آموزش هوش مصنوعی مدرن با کدگذاری صفر

Modern Artificial Intelligence with Zero Coding

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: 5 پروژه عملی بسازید و از قدرت هوش مصنوعی برای حل مشکلات کسب و کار عملی و واقعی با Zero Coding استفاده کنید! ساخت، آموزش و استقرار مدل‌های هوش مصنوعی برای تشخیص احساسات افراد با استفاده از Google Teachable Machine تفاوت بین نرخ یادگیری، دوره‌ها، اندازه دسته، دقت و از دست دادن را توضیح دهید. پیش‌بینی حق بیمه با استفاده از ویژگی‌های مشتری مانند سن، عادت سیگار کشیدن و موقعیت جغرافیایی با استفاده از AWS AI AutoPilot ساخت، آموزش و استقرار هوش مصنوعی پیشرفته برای تشخیص بیماری‌های قلبی عروقی با استفاده از DataRobot AI از قدرت هوش مصنوعی برای تشخیص انواع غذا با استفاده از DataRobot AI توسعه یک مدل هوش مصنوعی برای شناسایی و طبقه‌بندی بیماری قفسه سینه با استفاده از داده‌های قفسه سینه با اشعه ایکس با استفاده از ماشین‌های آموزش‌پذیر Google، مدل‌های هوش مصنوعی آموزش‌دیده را با استفاده از KPI‌های مختلف مانند ماتریس سردرگمی، دقت طبقه‌بندی، و میزان خطا فهرست کنید مزایای مختلف یادگیری انتقال را فهرست کنید و بدانید چه زمانی باید این تکنیک را به درستی اعمال کرد. سرعت بخشیدن به فرآیند آموزش درک تئوری و شهود پشت شبکه های باقیمانده، یک شبکه عصبی عمیق پیشرفته که به طور گسترده در تجارت و مراقبت های بهداشتی مورد استفاده قرار می گیرد یاد بگیرید چگونه چندین مدل هوش مصنوعی را بر اساس XG-Boost، شبکه های عصبی مصنوعی آموزش دهید. طبقه‌بندی‌کننده‌های جنگل تصادفی و مقایسه عملکرد آن‌ها در DataRobot تأثیر آستانه طبقه‌بندی‌کننده بر نرخ مثبت کاذب (F allout) و نرخ مثبت واقعی (حساسیت) یاد بگیرید چگونه از ابزار SageMaker Studio AutoML برای ساخت، آموزش و استقرار مدل‌های AI/Ml استفاده کنید که به تجربه کدنویسی تقریباً صفر نیاز دارد. , خطای میانگین مربعات و ریشه خطای میانگین مربعات ساخت، آموزش و استقرار الگوریتم مبتنی بر XGBoost برای انجام وظایف رگرسیون با استفاده از AWS SageMaker Autopilot پیش نیازها: این دوره هیچ پیش نیازی ندارد و برای افرادی که هیچ دانش برنامه نویسی یا دانش اولیه ای ندارند آزاد است. دانش آموزانی که در این دوره ثبت نام می کنند، بر اصول هوش مصنوعی تسلط پیدا می کنند و مستقیماً این مهارت ها را برای حل مشکلات چالش برانگیز دنیای واقعی به کار می گیرند.

آیا می خواهید برنامه های فوق العاده قدرتمندی در هوش مصنوعی (AI) بسازید اما نمی دانید چگونه کدنویسی کنید؟

آیا از هوش مصنوعی می ترسید و نمی دانید از کجا شروع کنید؟

یا شاید شما مدرک علوم کامپیوتر ندارید و می خواهید به هوش مصنوعی نفوذ کنید؟

آیا شما یک کارآفرین مشتاق هستید که می‌خواهید با هوش مصنوعی درآمد کسب و کار را به حداکثر برسانید و هزینه‌ها را کاهش دهید، اما نمی‌دانید چگونه سریع و کارآمد به آنجا برسید؟


اگر پاسخ هر یک از این سوالات مثبت است، این دوره برای شما مناسب است!

هوش مصنوعی یکی از برترین زمینه های فناوری است که در حال حاضر در آن حضور دارید!

هوش مصنوعی مانند 100 سال پیش، زندگی ما را تغییر خواهد داد.

