آموزش یادگیری ماشین برای مبتدیان مطلق - سطح ۱ - آخرین آپدیت

دانلود Machine Learning for Absolute Beginners - Level 1

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: این دوره دارای قابلیت Coursera Coach است! روشی هوشمندانه‌تر برای یادگیری با گفتگوهای تعاملی و بلادرنگ که به شما کمک می‌کند تا دانش خود را آزمایش کنید، پیش‌فرض‌ها را به چالش بکشید و همزمان با پیشروی در دوره، درک خود را عمیق‌تر کنید. در این دوره مناسب برای مبتدیان، شما سفری ساختاریافته را در دنیای هیجان‌انگیز یادگیری ماشین (ML) آغاز خواهید کرد. با شروع از مفاهیم بنیادی مانند ظهور هوش مصنوعی (AI) و کاربردهای واقعی آن، اصطلاحات و تکنیک‌های ضروری یادگیری ماشین را بررسی خواهید کرد. این دوره درک جامعی از مدل‌های مختلف یادگیری ماشین و عملکردهای آن‌ها، از جمله یادگیری نظارت شده، یادگیری نظارت نشده، یادگیری تقویتی و طبقه‌بندی ارائه می‌دهد. در ادامه، به بررسی جادوی پشت هوش مصنوعی مولد، شبکه‌های عصبی مصنوعی، یادگیری عمیق و مدل‌های زبانی بزرگ (LLMs) خواهید پرداخت. همچنین نگاهی دقیق‌تر به این موضوع خواهید داشت که چگونه هوش مصنوعی مولد با تولید متن، تصویر و حتی کد، در حال متحول کردن صنایع است. در طول دوره، با مثال‌های کاربردی و موارد استفاده واقعی درگیر می‌شوید و می‌آموزید که چگونه می‌توان از AI در سناریوهای دنیای واقعی مانند ایده‌پردازی، خلاصه‌سازی و تولید کد استفاده کرد. این دوره همچنین چالش‌ها و محدودیت‌های کلیدی AI مانند سوگیری، توهمات و نگرانی‌های مربوط به حریم خصوصی داده‌ها را برجسته می‌کند تا اطمینان حاصل شود که شما درکی جامع از پتانسیل‌ها و محدودیت‌های فناوری‌های AI به دست می‌آورید. این دوره برای کسانی که سفر خود را در یادگیری ماشین و هوش مصنوعی آغاز می‌کنند و هیچ تجربه قبلی ندارند، ایده‌آل است. به‌ویژه برای هر کسی که علاقه‌مند است بداند هوش مصنوعی مولد چگونه می‌تواند در زمینه‌های مختلف به کار رود، مفید است. این دوره با رویکرد عملی و توضیحات شفاف، شما را به تدریج با دنیای هیجان‌انگیز و همیشه در حال تکامل AI آشنا می‌کند. در پایان این دوره، شما قادر خواهید بود مفاهیم بنیادی یادگیری ماشین را درک کنید، مدل‌های پایه ML را پیاده‌سازی کنید، چالش‌های AI را مدیریت کنید و هوش مصنوعی مولد را به روش‌های خلاقانه به کار بگیرید.

سرفصل ها و درس ها

شروع کار با سطح ۱! Getting Started with Level 1!

  • خوش آمدید! Welcome!

ظهور هوش مصنوعی The Rise of Artificial Intelligence

  • هوش مصنوعی (AI): آینده Artificial Intelligence (AI) - The Future

  • هوش مصنوعی Artificial Intelligence

  • برنامه‌نویسی کلاسیک Classical Programming

  • یادگیری ماشین Machine Learning

  • یادگیری عمیق Deep Learning

  • هوش مصنوعی کاربردی در مقابل هوش مصنوعی تعمیم‌یافته Applied vs. Generalized Artificial Intelligence (AI)

  • چرا امروز به هوش مصنوعی نیاز داریم؟ Why Do We Need AI Today?

