آموزش تسلط بر چرخه عمر پروژه هوش مصنوعی: از استراتژی تا استقرار - ۲۰۲۵ - آخرین آپدیت

سرفصل ها و درس ها

Welcome Message, Instructor Introduction, & Course Outline

• به دوره خوش آمدید، معرفی مدرس و راه‌اندازی دستیار هوش مصنوعی محلی خود! Welcome to the Course, Instructor Intro, & Setup Your Local AI Assistant!

• دانلود مواد درسی Download the Course Materials

• مرور کلی دوره و نکات کلیدی موفقیت Course Outline & Key Success Tips

مبانی هوش مصنوعی و مروری بر چرخه حیات پروژه هوش مصنوعی AI Fundamentals and AI Project Lifecycle Overview

• هوش مصنوعی چیست؟ هوش مصنوعی مولد؟ عامل‌های هوش مصنوعی و دمو عامل‌های هوش مصنوعی What is AI? Generative AI? AI Agents & AI Agents Demo

• چرخه حیات پروژه‌های هوش مصنوعی AI Projects Lifecycle

• فرصت تمرین سوال: چرخه حیات پروژه هوش مصنوعی در مراقبت‌های بهداشتی Practice Opportunity Question: AI Project Lifecycle in Healthcare

• راه حل فرصت تمرین: چرخه حیات پروژه هوش مصنوعی در مراقبت‌های بهداشتی Practice Opportunity Solution: AI Project Lifecycle in Healthcare

• ساخت یک مدل هوش مصنوعی و تعاریف کلیدی Build an AI Model & Key Definitions

• فرصت تمرین سوال: ساخت یک مدل هوش مصنوعی و تعاریف کلیدی Practice Opportunity Question: Build an AI Model & Key Definitions

• راه حل فرصت تمرین: ساخت یک مدل هوش مصنوعی و تعاریف کلیدی Practice Opportunity Solution: Build an AI Model & Key Definitions

• چالش‌های کلیدی در چرخه حیات پروژه هوش مصنوعی Key Challenges in AI Project Lifecycle

• آینده هوش مصنوعی: هوش عام مصنوعی (AGI) و هوش فوق‌العاده (ASI) AI Future: Artificial General Intelligence (AGI) & Super Intelligence (ASI)

• خلاصه، نتیجه‌گیری و تشکر! Summary, Conclusion and Thank You!

مدیریت پروژه هوش مصنوعی: ذی‌نفعان، تیم‌ها و برنامه‌ریزی استراتژیک AI Project Management: Stakeholders, Teams, and Strategic Planning

• مقدمه‌ای بر مدیریت پروژه هوش مصنوعی و ماژول برنامه‌ریزی استراتژیک Introduction to AI Project Management & Strategic Planning Module

• تعریف چشم‌انداز، دامنه و ارزیابی امکان‌سنجی Defining Vision, Scope, and Feasibility Assessment

• فرصت تمرین سوال: ارزیابی امکان‌سنجی پروژه هوش مصنوعی Practice Opportunity Question: AI Project Feasibility Assessment

• راه حل فرصت تمرین: ارزیابی امکان‌سنجی پروژه هوش مصنوعی Practice Opportunity Solution: AI Project Feasibility Assessment

• شاخص‌های موفقیت پروژه هوش مصنوعی: مدل، سیستم و کسب‌وکار AI Project Success Metrics: Model, System, and Business

• فرصت تمرین سوال: تعریف شاخص‌های موفقیت پروژه هوش مصنوعی Practice Opportunity Question: Defining AI Project Success Metrics

• راه حل فرصت تمرین: تعریف شاخص‌های موفقیت پروژه هوش مصنوعی Practice Opportunity Solution: Defining AI Project Success Metrics

• مروری بر ذی‌نفعان و نقش‌های کلیدی پروژه هوش مصنوعی Key AI Project Stakeholders and Roles Overview

• ذی‌نفعان و نقش‌های کلیدی پروژه هوش مصنوعی: نقش‌های کسب‌وکار و محصول Key AI Project Stakeholders and Roles: Business and Product Roles

• ذی‌نفعان و نقش‌های کلیدی پروژه هوش مصنوعی: نقش‌های علم داده و هوش مصنوعی فنی Key AI Project Stakeholders and Roles: Data Science and Technical AI Roles

