آموزش بوت کمپ هوش مصنوعی کاربردی و دریافت مدرک معتبر در 7 روز - آخرین آپدیت

سرفصل ها و درس ها

مقدمه دوره Introducción al Curso

• مقدمه دوره Introducción al Curso

• منابع دوره Recursos del Curso

روز 1: مبانی پایتون برای هوش مصنوعی Día 1: Fundamentos de Python para IA

• مقدمه روز 1: مبانی پایتون برای هوش مصنوعی Introducción al Día 1: Fundamentos de Python para IA

• مقدمه ای بر برنامه نویسی پایتون Introducción a la Programación en Python

• مبانی پایتون Fundamentos de Python

• کار با لیست ها و دیکشنری ها Trabajando con Listas y Diccionarios

• مقدمه ای بر NumPy Introducción a NumPy

• مقدمه ای بر Pandas Introducción a Pandas

• پروژه عملی: دستکاری اولیه داده ها و مدیریت فایل ها Proyecto Práctico: Manipulación Básica de Datos y Manejo de Archivos

• روز 1: تمرین برنامه نویسی Día 1: Ejercicio de Programación

روز 2: تحلیل اکتشافی داده (EDA) Día 2: Análisis Exploratorio de Datos (EDA)

• مقدمه روز 2: تحلیل اکتشافی داده (EDA) Introducción al Día 2: Análisis Exploratorio de Datos (EDA)

• بارگیری و بازرسی داده ها Carga e Inspección de Datos

• مدیریت داده های از دست رفته Manejo de Datos Faltantes

• تبدیل داده ها و مهندسی ویژگی Transformación de Datos e Ingeniería de Características

• تصویرسازی داده ها با Matplotlib و Seaborn Visualización de Datos con Matplotlib y Seaborn

• آمار توصیفی Estadísticas Descriptivas

• پروژه عملی: تحلیل اکتشافی داده در یک مجموعه واقعی Proyecto Práctico: Análisis Exploratorio de Datos en un Conjunto Real

• روز 2: تمرین برنامه نویسی Día 2: Ejercicio de Programación

روز 3: مقدمه ای بر یادگیری ماشین (ML) Día 3: Introducción al Aprendizaje Automático (ML)

• مقدمه روز 3: مقدمه ای بر یادگیری ماشین (ML) Introducción al Día 3: Introducción al Aprendizaje Automático (ML)

• یادگیری ماشین چیست؟ ¿Qué es el Aprendizaje Automático?

• یادگیری نظارت شده و آماده سازی مجموعه داده Aprendizaje Supervisado y Preparación del Conjunto de Datos

• ساخت یک مدل رگرسیون خطی Construcción de un Modelo de Regresión Lineal

• ارزیابی مدل Evaluación del Modelo

• مقیاس بندی ویژگی ها و منظم سازی Escalado de Características y Regularización

• پروژه عملی: پیش بینی قیمت مسکن با استفاده از رگرسیون خطی Proyecto Práctico: Predicción de Precios de Viviendas usando Regresión Lineal

• روز 3: تمرین برنامه نویسی Día 3: Ejercicio de Programación

روز 4: مدل های طبقه بندی در یادگیری ماشین Día 4: Modelos de Clasificación en Aprendizaje Automático

• مقدمه روز 4: مدل های طبقه بندی در یادگیری ماشین Introducción al Día 4: Modelos de Clasificación en Aprendizaje Automático

• طبقه بندی چیست؟ ¿Qué es la Clasificación?

• رگرسیون لجستیک برای طبقه بندی Regresión Logística para Clasificación

• ساخت یک طبقه بندی کننده رگرسیون لجستیک Construcción de un Clasificador de Regresión Logística

• ارزیابی مدل طبقه بندی Evaluación del Modelo de Clasificación

• تصویرسازی مرز تصمیم Visualización de la Frontera de Decisión

• پروژه عملی: تشخیص هرزنامه با استفاده از رگرسیون لجستیک Proyecto Práctico: Detección de Spam Usando Regresión Logística

• روز 4: تمرین برنامه نویسی Día 4: Ejercicio de Programación

روز 5: مقدمه ای بر شبکه های عصبی و یادگیری عمیق Día 5: Introducción a Redes Neuronales y Deep Learning

• مقدمه روز 5: مقدمه ای بر شبکه های عصبی و یادگیری عمیق Introducción al Día 5: Introducción a Redes Neuronales y Deep Learning

• شبکه عصبی چیست؟ ¿Qué es una Red Neuronal?

• مقدمه ای بر چارچوب های یادگیری عمیق Introducción a los Frameworks de Deep Learning

• مروری بر مجموعه داده MNIST Visión General del Conjunto de Datos MNIST

• ساخت یک شبکه عصبی ساده برای طبقه بندی MNIST Construcción de una Red Neuronal Simple para Clasificación MNIST

• ارزیابی شبکه عصبی Evaluación de la Red Neuronal

• درک توابع فعال سازی Comprendiendo las Funciones de Activación

• پروژه عملی: طبقه بندی ارقام دست نویس با استفاده از شبکه های عصبی Proyecto Práctico: Clasificación de Dígitos Manuscritos usando Redes Neuronales

• روز 5: تمرین برنامه نویسی Día 5: Ejercicio de Programación

روز 6: ساخت یک مدل تجزیه و تحلیل احساسات با استفاده از NLP Día 6: Construcción de un Modelo de Análisis de Sentimientos usando NLP

• مقدمه روز 6: تجزیه و تحلیل احساسات با NLP Introducción al Día 6: Análisis de Sentimientos con NLP

• مقدمه ای بر پردازش زبان طبیعی (NLP) Introducción al Procesamiento de Lenguaje Natural (NLP)

• تجزیه و تحلیل احساسات: درک طبقه بندی متن Análisis de Sentimientos: Comprendiendo la Clasificación de Texto

• پیش پردازش متن Preprocesamiento de Texto

• استفاده از مدل های از پیش آموزش داده شده برای NLP (Hugging Face) Uso de Modelos Preentrenados para NLP (Hugging Face)

• ساخت یک مدل تجزیه و تحلیل احساسات با TensorFlow Construcción de un Modelo de Análisis de Sentimientos con TensorFlow

• ارزیابی مدل Evaluación del Modelo

• پروژه عملی: تجزیه و تحلیل احساسات با استفاده از مدل های از پیش آموزش داده شده NLP Proyecto Práctico: Análisis de Sentimientos Usando Modelos Preentrenados de NLP

• روز 6: تمرین برنامه نویسی Día 6: Ejercicio de Programación

روز 7: استقرار یک مدل هوش مصنوعی به عنوان یک سرویس وب Día 7: Despliegue de un Modelo de IA como Servicio Web

• مقدمه روز 7: استقرار یک مدل هوش مصنوعی به عنوان یک سرویس وب Introducción al Día 7: Despliegue de un Modelo de IA como Servicio Web

• مقدمه ای بر Flask برای توسعه وب Introducción a Flask para el Desarrollo Web

• ایجاد یک رابط وب برای مدل شما Creación de una Interfaz Web para tu Modelo

• استقرار برنامه Flask در Heroku Despliegue de la Aplicación Flask en Heroku

• تست سرویس وب Pruebas del Servicio Web

• روز 7: تمرین برنامه نویسی Día 7: Ejercicio de Programación