کانال تلگرام پشتیبانی تلگرام شماره تماس پشتیبانی: 0930 395 3766
ورود ثبت نام

آموزش استراتژی هوش مصنوعی و واقعیت بازار: دیدگاه‌های مدیریتی [ویدئویی] - آخرین آپدیت

دانلود AI Strategy & Market Reality: Executive Insights [Video]

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: روایت‌های پیرامون هوش مصنوعی مملو از تبلیغات اغراق‌آمیز، مدل‌های متغیر و ارزش‌های نامشخص است. دوره «استراتژی هوش مصنوعی و واقعیت بازار: دیدگاه‌های مدیریتی» با اصول اولیه آغاز می‌شود: اینکه هوش مصنوعی مولد چگونه تکامل یافت، چه مدل‌های تجاری امروز آن را پشتیبانی می‌کنند و رهبران چگونه می‌توانند سیگنال‌های پایدار را از نویزهای محیطی تشخیص دهند. سپس توضیح می‌دهیم که چرا بیشترین دستاوردها پس از مرحله آموزش (Post-training) اتفاق می‌افتد؛ یعنی از طریق Fine-tuning، هم‌ترازی (Alignment) و انطباق دامنه (Domain Adaptation) که قابلیت‌های عمومی را به نتایج عملی تبدیل می‌کند. شما یاد می‌گیرید که اثرات را به طور دقیق اندازه‌گیری کنید. ما استنباط علی (Causal Inference) را برای محاسبه ROI در GenAI معرفی می‌کنیم، خطرات خطای نوع سوم (Type III error) را برجسته می‌کنیم و نشان می‌دهیم که چه زمانی اثرات متوسط در تست‌های A/B در مقایسه با اثرات ناهمگن در روش‌هایی مانند جنگل‌های علی (Causal Forests) گمراه‌کننده هستند. در نهایت، تکنیک‌ها و سبک-سنگین کردن‌های لازم برای ساخت سیستم‌های عامل‌گونه (Agentic Systems) را بررسی می‌کنیم تا بتوانید راهکارهای واقعی را با الگوهای قابل استفاده مجدد و حاکمیت آگاهانه پیاده‌سازی کنید. آنچه در این دوره می‌آموزید: - تحلیل بازار هوش مصنوعی فراتر از تبلیغات - تطبیق مدل‌های تجاری GenAI با استراتژی - استفاده از آموزش‌های تکمیلی برای بهبود کاربرد LLM - هم‌ترازی و انطباق مدل‌ها برای دامنه‌های خاص - اندازه‌گیری نرخ بازگشت سرمایه (ROI) با استنباط علی - اجتناب از خطای نوع سوم در ارزیابی‌ها - مقایسه تست‌های A/B در مقابل جنگل‌های علی - ساخت و ارزیابی سیستم‌های هوش مصنوعی عامل‌گونه (Agentic AI) این دوره برای معاونان (VPs) و مدیران داده یا هوش مصنوعی، CTOها، رهبران محصول و متولیان استراتژی طراحی شده است که باید مسیر را تعیین، روی گزینه‌های درست سرمایه‌گذاری و ارزش ایجاد شده را اثبات کنند. نیازی به ریاضیات پیچیده نیست؛ تنها نیاز به توانایی ارزیابی گزینه‌ها، هدایت تیم‌ها در زمینه آموزش‌های تکمیلی و انتخاب روش‌های قابل اعتماد برای اندازه‌گیری ROI و مقیاس‌بندی راهکارهای عامل‌گونه است. ویژگی‌های کلیدی: * شفاف‌سازی اقتصاد GenAI و دینامیک‌های بازار * تبیین دلیل تاثیرگذاری آموزش‌های تکمیلی در نتایج عملی * ارائه ابزارهای علی برای اثبات ROI در GenAI (فراتر از میانگین‌ها)
سرفصل ها و درس ها

پشته یادگیری ماشین در عمل The ML Stack in Action

  • هوش مصنوعی مولد: چه چیزی ما را به اینجا رساند و به کجا می‌رویم Generative AI: What Brought Us Here and Where We're Headeds

  • چرا آموزش‌های تکمیلی کلید اصلی هستند Why Post-Training Is the Real Key

  • اندازه‌گیری ROI در GenAI با استنباط علی Measuring GenAI ROI with Causal Inference

  • ساخت سیستم‌های هوش مصنوعی عامل‌گونه — تکنیک‌ها و سبک-سنگین کردن‌ها Building Agentic AI Systems — Techniques & Trade-Offs