هوش مصنوعی به طور گسترده در امور مالی، بانکداری، مراقبت های بهداشتی، حمل و نقل و فناوری پذیرفته شده است. این رشته با فرصت ها و آینده شغلی در حال انفجار است.

این دوره یک مشکل کلیدی را حل می‌کند و آن این است که هوش مصنوعی را برای هر کسی که سابقه برنامه‌نویسی یا مدرک علوم کامپیوتری ندارد در دسترس قرار می‌دهد.

هدف از این دوره این است که بدون هیچ گونه ریاضیات ترسناک و به روشی کاربردی، آسان و سرگرم کننده، دانش جنبه های کلیدی هوش مصنوعی مدرن را به شما ارائه دهد. این دوره با استفاده از مجموعه داده های دنیای واقعی، تجربه عملی عملی را برای دانش آموزان فراهم می کند.

در این دوره، فرض می کنیم که شما اخیراً به عنوان مشاور در یک استارت آپ در سانفرانسیسکو استخدام شده اید. مدیر عامل شما را موظف کرده است که از تکنیک های پیشرفته هوش مصنوعی در 5 پروژه استفاده کنید. تنها یک اخطار وجود دارد، دانشمند داده های کلیدی شما از شما دست کشیده و نمی داند چگونه کدنویسی کند، و شما باید به سرعت نتایج ایجاد کنید. در واقع، شما فقط یک هفته فرصت دارید تا این مشکلات کلیدی شرکت را حل کنید. مجموعه داده هایی از همه این بخش ها در اختیار شما قرار می گیرد و از شما خواسته می شود تا به وظایف زیر دست یابید:

  • پروژه شماره 1: یک مدل هوش مصنوعی برای تشخیص احساسات افراد با استفاده از ماشین‌های قابل آموزش Google (فناوری) ایجاد کنید.

  • پروژه شماره 2: یک مدل هوش مصنوعی برای تشخیص و طبقه بندی بیماری قفسه سینه با استفاده از داده های قفسه سینه اشعه ایکس با استفاده از ماشین های آموزش پذیر Google (HealthCare) ایجاد کنید.

  • پروژه شماره 3: پیش بینی حق بیمه با استفاده از ویژگی های مشتری مانند سن، عادت سیگار کشیدن و موقعیت جغرافیایی با استفاده از AWS AI AutoPilot (Business).

  • پروژه شماره 4: تشخیص بیماری های قلبی عروقی با استفاده از DataRobot AI (HealthCare).

  • پروژه شماره 5: انواع غذاها را بشناسید و قابلیت توضیح هوش مصنوعی را با استفاده از DataRobot AI (فناوری) بررسی کنید.





سرفصل ها و درس ها

معرفی دوره، نتایج کلیدی یادگیری و نکات کلیدی برای موفقیت Course Introduction, Key Learning Outcomes, and Key Tips for Success

  • معرفی دوره و پیام خوش آمد گویی Course Introduction and Welcome Message

  • معرفی دوره نکات کلیدی برای موفقیت، بهترین شیوه ها و گرفتن گواهینامه Course Introduction Key Tips for Success, Best Practices and Getting Certified

  • هوش مصنوعی (AI) چیست؟ What is Artificial Intelligence (AI)?

  • دستور العمل هوش مصنوعی و مواد اصلی! AI Recipe and Key Ingredients!

  • آموزش هوش مصنوعی نظارت شده در مقابل آموزش بدون نظارت Supervised vs. Unsupervised AI Training

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

هوش مصنوعی در مراقبت‌های بهداشتی: تشخیص بیماری با ماشین آموزشی Google مجهز به هوش مصنوعی AI In Healthcare: Disease Detection With AI-Powered Google Teachable Machine

  • مطالعه موردی 1. تشخیص بیماری قفسه سینه با استفاده از Google Teachable Machine Case Study 1. Chest Disease Detection Using Google Teachable Machine

  • ظهور هوش مصنوعی در مراقبت های بهداشتی The Rise of AI in HealthCare

  • مطالب خواندنی: ظهور هوش مصنوعی در برنامه های بهداشتی Reading Material: The Rise of AI in Healthcare Applications

  • مسابقه: ظهور هوش مصنوعی در برنامه های بهداشتی Quiz: The Rise of AI in Healthcare Applications

  • بررسی اجمالی پروژه Project Overview

  • آموزش و آزمایش مدل هوش مصنوعی در ماشین‌های قابل آموزش Google AI Model Training & Testing in Google Teachable Machines

