لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی مولد و ESG (زیستمحیطی، اجتماعی و حاکمیتی)
- آخرین آپدیت
دانلود Generative AI and ESG
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره در سطح متوسط، یادگیرندگان را با درک جامع از اصول زیستمحیطی، اجتماعی و حاکمیتی (ESG) و تسلط عملی بر بهکارگیری فناوریهای هوش مصنوعی مولد (GenAI) برای ارتقای عملکردهای ESG تجهیز میکند. با پر کردن شکاف بین پایداری و هوش مصنوعی پیشرو، مهارتهای لازم برای ایجاد تأثیری معنادار در سازمان خود و جامعه گستردهتر را کسب خواهید کرد.
شما ابتدا با تسلط بر مبانی ESG و GenAI شروع کرده و سپس تلاقی قدرتمند آنها را بررسی میکنید. در ادامه، پیادهسازی هوش مصنوعی برای تحلیل دادههای ESG، ارزیابی ریسک و گزارشدهی ESG را خواهید آموخت. مباحث پیشرفته شامل تولید تقویتشده با بازیابی (RAG) و تنظیم دقیق (Fine-tuning) مدلهای هوش مصنوعی برای وظایف ESG است. همچنین با بررسی مطالعات موردی، روندهای نوظهور و بحث درباره پیامدهای هوش مصنوعی در ESG آشنا میشوید.
برای موفقیت در این دوره، داشتن درک پایهای از مفاهیم کسبوکار و علاقهمندی واقعی به پایداری و فناوریهای نوظهور توصیه میشود. هیچ تخصص فنی قبلی مورد نیاز نیست؛ ما این دوره را بهگونهای طراحی کردهایم که شما را گامبهگام در مفاهیم ESG و هوش مصنوعی راهنمایی کند. چه متخصص پایداری باشید که به دنبال بهرهبرداری از AI است، چه دانشمند دادهای که به حوزه ESG وارد میشود و چه رهبری کسبوکار که تحول دیجیتال در پایداری را پیش میبرد، شما برای هدایت ابتکارات پایداری مبتنی بر AI و پیوند دادن جنبههای فنی و استراتژیک اجرای ESG آماده خواهید شد.
سرفصل ها و درس ها
مبانی ESG
Foundations of ESG
معرفی دوره و خوشآمدگویی
Course Overview and Welcome
مقدمهای بر ESG: اصول و اهمیت
Introduction to ESG: Principles and Importance
استانداردها، چارچوبها و عملکردهای ESG
ESG Standards, Frameworks, and Practices
چالشهای ESG: سبزشویی (Greenwashing) و چشمانداز رگولاتوری
ESG Challenges: Greenwashing and Regulatory Landscape
گزارشدهی و تاییدیه ESG
ESG Reporting and Assurance
مبانی هوش مصنوعی مولد (GenAI)
Foundations of GenAI
مقدمهای بر هوش مصنوعی مولد و مدلهای زبانی بزرگ (LLM)
Introduction to Generative AI and Large Language Models (LLM)
معماری و آموزش LLMها
The Architecture and Training of LLMs
کاربردها و بازیگران کلیدی در GenAI
Applications and Key Players in GenAI
چالشها، محدودیتها و آینده GenAI
Challenges, Limitations, and Future of GenAI
استفاده از GenAI در ESG
Using GenAI in ESG
پیادهسازی AI در ESG: نیازها و مزایا
Implementing AI in ESG: Needs and Advantages
استخراج و تحلیل دادهها از گزارشهای ESG
Extracting and Analyzing Data from ESG Reports
بهبود ارزیابی و مدیریت ریسک ESG
Enhancing ESG Risk Assessment and Management
بهبود تعامل با ذینفعان و گزارشدهی با GenAI
Improving Stakeholder Engagement and Reporting with GenAI
نوآوریهای مبتنی بر AI در محصولات و خدمات پایدار
AI-Driven Innovation in Sustainable Products and Services
تکنیکهای پیشرفته پیادهسازی در ESG
Advanced Implementation Techniques in ESG
مهندسی پرامپت برای کاربردهای ESG
Prompt Engineering for ESG Applications
RAG و تنظیم دقیق مدلهای AI برای وظایف ESG
RAG and Fine-tuning AI Models for ESG Tasks
مقایسه رویکردهای پیادهسازی GenAI در ESG
Comparing GenAI Implementation Approaches in ESG
تمرینهای موردی استخراج داده از گزارشهای ESG
Case Exercises - Extracting Data from ESG Reports
تمرین موردی ۱ استخراج دادههای محیط زیستی از گزارشهای ESG
Case Exercise 1 - Extracting Environmental Data from ESG Reports
تمرین موردی ۲ استخراج دادههای تنوع از گزارشهای ESG
Case Exercise 2 - Extracting Diversity Data from ESG Reports
روندهای آینده و دغدغههای اخلاقی در AI برای ESG
Future Trends and Ethical Concerns in AI for ESG
ملاحظات اخلاقی، سوگیری، حریم خصوصی دادهها و هوش مصنوعی قابل توضیح (XAI)
Ethical Considerations, Bias, Data Privacy and Explainable AI
چشمانداز رگولاتوری، همکاریهای جهانی و مدلهای AI سفارشیسازی شده
Regulatory Landscape, Global Collaboration and Customized AI Models
نمایش نظرات