آموزش LinkedIn AI Academy AI-100: 1 رمزگشایی هوش مصنوعی - آخرین آپدیت

معرفی Introduction

• آکادمی هوش مصنوعی LinkedIn: ضرورت درک هوش مصنوعی The LinkedIn AI Academy: The imperative of understanding AI

1. مقدمه ای بر هوش مصنوعی 1. Introduction to AI

• هوش مصنوعی چیست؟ What is AI?

• هوش مصنوعی و یادگیری ماشینی AI and machine learning

• سه رکن هوش مصنوعی: اهداف، داده ها، الگوریتم ها Three pillars of AI: Objectives, data, algorithms

• ساخت اپلیکیشن های واقعی هوش مصنوعی Building real AI applications

2. یادگیری تحت نظارت 2. Supervised Learning

• یادگیری تحت نظارت در مقابل یادگیری بدون نظارت Supervised learning vs. unsupervised learning

3. پسرفت 3. Regression

• رگرسیون چیست؟ What is regression?

• رگرسیون خطی Linear regression

• رگرسیون خطی چندگانه Multiple linear regression

• تعصب و واریانس Bias and variance

• ارزیابی مدل رگرسیون خطی Evaluating a linear regression model

4. طبقه بندی 4. Classification

• طبقه بندی چیست؟ What is classification?

• رگرسیون لجستیک Logistic regression

• ارزیابی مدل ها و انتخاب بهترین ها Evaluating models and choosing the best

5. مدل های غیر خطی 5. Nonlinear Models

• چرا مدل های خطی کافی نیستند؟ Why are linear models not enough?

• آغازگر مدل‌های غیرخطی: درخت‌های تصمیم، شبکه‌های عصبی A primer to nonlinear models: Decision trees, neural networks

6. این کار را درست انجام دهید 6. Do It Right

• هدف خود را بدانید، داده های خود را بدانید و به داده ها گوش دهید Know your objective, know your data, and listen to the data

نتیجه Conclusion

• ادامه با هوش مصنوعی Continuing with AI