  • زیر سرپوش - شبکه های عصبی مصنوعی ساده شده Under the Hood - Artificial Neural Networks Simplified

  • Under the Hood - فرآیندهای آموزش و آزمایش شبکه های عصبی مصنوعی Under the Hood - Artificial Neural Networks Training & Testing Processes

  • Under the Hood - AI Lingo Demystified Under the Hood - AI Lingo Demystified

  • زیر سرپوش - ماتریس سردرگمی Under the Hood - Confusion Matrix

  • نسخه نمایشی ANN در زمین بازی تنسورفلو ANN Demo in Tensorflow Playground

  • صادرات، ذخیره و استقرار مدل هوش مصنوعی Export, Save and Deploy the AI Model

  • شبکه های عصبی کانولوشنال (CNN) Deep Dive Convolutional Neural Networks (CNNs) Deep Dive

  • بررسی اجمالی Covid-Net Covid-Net Overview

  • COVID-NET COVID-NET

  • بررسی اجمالی نهایی پروژه Final Project Overview

  • راه حل نهایی پروژه Final Project Solution

هوش مصنوعی احساسی با ماشین‌های آموزش‌پذیر Google مجهز به هوش مصنوعی Emotion AI with AI-powered Google Teachable Machines

  • مطالعه موردی 2. Emotion AI با Google Teachable Machine Case Study 2. Emotion AI with Google Teachable Machine

  • مقدمه ای بر هوش مصنوعی Emotion و نمای کلی پروژه Introduction to Emotion AI and Project Overview

  • مطالب خواندنی: هوش مصنوعی Emotion برای تست تبلیغات و تجزیه و تحلیل رسانه Reading Material: Emotion AI For Ad Testing and Media Analytics

  • آزمون: هوش مصنوعی احساسات برای تست تبلیغات و تجزیه و تحلیل رسانه ها Quiz: Emotion AI For Ad Testing and Media Analytics

  • دمو ماشین قابل آموزش شماره 1 - جمع آوری داده ها Teachable Machine Demo #1 - Data Collection

  • دمو ماشین قابل آموزش شماره 2 - آموزش مدل Teachable Machine Demo #2 - Model Training

  • دمو شماره 3 ماشین قابل آموزش - استقرار و آزمایش مدل Teachable Machine Demo #3 - Model Deployment and Testing

  • KPI های مدل های طبقه بندی - قسمت شماره 1 Classification Models KPIs - Part #1

  • KPIs مدل های طبقه بندی - قسمت #2 Classification Models KPIs - Part #2

  • یادگیری انتقالی Transfer Learning

  • خارج از قفسه Networks، ResNets، و ImageNet Off the shelf Networks, ResNets, and ImageNet

  • بررسی اجمالی نهایی پروژه Final Project Overview

  • بررسی اجمالی نهایی پروژه Final Project Overview

  • راه حل نهایی پروژه Final Project Solution

  • راه حل نهایی پروژه Final Project Solution

هوش مصنوعی برای تشخیص بیماری های قلبی عروقی با DataRobot AI for Cardiovascular Disease Detection with DataRobot

  • مطالعه موردی 3. تشخیص بیماری های قلبی عروقی با DataRobot Case Study 3. Cardiovascular Disease Detection with DataRobot

  • بررسی اجمالی پروژه: تشخیص بیماری های قلبی عروقی با هوش مصنوعی DataRobot Project Overview: Cardiovascular Disease Detection with DataRobot AI

  • مواد خواندنی: هوش مصنوعی برای تشخیص بیماری های قلبی عروقی Reading Materials: AI for Cardiovascular Disease Detection

  • آزمون: هوش مصنوعی برای تشخیص بیماری های قلبی عروقی Quiz: AI for Cardiovascular Disease Detection

  • نسخه ی نمایشی DataRobot شماره 1: ثبت نام و آپلود داده ها DataRobot Demo #1: Signup and data upload

  • نسخه ی نمایشی 2 DataRobot: انتخاب هدف و تجزیه و تحلیل داده های اکتشافی DataRobot Demo #2: Target Selection & Exploratory Data Analysis

  • نسخه 3 دیتا روبات: آموزش مدل و اهمیت ویژگی DataRobot Demo #3: Model Training and Feature Importance