آموزش Gemini برای دانشمندان و تحلیلگران داده

آموزش Gemini برای دانشمندان و تحلیلگران داده

دانلود Gemini for Data Scientists and Analysts - Français

آموزش ساختارهای داده پیشرفته، الگوها و تکنیک‌های بازگشتی

آموزش ساختارهای داده پیشرفته، الگوها و تکنیک‌های بازگشتی

دانلود Advanced Data Structures, Patterns, and Recursion Techniques

آموزش پروژه برنامه‌نویسی برای اینترنت اشیاء (IoT)

آموزش پروژه برنامه‌نویسی برای اینترنت اشیاء (IoT)

دانلود Programming for the Internet of Things Project

نمایش نظرات

آموزش استراتژی هوش مصنوعی و واقعیت بازار: دیدگاه‌های مدیریتی [ویدئویی]
جزییات دوره
2h 40m
4
Packtpub Packtpub
(آخرین آپدیت)
از 5
ندارد
دارد
دارد

https://donyad.com/d/8ca90d

جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Maxime Labonne Maxime Labonne

ماکسیم لابون; Sr. دانشمند یادگیری ماشین، JPMorgan.

Gabriele Venturi Gabriele Venturi

گابریله کارآفرین سریالی، مهندس نرم‌افزار و بنیان‌گذار پلتفرم‌های متن‌باز PandasAI و PandaAGI است که بر ساخت عامل‌های AI توضیح‌پذیر، برنامه‌ریزی‌پذیر و امن تمرکز دارند. او فارغ‌التحصیل Y Combinator است و با همکاری شرکت‌های Fortune 500، ابزارهای AI را برای اتوماسیون جریان‌های کاری پیچیده به مرحله تولید رسانده است.

Stephen Klein Stephen Klein

استیون کلاین، بنیان‌گذار و مدیرعامل Curiouser.AI است؛ یک مرکز مشاوره هوش مصنوعی ارزش‌محور که به رهبران کمک می‌کند تا از هوش مصنوعی مولد برای تفکر شفاف‌تر، طراحی هدفمند و رهبری خلاقانه استفاده کنند. او همچنین در دانشگاه برکلی در زمینه تلاقی استراتژی، اخلاق و فناوری‌های نوظهور تدریس می‌کند. کلاین با مدرک MBA از هاروارد و تجربه سه بار کارآفرینی، تجربه‌ای جهانی در استارت‌آپ‌ها، شرکت‌های Fortune 500 و آموزش عالی دارد. او پیش از این به عنوان مدیر ارشد بازاریابی (CMO) در بخش نوآوری Dentons، تلاش‌های جهانی در زمینه اخلاق هوش مصنوعی را رهبری کرده است. وی در حال حاضر با انتشارات دانشگاه جورج‌تاون برای تالیف کتابی به نام «عصر معنا: زندگی در دنیای پس از اتوماسیون» همکاری می‌کند. در Curiouser، او در حال ساخت Alice است؛ یک مربی استراتژیک هوش مصنوعی که از تصمیم‌گیری‌های متفکرانه حمایت می‌کند. پیام او این است: هوش مصنوعی فقط درباره تکنولوژی نیست، بلکه درباره پرسش‌های بهتر، ارزش‌های قوی‌تر و رهبری انسانی‌تر است.

Dr. Quentin Gallea Dr. Quentin Gallea

دکتر کوئنتین گالیا با تخصص عمیق و اشتیاق به علیت، تحقیقاتی را در مجلات برتر منتشر کرده است که به موضوعات به‌روزی مانند اثرات قرنطینه‌های کووید یا واردات تسلیحات بر درگیری‌ها می‌پردازد. او به دلیل توانایی منحصر به فردش در ساده‌سازی موضوعات پیچیده بدون به خطر انداختن دقت علمی شناخته شده است. رویکرد عملی او بیش از ۱۵,۰۰۰ نفر، از مدیران ارشد تا پژوهشگران باتجربه را قادر ساخته تا تفکر علی و استنباط علی را در زمینه‌های مربوطه خود به کار بگیرند. امروزه کوئنتین به صورت مستقل فعالیت می‌کند و خدمات مشاوره، آموزش و سخنرانی در سطح جهانی با تمرکز ویژه بر اندازه‌گیری اثرات هوش مصنوعی ارائه می‌دهد. علاوه بر این، او مشاور ارشد در Enlighten Advisory است و تخصص خود را برای حمایت از تصمیمات استراتژیک به اشتراک می‌گذارد.

Python Data GPT/LLMs داده