مقدمه‌ای بر یادگیری ماشین Introduction to Machine Learning

  • اصطلاحات یادگیری ماشین (ML) Machine Learning (ML) Terminology

  • استعاره جعبه سیاه The Black Box Metaphor

  • ویژگی‌ها و برچسب‌ها Features and Labels

  • آموزش یک مدل Training a Model

  • هدف‌گذاری برای تعمیم‌پذیری Aiming for Generalization

طبقه‌بندی سیستم‌های یادگیری ماشین (ML) Classification of Machine Learning (ML) Systems

  • درجه نظارت The Degree of Supervision

  • یادگیری نظارت شده Supervised Learning

  • طبقه‌بندی (Classification) Classification

  • رگرسیون (Regression) Regression

  • یادگیری نظارت نشده Unsupervised Learning

  • خوشه‌بندی (Clustering) Clustering

  • کاهش ابعاد Dimension Reduction

  • یادگیری تقویتی Reinforcement Learning

  • عامل تصمیم‌گیرنده Decision-Making Agent

جادوی پشت هوش مصنوعی مولد The Magic Behind Generative AI

  • مقدمه Introduction

  • شبکه‌های عصبی مصنوعی Artificial Neural Networks

  • معماری‌های یادگیری عمیق Deep Learning Architectures

  • مدل‌های پایه (Foundation Models) Foundation Models

  • مدل‌های زبانی بزرگ (LLMs) Large Language Models (LLMs)

  • انواع مدل‌ها Model Types

  • پرامپت و توکن‌ها Prompt and Tokens

  • مجموع توکن‌ها و پنجره بافت (Context Window) Total Tokens and Context Window

  • توکن بعدی لطفاً! Next Token Please!

  • یادگیری خودنظارتی Self-Supervised Learning

  • بهبود و تطبیق مدل‌های LLM Improving and Adapting LLMs

  • خلاصه Summary

چالش‌ها و محدودیت‌های کلیدی Key Challenges and Limitations

  • مقدمه Introduction

  • حساسیت به پرامپت Prompt Sensitivity

  • تاریخ قطع دانش (Knowledge Cutoff) Knowledge Cutoff

  • غیر قطعی بودن (Non-Deterministic) It is not Deterministic

  • داده‌های ساختاریافته Structured Data

  • توهمات (Hallucinations) Hallucinations

  • فقدان درک عامیانه (Common Sense) Lack of Common Sense

  • سوگیری و عدالت Bias and Fairness

  • حریم خصوصی، امنیت و سوءاستفاده از داده‌ها Data Privacy, Security, and Misuse

  • خلاصه Summary

بهره‌برداری از قدرت هوش مصنوعی مولد Unleash the Power of Generative AI

  • مقدمه Introduction

  • تولید متن، تصویر، ویدیو و صوت Text-Image-Video-Audio Generation

  • مبتنی بر وب در مقابل مبتنی بر اپلیکیشن (APIs) Web-Based vs Application-Based (APIs)

  • مورد استفاده: دستیار ایده‌پردازی Use Case - Brainstorm Assistant

  • مورد استفاده: خلاصه‌سازی Use Case - Summarization

  • مورد استفاده: بهبود متن Use Case – Text Enhancement

  • مورد استفاده: تولید کد Use Case - Code Generation

  • مورد استفاده: محتوا به عنوان یک چهارچوب Use Case – Content as a Framework

  • مورد استفاده: تولید تصاویر بر اساس نیاز Use Case – Images on Demand

  • مورد استفاده: تقویت اپلیکیشن‌های مبتنی بر AI Use Case – Boosting AI-Based Apps

  • بهترین روش‌ها برای نوشتن پرامپت Best Practices for Prompts

  • خلاصه Summary

خلاصه دوره Course Summary

  • مرور نهایی و سپاسگزاری! Let's Recap and Thank You!

نمایش نظرات

آموزش یادگیری ماشین برای مبتدیان مطلق - سطح ۱
جزییات دوره
7h 21m
57
(آخرین آپدیت)
294
- از 5
دارد
دارد
دارد
Chris Croft
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Chris Croft Chris Croft

مربی مدیریت، سخنران، نویسنده