  • دقت، فراخوان، ROC و AUC Precision, Recall, ROC and AUC

  • نسخه 4 دیتا روبات: ارزیابی و ارزیابی مدل DataRobot Demo #4: Model Evaluation and Assessment

  • نسخه نسخه 5 DataRobot: استقرار مدل و استنتاج DataRobot Demo #5: Model Deployment and Inference

  • مقدمه ای بر XG-Boost [سخنرانی اختیاری/مواد اضافی] Introduction to XG-Boost [Optional Lecture/Additional Material]

  • تقویت چیست؟ [سخنرانی اختیاری/مواد اضافی] What is Boosting? [Optional Lecture/Additional Material]

  • درختان تصمیم و یادگیری گروه [سخنرانی اختیاری/مواد اضافی] Decision Trees and Ensemble Learning [Optional Lecture/Additional Material]

  • شیرجه عمیق با افزایش گرادیان شماره 1 [سخنرانی اختیاری/مواد اضافی] Gradient Boosting Deep Dive #1 [Optional Lecture/Additional Material]

  • شیرجه عمیق با افزایش گرادیان شماره 2 [سخنرانی اختیاری/مواد اضافی] Gradient Boosting Deep Dive #2 [Optional Lecture/Additional Material]

هوش مصنوعی در تجارت با AWS Autopilot AI in Business With AWS Autopilot

  • مطالعه موردی 4. هوش مصنوعی در تجارت Case Study 4. AI in Business

  • مقدمه ای بر هوش مصنوعی در تجارت با AWS Introduction to AI in business with AWS

  • مطالب خواندنی: کاربردهای هوش مصنوعی در تجارت Reading Material: AI Applications in Business

  • آزمون: کاربردهای هوش مصنوعی در تجارت Quiz: AI Applications in Business

  • نمای کلی پروژه: پیش بینی حق بیمه Project Overview: Insurance Premium Prediction

  • رگرسیون خطی ساده و چندگانه Simple and Multiple Linear Regression

  • خدمات وب آمازون (AWS) 101 Amazon Web Services (AWS) 101

  • آمازون S3 و EC2 Amazon S3 and EC2

  • مقدمه ای بر AWS SageMaker Introduction to AWS SageMaker

  • معیارهای رگرسیون Regression Metrics

  • نسخه آزمایشی AWS SageMaker AutoPilot #1 AWS SageMaker AutoPilot Demo #1

  • نسخه ی نمایشی شماره ۲ AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #2

  • دمو شماره 3 AWS SageMaker AutoPilot AWS SageMaker AutoPilot Demo #3

هوش مصنوعی برای تشخیص غذا و هوش مصنوعی قابل توضیح با DataRobot AI for Food Recognition & Explainable AI with DataRobot

  • مطالعه موردی 5. تشخیص غذا با هوش مصنوعی و هوش مصنوعی قابل توضیح Case Study 5. Food Recognition with AI & Explainable AI

  • معرفی پروژه: تشخیص غذا با هوش مصنوعی Project Introduction: Food Recognition with AI

  • مطالب خواندنی: یادگیری ماشین و هوش مصنوعی در صنایع غذایی Reading Material: Machine Learning and AI in the Food Industry

  • مسابقه: یادگیری ماشینی و هوش مصنوعی در صنایع غذایی Quiz: Machine Learning and AI in the Food Industry

  • نسخه نمایشی DataRobot شماره 1 - مجموعه داده را آپلود و کاوش کنید DataRobot Demo #1 - Upload & Explore Dataset

  • نسخه ی نمایشی 2 DataRobot - مدل هوش مصنوعی قطار DataRobot Demo #2 - Train AI Model

  • نسخه ی نمایشی 3 DataRobot - هوش مصنوعی قابل توضیح DataRobot Demo #3 - Explainable AI

  • نظریه رگرسیون لجستیک [سخنرانی اختیاری/مواد اضافی] Logistic Regression Theory [Optional Lecture/Additional Material]

  • مبادله واریانس تعصب [سخنرانی اختیاری/مواد اضافی] Bias Variance Tradeoff [Optional Lecture/Additional Material]

  • L1 & L2 Regularization قسمت #1 [سخنرانی اختیاری/مواد اضافی] L1 & L2 Regularization Part #1 [Optional Lecture/Additional Material]

