آموزش دوره جامع گواهینامه ۱۲ هفته‌ای هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

هفته اول: مبانی هوش مصنوعی و محاسبات Week 1: Foundations of AI & Computing

• گواهینامه پایان دوره Certificate of Completion

• مقدمه‌ای بر هوش مصنوعی: دامنه و تأثیرات Introduction to Artificial Intelligence: Scope & Impact

• درک تکامل نرم‌افزار: از قوانین تا سیستم‌های یادگیرنده Understanding Software Evolution: From Rules to Learning Systems

• مبانی محاسبات، داده‌ها و الگوریتم‌ها Basics of Computing, Data, and Algorithms

• راه‌اندازی محیط توسعه هوش مصنوعی Setting Up Your AI Development Environment

• اولین دموی AI: ساخت یک سیستم هوشمند ساده First AI Demo: Building a Simple Intelligent System

• آزمایشگاه ۱: ساخت اولین سیستم AI مبتنی بر قانون Lab 1: Build Your First Rule-Based AI System

هفته دوم: پایتون برای هوش مصنوعی Week 2: Python for AI

• ضروریات پایتون برای توسعه هوش مصنوعی Python Essentials for AI Development

• کار با ساختارهای داده در پایتون Working with Data Structures in Python

• توابع، ماژول‌ها و سازماندهی کد Functions, Modules, and Code Organization

• مقدمه‌ای بر NumPy برای محاسبات عددی Introduction to NumPy for Numerical Computing

• مدیریت داده‌ها با Pandas Data Handling with Pandas

• آزمایشگاه ۲: اسکریپت پردازش داده با پایتون Lab 2: Data Processing Script in Python

هفته سوم: مبانی داده‌ها Week 3: Data Fundamentals

• داده چیست؟ انواع، منابع و خط لوله‌ها What is Data? Types, Sources, and Pipelines

• تکنیک‌های پاک‌سازی و پیش‌پردازش داده‌ها Data Cleaning and Preprocessing Techniques

• تحلیل اکتشافی داده‌ها (EDA) Exploratory Data Analysis (EDA)

• بصری‌سازی داده‌ها برای استخراج بینش Data Visualization for Insights

• ساخت اولین خط لوله داده Building Your First Data Pipeline

• آزمایشگاه ۳: خط لوله داده جامع (End-to-End) Lab 3: End-to-End Data Pipeline

هفته چهارم: مبانی یادگیری ماشین Week 4: Machine Learning Basics

• مقدمه‌ای بر مفاهیم یادگیری ماشین Introduction to Machine Learning Concepts

• یادگیری نظارت‌شده: مدل‌های رگرسیون Supervised Learning: Regression Models

• یادگیری نظارت‌شده: مدل‌های طبقه‌بندی Supervised Learning: Classification Models

• ارزیابی مدل و معیارهای سنجش Model Evaluation and Metrics

• تمرین عملی: ساخت اولین مدل یادگیری ماشین Hands-on: Build Your First ML Model

• آزمایشگاه ۴: ساخت و ارزیابی یک مدل ML Lab 4: Build & Evaluate an ML Model

هفته پنجم: یادگیری ماشین پیشرفته Week 5: Advanced Machine Learning

• تکنیک‌های مهندسی ویژگی Feature Engineering Techniques

• یادگیری بدون نظارت: خوشه‌بندی Unsupervised Learning: Clustering

• روش‌های کاهش ابعاد Dimensionality Reduction Methods

• بهینه‌سازی مدل و تنظیم هایپرپارامترها Model Optimization and Hyperparameter Tuning

• پروژه ML: خط لوله جامع ML Project: End-to-End Pipeline

• آزمایشگاه ۵: خط لوله ML در سطح تولید Lab 5: Production-Style ML Pipeline

هفته ششم: مبانی یادگیری عمیق Week 6: Deep Learning Fundamentals

• مقدمه‌ای بر شبکه‌های عصبی Introduction to Neural Networks

• توابع فعال‌ساز و پس‌انتشار Activation Functions and Backpropagation

• ساخت شبکه‌های عصبی با استفاده از فریم‌ورک‌ها Building Neural Networks with Frameworks

• آموزش مدل‌های یادگیری عمیق Training Deep Learning Models

• پروژه یادگیری عمیق: مدل تصویری یا جدولی Deep Learning Project: Image or Tabular Model

