجموعه داده های عظیم Massive datasets

6. شناسایی الگوها 6. Identify Patterns

• داده های خوشه ای Cluster data

• طبقه بندی داده ها Classify data

• یادگیری تقویتی Reinforcement learning

7. الگوریتم های یادگیری ماشین 7. Machine Learning Algorithms

• K-نزدیک ترین همسایه K-nearest neighbor

• رگرسیون Regression

• الگوریتم های رایج Common algorithms

• K-به معنای خوشه بندی است K-means clustering

• بیز ساده لوح Naive Bayes

8. الگوریتم را متناسب کنید 8. Fit the Algorithm

• بهترین الگوریتم را انتخاب کنید Select the best algorithm

• داده ها را دنبال کنید Follow the data

• بیش از حد و کم تناسب Overfitting and underfitting

9. شبکه های عصبی مصنوعی 9. Artificial Neural Networks

• سوگیری فعال سازی The activation bias

• وزن کردن اتصالات Weighing the connections

• ساخت شبکه عصبی Build a neural network

10. بهبود دقت 10. Improve Accuracy

• از طریق شبکه قدم بردارید Step through the network

• درس گرفتن از اشتباهات Learning from mistakes

11. ظهور هوش مصنوعی مولد 11. The Rise of Generative AI

• مدل های انتشار تصویر Image diffusion models

• یادگیری خود نظارتی Self-supervised learning

• مدل های فونداسیون Foundation models

• مدل های زبان بزرگ (LLM) Large language models (LLM)

12. معماری هوش مصنوعی مولد 12. Generative AI Architecture

• ترانسفورماتورها Transformers

• رمزگذار خودکار متغیر (VAE) Variational autoencoder (VAE)

• شبکه های متخاصم مولد (GAN) Generative adversarial networks (GAN)

13. چالش های اخلاقی و قانونی 13. Ethical and Legal Challenges

• قابلیت ردیابی تصمیم Decision traceability

• چالش های حق چاپ Copyright challenges

• نگرانی های مربوط به حریم خصوصی Privacy concerns

• مشکل هم ترازی The alignment problem

14. از اینجا کجا برویم 14. Where to Go from Here

• استفاده از هوش مصنوعی برای حل مشکلات Applying AI to solve problems

• استفاده از سیستم های هوش مصنوعی Using AI systems