  • L1 & L2 Regularization قسمت #2 [سخنرانی اختیاری/مواد اضافی] L1 & L2 Regularization Part #2 [Optional Lecture/Additional Material]

نمایش نظرات

Udemy (یودمی)

یودمی یکی از بزرگ‌ترین پلتفرم‌های آموزشی آنلاین است که به میلیون‌ها کاربر در سراسر جهان امکان دسترسی به دوره‌های متنوع و کاربردی را فراهم می‌کند. این پلتفرم امکان آموزش در زمینه‌های مختلف از فناوری اطلاعات و برنامه‌نویسی گرفته تا زبان‌های خارجی، مدیریت، و هنر را به کاربران ارائه می‌دهد. با استفاده از یودمی، کاربران می‌توانند به صورت انعطاف‌پذیر و بهینه، مهارت‌های جدیدی را یاد بگیرند و خود را برای بازار کار آماده کنند.

یکی از ویژگی‌های برجسته یودمی، کیفیت بالای دوره‌ها و حضور استادان مجرب و با تجربه در هر حوزه است. این امر به کاربران اعتماد می‌دهد که در حال دریافت آموزش از منابع قابل اعتماد و معتبر هستند و می‌توانند به بهترین شکل ممکن از آموزش‌ها بهره ببرند. به طور خلاصه، یودمی به عنوان یکی از معتبرترین و موثرترین پلتفرم‌های آموزشی آنلاین، به افراد امکان می‌دهد تا به راحتی و با کیفیت، مهارت‌های مورد نیاز خود را ارتقا دهند و به دنبال رشد و پیشرفت شغلی خود باشند.

آموزش هوش مصنوعی مدرن با کدگذاری صفر
جزییات دوره
9.5 hours
69
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
8,771
4.5 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Dr. Ryan Ahmed, Ph.D., MBA Dr. Ryan Ahmed, Ph.D., MBA

استاد و پرفروش ترین مربی Udemy ، دانشجویان 100K + رایان احمد مربی پرفروش Udemy است که علاقه زیادی به آموزش و فناوری دارد. ماموریت رایان این است که آموزش با کیفیت را برای همه قابل دسترسی و مقرون به صرفه کند. رایان دکترای خود را دارد. مدرک مهندسی مکانیک از دانشگاه مک مستر * ، با تمرکز بر مکاترونیک و کنترل وسایل نقلیه الکتریکی (EV). وی همچنین با تمرکز بر هوش مصنوعی (AI) و تشخیص خطا و MBA در امور مالی از دانشکده بازرگانی DeGroote ، مدرک کارشناسی ارشد علمی کاربردی را از مک مستر دریافت کرد. رایان چندین سمت مهندسی در شرکتهای Fortune 500 در سطح جهان مانند سامسونگ آمریکا و فیات-کرایسلر اتومبیل (FCA) کانادا داشت. رایان چندین دوره در زمینه علوم ، فناوری ، مهندسی و ریاضیات را به بیش از 100000 دانشجو در سطح جهان آموزش داده است. وی بیش از 15 مقاله تحقیقاتی در زمینه مجلات و کنفرانس ها در زمینه تخمین وضعیت ، هوش مصنوعی ، یادگیری ماشین ، مدل سازی باتری و کنترل های EV دارد. وی دریافت کننده بهترین جایزه مقاله در کنفرانس برق و حمل و نقل IEEE حمل و نقل (iTEC 2012) در دیترویت ، میشیگان ، ایالات متحده آمریکا است.

SuperDataScience Team SuperDataScience Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم SuperDataScience Social هستیم. هنگام انتشار دوره های جدید SDS ، هنگامی که پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و سایر موارد را منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در SuperDataScience

Mitchell Bouchard Mitchell Bouchard

ویدیو | عکس | طراحی | رمزنگاری

Ligency Team Ligency Team

کمک به دانشمندان داده برای موفقیت در آنجا ، ما تیم روابط عمومی و بازاریابی Ligence هستیم. هنگامی که دوره های جدید منتشر می شوند ، وقتی پادکست های جدید ، وبلاگ ها ، صفحه های اشتراک گذاری و غیره منتشر می کنیم ، از ما می شنوید! ما در اینجا هستیم تا به شما کمک کنیم در لبه پیشرفته علم و فناوری داده بمانید. در کلاس می بینمت، خالصانه، افراد واقعی در معرض خطر