آموزش مقدمه ای بر هوش مصنوعی، یادگیری ماشین و پایتون

Introduction to ArtificiaI Intelligence, Machine Learning and Python

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

درک الگوریتم‌های هوش مصنوعی و یادگیری ماشینی را بیاموزید و اصول برنامه‌نویسی پایتون را بیاموزید

هوش مصنوعی در حال حاضر به بخشی ضروری از زندگی روزمره ما تبدیل شده است، چه زمانی که در اینترنت مرور می کنیم، خرید آنلاین می کنیم، ویدیوها و تصاویر را در شبکه های اجتماعی تماشا می کنیم، و حتی زمانی که رانندگی می کنیم یا از تلفن های هوشمند خود استفاده می کنیم. هوش مصنوعی به طور گسترده در پزشکی، پیش‌بینی فروش، صنعت فضایی و ساخت‌وساز استفاده می‌شود.

از آنجایی که همه جا با فناوری‌های هوش مصنوعی احاطه شده‌ایم، باید بدانیم این فناوری‌ها چگونه کار می‌کنند. و برای چنین درک در سطح پایه، داشتن تحصیلات فنی یا IT ضروری نیست.

***

در این دوره آموزشی با مفاهیم بنیادی هوش مصنوعی و یادگیری ماشینی آشنا خواهید شد. با انواع، الگوریتم‌ها و مدل‌های اصلی آن‌ها که برای حل مسائل کاملاً متفاوت استفاده می‌شوند، آشنا می‌شوید. ما حتی مدل‌هایی را با هم ایجاد خواهیم کرد تا مثال‌های کاربردی خاص را در اکسل حل کنیم - برای کسانی که نمی‌خواهند چیزی برنامه‌نویسی کنند. و برای کسانی که می‌خواهند با پایتون، یک زبان برنامه‌نویسی که امروزه بیش از 53 درصد از تمام وظایف یادگیری ماشین را حل می‌کند، آشنا شوند، در این دوره سخنرانی‌هایی برای آشنایی با اصول برنامه‌نویسی در این زبان خواهید یافت.

**

این دوره ممکن است به نوعی سکوی پرشی برای پیشرفت شغلی شما در زمینه هوش مصنوعی و یادگیری ماشینی باشد. با تسلط بر این دوره کوتاه، می‌توانید حوزه خاصی را انتخاب کنید که می‌خواهید در آن پیشرفت کنید و بیشتر کار کنید.

شایان ذکر است که امروزه متخصصان هوش مصنوعی و یادگیری ماشین جزو پردرآمدترین متخصصان بازار هستند (طبق تخمین‌های مختلف، امروز حدود 300000 متخصص هوش مصنوعی در بازار جهانی وجود دارد، در حالی که تقاضا برای آنها بالاست. چند میلیون).

**

پس از اتمام این دوره، می توانید آزادانه در مورد موضوعات مرتبط با هوش مصنوعی، یادگیری ماشینی و عمیق و شبکه های عصبی ارتباط برقرار کنید.

***

یک ساعت را صرف مطالعه این دوره کنید تا مهارت‌های جدید را به دست آورید یا مهارت‌های موجود را بهبود بخشید و افق‌های خود را با استفاده از دانش کسب‌شده گسترش دهید.

شما را در داخل دوره می بینیم!

به عنوان بخشی از این پروژه دوره، شما تشویق می‌شوید وظایف زیر را انجام دهید:

1. یک رگرسیون خطی در اکسل بر اساس داده های مربوط به قیمت های ثابت در شهر خود بسازید. به سخنرانی 5 در مورد رگرسیون خطی مراجعه کنید. فایل نمونه پیوست شد

2. با مثال خود کدی را در پایتون با if-statement بنویسید. به سخنرانی 8 در مورد عملگر If/Else مراجعه کنید. کد نمونه پیوست شد.

3. کدی را در پایتون با دستور while با کار پسورد بنویسید. به سخنرانی 9 در مورد عملگر while مراجعه کنید. کد نمونه پیوست شد.

4. پیش بینی قیمت های ثابت با استفاده از الگوریتم رگرسیون خطی در پایتون. به سخنرانی 10 مراجعه کنید. فایل های داده پیوست شده است.

5. پیش بینی تولید ناخالص داخلی بر اساس قیمت نفت با استفاده از رگرسیون خطی. به سخنرانی 10 مراجعه کنید. فایل پیوست شده است.