• ذی‌نفعان و نقش‌های کلیدی پروژه هوش مصنوعی: توسعه/عملیات و مهندسی داده Key AI Project Stakeholders and Roles: Development/Operations & Data Engineering

• فرصت تمرین سوال: نقش‌های کلیدی پروژه‌های هوش مصنوعی Practice Opportunity Question: Key AI Projects Roles

• راه حل فرصت تمرین: نقش‌های کلیدی پروژه‌های هوش مصنوعی Practice Opportunity Solution: Key AI Projects Roles

• توسعه آبشاری در مقابل Agile Waterfall Vs. Agile Development

• چارچوب‌های مدیریت پروژه هوش مصنوعی: Crisp-DM در مقابل Agile در مقابل Hybrid AI Project Management Frameworks: Crisp-DM Vs. Agile Vs. Hybrid

• چارچوب‌های مدیریت پروژه هوش مصنوعی: مثال عملی AI Project Management Frameworks: Practical Example

• چارچوب Agile مقیاس یافته (SAFe) Scaled Agile Framework (SAFe)

• مدیریت ریسک در پروژه‌های هوش مصنوعی Risk Management in AI Projects

• مؤلفه‌های کلیدی موفقیت برای پروژه‌های هوش مصنوعی Key Success Ingredients for AI Projects

• بودجه‌بندی پروژه هوش مصنوعی AI Project Budgeting

• فرصت تمرین سوال: بودجه‌بندی پروژه هوش مصنوعی Practice Opportunity Question: AI Project Budgeting

• راه حل فرصت تمرین: بودجه‌بندی پروژه هوش مصنوعی Practice Opportunity Solution: AI Project Budgeting

• سخنان پایانی و پیام تشکر Concluding Remarks and Thank You Message

استراتژی و آماده‌سازی داده‌ها در چرخه حیات پروژه‌های هوش مصنوعی Data Strategy and Preparation in AI Projects Lifecycle

• برنامه ماژول و پیام خوش‌آمدگویی Module Agenda and Welcome Message

• استراتژی داده و مؤلفه‌های کلیدی Data Strategy & Key Components

• مثال عملی استراتژی داده Data Strategy Practical Example

• فرصت تمرین سوال: استراتژی داده Practice Opportunity Question: Data Strategy

• راه حل فرصت تمرین: استراتژی داده Practice Opportunity Solution: Data Strategy

• تعریف نیازمندی‌های داده: ساختاریافته در مقابل غیرساختاریافته، برچسب‌دار در مقابل بدون برچسب Defining Data Requirements: Structured Vs. Unstructured, Labeled Vs. Unlabeled

• تعریف نیازمندی‌های داده: نظارت‌شده در مقابل بدون نظارت در مقابل تقویتی Defining Data Requirements: Supervised Vs. Unsupervised Vs. Reinforcement

• تعریف نیازمندی‌های داده: منابع داده داخلی در مقابل خارجی Defining Data Requirements: Internal Vs. External Data Sources

• فرصت تمرین سوال: منابع داده خارجی Practice Opportunity Question: External Data Sources

• راه حل فرصت تمرین: منابع داده خارجی Practice Opportunity Solution: External Data Sources

• ارزیابی کیفیت داده Data Quality Assessment

• فرصت تمرین سوال: ارزیابی کیفیت داده Practice Opportunity Question: Data Quality Assessment

• راه حل فرصت تمرین: ارزیابی کیفیت داده Practice Opportunity Solution: Data Quality Assessment

• Wrangling داده و مهندسی ویژگی‌ها Data Wrangling and Feature Engineering

• کتابخانه Pandas برای Wrangling داده و تجزیه و تحلیل Pandas Library for Data Wrangling and Analysis

• مثال عملی دربارهٔ Wrangling داده و مروری بر تجزیه و تحلیل Practical Example on Data Wrangling and Analysis Overview

• وظیفه 1. خواندن فایل‌های اکسل در Pandas Task 1. Read Excel Files into Pandas

• وظیفه 2. رسیدگی به مقادیر از دست رفته Task 2. Handle Missing Values

• وظیفه 3. ادغام DataFrames های Pandas Task 3. Merge Pandas DataFrames

• وظیفه 4. انجام مرتب‌سازی و فیلتر کردن Task 4. Perform Sorting and Filtering

• وظیفه 5. انجام تجسم داده Task 5. Perform Data Visualization

• برچسب‌گذاری داده و قیمت‌گذاری Data Labeling & Pricing

• پایگاه داده در مقابل انبار داده در مقابل دریاچه داده Database Vs. Data Warehouse Vs. Data Lake

• خطوط لوله داده، حاکمیت و امنیت Data Pipelines, Governance, & Security

• نتیجه‌گیری، خلاصه و تشکر! Conclusion, Summary, and Thank You!

