این دوره آماده سازی برای امتحان CT-AI است، به شما کمک می کند تا تمام بخش های برنامه درسی را با نمونه سوالات بگذرانید
می توانید دانش خود را برای هر نوع محتوای ارائه شده برای قبولی در آزمون تأیید کنید.
دوره این است مرتب شده مانند بخش های برنامه درسی:
1. مقدمه ای بر هوش مصنوعی
1.1 تعریف هوش مصنوعی و جلوه هوش مصنوعی
1.2 Narrow، General و Super AI
1.3 سیستمهای متداول و مبتنی بر هوش مصنوعی
1.4 فناوریهای هوش مصنوعی
1.5 چارچوب توسعه هوش مصنوعی
1.6 سخت افزار برای سیستم های مبتنی بر هوش مصنوعی
1.7 هوش مصنوعی به عنوان یک سرویس (AIaaS)
1.8 مدل های از پیش آموزش دیده
1.9 استانداردها، مقررات و هوش مصنوعی
2. ویژگی های کیفیت برای سیستم های مبتنی بر هوش مصنوعی
2.1 انعطاف پذیری و سازگاری
2.2 خودمختاری
2.3 تکامل
2.4 تعصب
2.5 اخلاق
2.6 عوارض جانبی و هک پاداش
2.7 شفافیت، تفسیرپذیری و توضیح پذیری
2.8 ایمنی و هوش مصنوعی
3. یادگیری ماشینی (ML) – نمای کلی
3.1 اشکال ML
3.2 ML گردش کار
3.3 انتخاب فرم ML
3.4 عوامل دخیل در انتخاب الگوریتم ML
3.5 بیش از حد و کم تناسب
4. ML - داده
4.1 آماده سازی داده به عنوان بخشی از گردش کار ML
4.2 مجموعه دادههای آموزش، اعتبارسنجی و آزمایش در گردش کار ML
4.3 مشکلات کیفیت مجموعه داده
و موارد دیگر
مهندس اتوماسیون تست
نمایش نظرات