سرفصل ها و درس ها

درس ها Lessons

  • شبکه های عصبی برای تحلیل احساسات (بررسی فیلم های IMDB) Neural Networks for Sentiment Analysis (IMDB movie reviews)

  • پیش‌بینی قیمت‌های ثابت با رگرسیون خطی در پایتون Predicting flat prices with linear regression in Python

  • رای اکثریت و میانگین گیری در آنسامبلینگ Majority voting and Averaging in Ensembling

  • کوله بری و تقویت Bagging and Boosting

  • مشکلات طبقه بندی در یادگیری ماشینی Classification problems in Machine learning

  • رگرسیون خطی و پیش‌بینی قیمت‌های ثابت در اکسل Linear regression and predicting flat prices in Excel

  • راه اندازی پایتون توزیع کننده آناکوندا Python setup. Anaconda distributive

  • شبکه عصبی - شبکه عصبی خود را برای طبقه بندی تصاویر ایجاد کنید Neural Network - create your own neural network to Classify Images

  • تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق Difference between AI, Machine learning and Deep Learning

  • معرفی Introduction

  • شبکه های عصبی برای تجزیه و تحلیل متن Neural Networks for Text Analysis

  • اگر بیانیه If statement

  • در حالی که بیانیه While statement

  • خوشه بندی در یادگیری ماشینی Clustering in Machine Learning

  • یادگیری ماشینی تحت نظارت در مقابل بدون نظارت Supervised vs Unsupervised Machine Learning

  • روش های مجموعه ای در یادگیری ماشینی Ensemble methods in Machine Learning

  • پیش بینی تولید ناخالص داخلی کشور بر اساس قیمت نفت Predicting country's GDP based on oil prices

  • تاریخچه هوش مصنوعی History of Artificial Intelligence

  • جنگل های تصادفی Random Forests

  • دستورات اولیه در پایتون Basic commands in Python

  • پیش‌بینی بازماندگان تایتانیک: وظیفه طبقه‌بندی Predicting Titanic survivors: Classification task

درس ها Lessons

  • شبکه عصبی - شبکه عصبی خود را برای طبقه بندی تصاویر ایجاد کنید Neural Network - create your own neural network to Classify Images

  • پیش بینی تولید ناخالص داخلی کشور بر اساس قیمت نفت Predicting country's GDP based on oil prices

  • شبکه های عصبی برای تجزیه و تحلیل متن Neural Networks for Text Analysis

  • پیش‌بینی بازماندگان تایتانیک: وظیفه طبقه‌بندی Predicting Titanic survivors: Classification task

  • در حالی که بیانیه While statement

  • پیش‌بینی قیمت‌های ثابت با رگرسیون خطی در پایتون Predicting flat prices with linear regression in Python

  • دستورات اولیه در پایتون Basic commands in Python

  • رای اکثریت و میانگین گیری در آنسامبلینگ Majority voting and Averaging in Ensembling

  • کوله بری و تقویت Bagging and Boosting

  • یادگیری ماشینی تحت نظارت در مقابل بدون نظارت Supervised vs Unsupervised Machine Learning

  • راه اندازی پایتون توزیع کننده آناکوندا Python setup. Anaconda distributive

  • شبکه های عصبی برای تحلیل احساسات (بررسی فیلم های IMDB) Neural Networks for Sentiment Analysis (IMDB movie reviews)

  • معرفی Introduction

  • اگر بیانیه If statement

  • خوشه بندی در یادگیری ماشینی Clustering in Machine Learning

  • تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق Difference between AI, Machine learning and Deep Learning

  • تاریخچه هوش مصنوعی History of Artificial Intelligence

  • جنگل های تصادفی Random Forests

  • رگرسیون خطی و پیش‌بینی قیمت‌های ثابت در اکسل Linear regression and predicting flat prices in Excel

  • روش های مجموعه ای در یادگیری ماشینی Ensemble methods in Machine Learning

  • مشکلات طبقه بندی در یادگیری ماشینی Classification problems in Machine learning

نمایش نظرات

Skillshare (اسکیل شیر)

اسکیل‌شر یک پلتفرم آموزشی آنلاین است که به میلیون‌ها افراد در سراسر جهان امکان یادگیری مهارت‌های جدید را فراهم می‌کند. این پلتفرم با ارائه دوره‌های متنوع در زمینه‌هایی از جمله هنر و طراحی، فناوری، کسب و کار، و زندگی موفق، به کاربران خود این امکان را می‌دهد تا به صورت آنلاین به یادگیری بپردازند.

یکی از ویژگی‌های منحصر به فرد سکیل‌شر، ارائه دوره‌های تدریس شده توسط صاحبان مهارت‌ها و افراد موفق در زمینه‌های مختلف است. این امر باعث می‌شود که کاربران از تجربیات و دانش عملی افرادی که در حوزه‌های مورد نظرشان موفق عمل کرده‌اند، بهره‌مند شوند و بهترین اطلاعات را برای بهبود مهارت‌های خود دریافت کنند. به این ترتیب، سکیل‌شر نه تنها یک پلتفرم آموزشی است، بلکه یک جامعه آموزشی است که افراد را به اشتراک گذاری دانش و تجربیات تشویق می‌کند و به آنها کمک می‌کند تا در مسیر پیشرفت و موفقیت خود ادامه دهند.

آموزش مقدمه ای بر هوش مصنوعی، یادگیری ماشین و پایتون
جزییات دوره
2h 38m
21
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
385
4 از 5
دارد
دارد
دارد
Timur K.
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Timur K. Timur K.

معلم، یادگیرنده مادام العمر، مسافر