توسعه مدل‌های هوش مصنوعی، ارزیابی، کنترل نسخه و زیرساخت AI Models Development, Evaluation, Version Control, & Infrastructure

• مقدمه ماژول و مرور کلی برنامه Module Introduction and Agenda Overview

• مقدمه‌ای بر مدل‌ها و الگوریتم‌ها و رشد قدرت محاسباتی Introduction to Models and Algorithms & Growth of Computing Power

• شبکه‌های عصبی و یادگیری عمیق 101 Neural Networks and Deep Learning 101

• ساخت یک شبکه عصبی مصنوعی برای حل وظایف طبقه‌بندی Build an Artificial Neural Network to Solve Classification Tasks

• فرصت تمرین سوال: ساخت یک شبکه عصبی مصنوعی Practice Opportunity Question: Build an Artificial Neural Network

• راه حل فرصت تمرین: ساخت یک شبکه عصبی مصنوعی Practice Opportunity Solution: Build an Artificial Neural Network

• مروری بر مدل‌های هوش مصنوعی کلاسیک و پیشرفته Classical and Advanced AI Models Overview

• تصویرسازی شبکه‌های عصبی Visualize Neural Networks

• فرصت تمرین سوال: انتخاب معماری مناسب مدل هوش مصنوعی/ML Practice Opportunity Question: Choosing the right AI/ML Model Architecture

• راه حل فرصت تمرین: انتخاب معماری مناسب مدل هوش مصنوعی/ML Practice Opportunity Solution: Choosing the right AI/ML Model Architecture

• شاخص‌های کلیدی عملکرد (KPIs) مدل‌های طبقه‌بندی Classification Models Key Performance Indicators (KPIs)

• فرصت تمرین سوال: شاخص‌های کلیدی عملکرد مدل‌های طبقه‌بندی Practice Opportunity Question: Classification Models Key Performance Indicators

• راه حل فرصت تمرین: شاخص‌های کلیدی عملکرد مدل‌های طبقه‌بندی Practice Opportunity Solution: Classification Models Key Performance Indicators

• رگرسیون 101 و شاخص‌های کلیدی عملکرد (KPIs) - قسمت 1 Regression 101 & Key Performance Indicators (KPIs) - Part 1

• رگرسیون 101 و شاخص‌های کلیدی عملکرد (KPIs) - قسمت 2 Regression 101 & Key Performance Indicators (KPIs) - Part 2

• فرصت تمرین سوال: KPIs مدل‌های رگرسیون Practice Opportunity Question: Regression Models KPIs

• راه حل فرصت تمرین: KPIs مدل‌های رگرسیون Practice Opportunity Solution: Regression Models KPIs

• زیرساخت آموزش مدل‌های هوش مصنوعی: Cloud، Docker و Orchestration، Scaling AI Models Training Infrastructure: Cloud, Docker, & Orchestration, Scaling

• آزمایش، ردیابی، کنترل نسخه و دمو "Weights and Biases" Experimentation, Tracking, Version Control & "Weights and Biases" Demo

• یادگیری انتقالی Transfer Learning

• یک چارچوب برای انتخاب مدل مناسب برای برنامه شما - قسمت 1 A Framework to Select the right model for your application - Part 1

• یک چارچوب برای انتخاب مدل مناسب برای برنامه شما - قسمت 2 A Framework to Select the right model for your application - Part 2

• تابلوی امتیازات برای مدل‌های منبع باز و منبع بسته - قسمت 1 Leaderboard for Open and Closed-Source Models - Part 1

• تابلوی امتیازات برای مدل‌های منبع باز و منبع بسته - قسمت 2 Leaderboard for Open and Closed-Source Models - Part 2

تبریک و تشکر! Congratulations and Thank You!

• تبریک به اتمام دوره! Congratulations on Completing the Course!