آموزش مبانی هوش مصنوعی و یادگیری ماشین - آخرین آپدیت

مقدمه‌ای بر محیط‌های هوش مصنوعی و یادگیری ماشین Introduction to AI/ML environments

• مقدمه‌ای بر برنامه گواهینامه حرفه‌ای پیشرفته مهندسی AI/ML Introduction to the AI/ML engineering advanced professional certificate program

• مقدمه‌ای بر مبانی زیرساخت AI/ML Introduction to the foundations of AI/ML infrastructure

• یک روز از زندگی یک مهندس AI/ML A day in the life of an AI/ML engineer

• شروع کار با Jupyter Notebooks در Azure Machine Learning Studio Getting started with Jupyter Notebooks in Azure Machine Learning Studio

• مقدمه‌ای بر زیرساخت AI/ML Introduction to AI/ML infrastructure

• منابع و خطوط لوله داده، چارچوب‌ها و پلتفرم‌ها Data sources and pipelines, frameworks, and platforms

• مقدمه‌ای بر منابع و خطوط لوله داده Introduction to data sources and pipelines

• نمونه‌هایی از منابع و خطوط لوله داده Examples of data sources and pipelines

• مقدمه‌ای بر رویکردها و چارچوب‌های توسعه مدل Introduction to model development approaches and frameworks

• مقدمه‌ای بر پلتفرم‌های استقرار Introduction to deployment platforms

• اهمیت پلتفرم‌های استقرار Importance of deployment platforms

• ویژگی‌ها و الزامات برای استقرار موثر Features and requirements for effective deployment

• خلاصه: کاربردهای AI/ML Summary: AI/ML applications

• نمونه صنعتی: استقرار مدل Industry exemplar: Model deployment

مدیریت داده در هوش مصنوعی و یادگیری ماشین Data management in AI/ML

• مروری بر منابع داده Overview of data sources

• روش‌های کسب داده Methods for acquiring data

• اهمیت پاکسازی و پیش‌پردازش داده‌ها Importance of data cleaning and preprocessing

• شنیدن از یک متخصص: ارزش تاکسونومی (طبقه‌بندی) منسجم Hear from an expert: The value of consistent taxonomy

• مقدمه‌ای بر RAG Introduction to RAG

• بهترین روش‌ها برای حفظ منابع داده کارآمد جهت RAG Best practices for maintaining efficient data sources for RAG

• شنیدن از یک متخصص: ملاحظات امنیتی هنگام کار با داده‌ها Hear from an expert: Security considerations when working with data

• خلاصه: مدیریت داده در AI/ML Summary: Data management in AI/ML

• شنیدن از یک متخصص: نمونه صنعتی Hear from an expert: Industry exemplar

بررسی و انتخاب چارچوب‌های مدل Considering and selecting model frameworks

• ویژگی‌های کلیدی و موارد استفاده برای چارچوب‌ها و مدل‌ها Key features and use cases for frameworks and models

• قابلیت کاربرد مدل‌های زبانی بزرگ (LLM) پیش‌آموزش‌دیده Applicability of pretrained LLMs

• راهنمای پیاده‌سازی یک مدل ساده در TensorFlow Guide to implementing a simple model in TensorFlow

• راهنمای پیاده‌سازی یک مدل ساده در PyTorch Guide to implementing a simple model in PyTorch

• معیارهای انتخاب چارچوب بر اساس نیازهای پروژه Criteria for selecting frameworks based on project needs

• خلاصه: انتخاب یک چارچوب Summary: Selecting a framework

• شنیدن از یک متخصص: نمونه صنعتی Hear from an expert: Industry exemplar

ملاحظات مربوط به پلتفرم‌های استقرار Considerations when deploying platforms

• ویژگی‌های کلیدی که باید در پلتفرم‌های استقرار در نظر گرفت Key features to consider in deployment platforms

• مقدمه‌ای بر مایکروسافت Azure Introduction to Microsoft Azure

• آماده‌سازی مدل‌ها برای استقرار Preparing models for deployment

• مراحل اضافی برای آماده‌سازی مدل جهت استقرار در محیط عملیاتی Additional steps to prepare a model for production deployment

• اهمیت کنترل نسخه (Version Control) Importance of version control

• تضمین بازتولیدپذیری Ensuring reproducibility

• خلاصه: استقرار پلتفرم Summary: Platform deployment

مفاهیم عملی هوش مصنوعی و یادگیری ماشین AI/ML concepts in practice

• مروری بر مسئولیت‌های مهندس AI/ML Overview of the AI/ML engineer's responsibilities

• وظایف و پروژه‌های معمول Typical Tasks and Projects

• شنیدن از یک متخصص: کیفیت داده در محیط‌های سازمانی Hear from an expert: Data quality in the corporate setting

• ایجاد تعادل بین توسعه، استقرار و نگهداری مدل Balancing model development, deployment, and maintenance

• شنیدن از یک متخصص: درک مسئله قبل از ساخت راهکارهای هوش مصنوعی Hear from an expert: Understanding the problem before building AI solutions

• خلاصه: مفاهیم عملی هوش مصنوعی و یادگیری ماشین Summary: AI/ML concepts in practice

• خلاصه دوره Course summary

• مثال: ارائه ایده (Pitching) به مدیران ارشد Example: Pitching to the C-suite

• تبریک برای تکمیل دوره! Congratulations on completing the course!