• آزمایشگاه ۶: شبکه عصبی از صفر (مبتنی بر فریم‌ورک) Lab 6: Neural Network from Scratch (Framework-Based)

هفته هفتم: پردازش زبان طبیعی (NLP) Week 7: Natural Language Processing (NLP)

• مبانی پردازش داده‌های متنی Fundamentals of Text Data Processing

• توکن‌بندی و Embeddingها Tokenization and Embeddings

• مقدمه‌ای بر ترنسفورمرها Introduction to Transformers

• ساخت اپلیکیشن‌های NLP Building NLP Applications

• پروژه NLP: طبقه‌بندی متن یا چت‌بات NLP Project: Text Classification or Chatbot

• آزمایشگاه ۷: ساخت سیستم طبقه‌بندی متن Lab 7: Build a Text Classification System

هفته هشتم: بینایی ماشین Week 8: Computer Vision

• مبانی پردازش تصویر Image Processing Basics

• شبکه‌های عصبی کانولوشنال (CNNs) Convolutional Neural Networks (CNNs)

• تشخیص اشیاء و شناسایی تصویر Object Detection & Image Recognition

• مدل‌های پیش‌آموزش‌دیده و یادگیری انتقالی Pretrained Models and Transfer Learning

• پروژه بینایی ماشین: ساخت یک طبقه‌بندی‌کننده تصاویر Vision Project: Build an Image Classifier

• آزمایشگاه ۸: اپلیکیشن طبقه‌بندی تصویر Lab 8: Image Classification App

هفته نهم: مدل‌های زبانی بزرگ و مهندسی پرامپت Week 9: Large Language Models & Prompt Engineering

• مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs) Introduction to Large Language Models (LLMs)

• مبانی مهندسی پرامپت Prompt Engineering Fundamentals

• تکنیک‌های پیشرفته پرامپت‌نویسی Advanced Prompting Techniques

• ساخت اپلیکیشن‌ها با APIهای مدل‌های زبانی Building Applications with LLM APIs

• پروژه: ساخت یک دستیار هوش مصنوعی Project: Build an AI Assistant

• آزمایشگاه ۹: ساخت یک دستیار AI (اپلیکیشن LLM) Lab 9: Build an AI Assistant (LLM App)

هفته دهم: ایجنت‌های هوش مصنوعی و اتوماسیون Week 10: AI Agents & Automation

• مقدمه‌ای بر ایجنت‌های هوش مصنوعی و جریان‌های کاری Introduction to AI Agents and Workflows

• استفاده از ابزارها و فراخوانی توابع Tool Usage and Function Calling

• سیستم‌های حافظه و پایگاه‌های داده برداری Memory Systems and Vector Databases

• طراحی سیستم‌های چند-ایجنت Multi-Agent Systems Design

• پروژه: ساخت یک ایجنت AI خودمختار Project: Build an Autonomous AI Agent

• آزمایشگاه ۱۰: ساخت یک ایجنت AI خودمختار Lab 10: Build an Autonomous AI Agent

هفته یازدهم: استقرار و هوش مصنوعی در محیط تولید Week 11: Deployment & Production AI

• مقدمه‌ای بر استقرار مدل Introduction to Model Deployment

• ساخت APIها با FastAPI Building APIs with FastAPI

• استقرار اپلیکیشن‌های AI در فضای ابری Deploying AI Applications to the Cloud

• مانیتورینگ، لاگینگ و بهینه‌سازی Monitoring, Logging, and Optimization

• پروژه: استقرار سیستم هوش مصنوعی شما Project: Deploy Your AI System

• آزمایشگاه ۱۱: استقرار سیستم هوش مصنوعی شما Lab 11: Deploy Your AI System

هفته دوازدهم: حاکمیت، اخلاق در AI و پروژه نهایی Week 12: AI Governance, Ethics & Capstone

• اخلاق در AI، سوگیری و هوش مصنوعی مسئولانه AI Ethics, Bias, and Responsible AI

• چارچوب‌های حاکمیت AI (دیدگاه سازمانی) AI Governance Frameworks (Enterprise View)

• امنیت، حریم خصوصی و ریسک در سیستم‌های AI Security, Privacy, and Risk in AI Systems

• توسعه پروژه نهایی (Capstone) Capstone Project Development

• دموی نهایی و ارائه گواهینامه Final Demo & Certification Presentation

• آزمایشگاه ۱۲: پروژه نهایی (سیستم آماده برای پورتفولیو) Lab 12: Capstone Project (Portfolio-Ready System)