آموزش تعامل انسان با کامپیوتر و یادگیری ماشین

Human Computer Interaction & Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آموزش تمام اصول HCI با مثال های واقعی کلمه و یادگیری ماشینی همه جنبه ها از مقدماتی تا پیشرفته مرتبط با تعامل محاسبات انسانی پیش نیازها:N/A

به دوره تعامل انسان و کامپیوتر - (HCI) خوش آمدید. این دوره تقریباً تمام اصول اولیه تعامل انسان و رایانه را با مثال های دنیای واقعی شرح می دهد. در زیر لیستی از اهداف آموزشی (LO) تحت پوشش این ماژول آمده است.

برای درک اینکه تعامل انسان و رایانه چیست - HCI

برای درک تکنیک های جمع آوری نیازمندی ها در HCI

برای درک نحوه طراحی آزمایشات HCI

برای درک نحوه انجام ارزیابی های HCI.

برای درک تکامل رابط‌های گرافیکی کاربر - رابط‌های کاربری گرافیکی

برای درک تفاوت بین واقعیت مجازی و واقعیت افزوده

یادگیری ماشینی

تنظیم محیط برای یادگیری ماشین:-دانلود تنظیم Anaconda، مقدمه ای بر Google Collabs

تکنیک‌های یادگیری تحت نظارت:-تکنیک‌های رگرسیون، ساده بایر، شبکه‌های عصبی مصنوعی

تکنیک‌های یادگیری بدون نظارت: - خوشه‌بندی، خوشه‌بندی K-Means


سرفصل ها و درس ها

اصول HCI HCI Fundamentals

  • مقدمه ای بر HCI Introduction to HCI

  • مقدمه ای بر نمونه سازی Introduction to Prototyping

  • مقدمه ای بر استراتژی های ارزشیابی Introduction to Evaluation Strategies

  • مصاحبه و مشاهده مشارکت Interviews and Participation Observation

  • تکامل رابط کاربری گرافیکی - رابط کاربری گرافیکی Evolution of the Graphical User Interface - GUI

  • تکنیک های گردآوری اطلاعات طولی و پراکنده Longitudinal & Sporadic Fact Collection Techniques

  • داستان بازی Storyboarding

  • بیشتر در مورد نمونه سازی More on Prototyping

  • ارزیابی های اکتشافی Heuristic Evaluations

  • مدل‌ها و شناخت‌های ذهنی Mental Models & Cognitions

  • تایپوگرافی Typography

  • HCI-Scent HCI-Scent

  • طرح بندی و اصول SWING Layouts and basics of SWING

  • AR در مقابل VR AR Vs. VR

مقدمه ای بر یادگیری ماشینی Introduction to Machine Learning

  • راه اندازی محیط برای یادگیری ماشینی:-دانلود و راه اندازی Setting up the Environment for Machine Learning:-Downloading & setting-up

  • چگونه با Google Collabs کار کنیم؟ How to Work With Google Collabs ?

  • تکنیک های یادگیری تحت نظارت: - تکنیک های رگرسیون، Supervised Learning Techniques:-Regression techniques,

  • ساده لوح بایر Naïve Bayer’s

  • ماشین آلات بردار پشتیبانی - مفهوم Support vector Machines - Concept

  • پشتیبانی از ماشین‌های بردار - Hands - On with Google Collabs Support Vector Machines - Hands - On with Google Collabs

  • ANN - KERAS Tutorial: توسعه یک شبکه عصبی مصنوعی در پایتون [مرحله b ANN - KERAS Tutorial : Developing an Artificial Neural Network in Python [Step b

  • تکنیک های یادگیری بدون نظارت: - خوشه بندی، Unsupervised Learning Techniques:- Clustering,

نمایش نظرات

آموزش تعامل انسان با کامپیوتر و یادگیری ماشین
جزییات دوره
7.5 hours
22
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
11,848
3.6 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Academy of Computing & Artificial Intelligence Academy of Computing & Artificial Intelligence

مدرس ارشد / سرپرست پروژه / مشاور من 9 سال سابقه کار به عنوان محقق ، مدرس ارشد ، ناظر پروژه و مهندس دارم. کارشناسی ارشد هوش مصنوعی (دانشگاه موراتووا) ، مهندسی نرم افزار کارشناسی - افتخارات درجه یک (دانشگاه وست مینستر) ، SCJP ، SCWC من کارشناسی ارشد هوش مصنوعی را گذرانده ام. مهندسی نرم افزار کارشناسی ارشد - افتخارات درجه یک از دانشگاه وست مینستر (انگلستان). Sun Certified Java Programmer (SCJP). - 93٪ و یک توسعه دهنده مجاز وب Sun Component 97٪. . من تجربه تحقیق در داده کاوی ، یادگیری ماشین ، رایانش ابری ، هوش تجاری و مهندسی نرم افزار را دارم

Kaneeka Vidanage Kaneeka Vidanage

مدرس و محقق ارشد AI و Semantic WebStarted شرکت من به عنوان یک مهندس نرم افزار یک سازمان نرم افزاری چند ملیتی است که در زمینه خدمات گزارشگری سرور SQL (SSRS) و توسعه برنامه ASP.NET تخصص دارد. تجربه شخصی خود به عنوان مشاور خارجی در چندین سازمان ملی و بین المللی در زمینه طراحی نرم افزار ، SQL و توسعه پایان برنامه. با توجه به اشتیاق فراوان به عنوان یک دانشگاه تمام وقت ، به عنوان یک مدرس با دانش آموزان صحبت می کند. در طول سفر یک حامل دانشگاهی به عنوان یک مدرس ، به تدریج به بخش تحقیق ، متخصص در هوش مصنوعی و وب معنایی منتقل شد. از این پس ، موفق به کسب مدرک کارشناسی ارشد در علوم کامپیوتر و همچنین مدرک تحقیق کامل ، کارشناسی ارشد فلسفه (M. Phil) در هوش مصنوعی و وب معنایی می شود. در حال حاضر ، در دوره نگارش پایان نامه دکترای مهندسی هستی شناسی ، که در سال 2021 تکمیل می شود. Afer با کسب مدرک تحقیقاتی M Phil ، به عنوان مدرس ارشد و آموزش عالی به عنوان هماهنگ کننده پروژه تحقیقاتی سال چهارم نیز ارتقا یافت.