آموزش راهنمای مبتدیان نهایی برای هوش مصنوعی و یادگیری ماشینی

The Ultimate Beginner's Guide to AI and Machine Learning

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: مفاهیم اساسی و حیاتی هوش مصنوعی، همه در یک دوره جمع‌آوری شده‌اند. این مفاهیم برای سال های آینده مرتبط خواهند بود. درک کاملی از تفاوت بین هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق نشان دهید. به وضوح توضیح دهید که چرا مدل های زبان بزرگ مانند ChatGPT و Bard هوشمند نیستند. تفاوت بین یادگیری ماشینی تحت نظارت، بدون نظارت و تقویتی را بیان کنید. مفهوم یادگیری ماشینی و ارتباط آن با هوش مصنوعی را توضیح دهید. هوش مصنوعی (AI) را تعریف کنید و آن را از هوش انسانی متمایز کنید. توضیح دهید که هوش مصنوعی چیست و چیست؟ توضیح دهید که چه نوع سیستم های نرم افزاری پیچیده سیستم های هوش مصنوعی نیستند. توضیح دهید که چگونه یادگیری ماشین با رویکرد توسعه نرم افزار کلاسیک متفاوت است. مقایسه و مقایسه یادگیری تحت نظارت، بدون نظارت و تقویتی. اصطلاحات یادگیری ماشینی تحت نظارت و بدون نظارت مانند الگوریتم ها، مدل ها، برچسب ها و ویژگی ها را توضیح دهید. تقریب‌کننده‌های تابع و نقش شبکه‌های عصبی به‌عنوان تقریب‌کننده توابع جهانی را توضیح دهید. رمزگذاری و رمزگشایی را هنگام استفاده از مدل‌های یادگیری ماشین برای کار با داده‌های غیر عددی و دسته‌بندی توضیح دهید. درک شهودی از مفاهیم یادگیری تقویتی مانند عوامل، محیط‌ها، پاداش‌ها و اهداف را نشان دهید. نمونه هایی از هوش مصنوعی در زندگی روزمره را شناسایی کنید و در مورد تأثیر آنها بحث کنید. ارزیابی اثربخشی برنامه های مختلف هوش مصنوعی در سناریوهای دنیای واقعی. اعمال اصول اولیه شبکه های عصبی برای یک مسئله فرضی بحث در مورد نقش داده ها در آموزش مدل های هوش مصنوعی ساختن یک مدل شبکه عصبی برای یک کار مشخص ارزیابی تاثیر هوش مصنوعی بر بازار کار و مهارت های مورد نیاز به دانش پس زمینه مفیدی که ارزش و مزایای این دوره را افزایش می دهد: ریاضی دبیرستان و علاقه عمیق به یادگیری ماشینی برای این سری از درس ها بسیار سودمند خواهد بود. هیچ کدنویسی یا ریاضیات پیچیده ای در این دوره وجود ندارد. اگر نمی توانید ریاضی دبیرستان را به خاطر بسپارید، مانع از یادگیری مفاهیم این درس نمی شود. قدردانی، اما نه دانش عمیق، اهمیت ریاضیات و آمار در یادگیری ماشین. سواد اولیه کامپیوتر، از جمله آشنایی با کار با کامپیوتر.

این دوره پایه های اساسی را برای هر مبتدی که واقعاً می خواهد به هوش مصنوعی و یادگیری ماشینی تسلط داشته باشد، ارائه می دهد. تسلط بر هر حرفه ای مستلزم داشتن پایه های محکم است. هر کسی که به فکر شروع حرفه ای در زمینه هوش مصنوعی و یادگیری ماشینی باشد، از این کار سود خواهد برد. متخصصان غیر فنی مانند بازاریاب ها، تحلیلگران کسب و کار و غیره می توانند به طور مؤثر با دانشمندان داده، مهندسان یادگیری ماشین یا حتی دانشمندان داده صحبت کنند و اگر خودشان را برای درک مفاهیم در این دوره به کار گیرند.

بسیاری از باورهای غلط در مورد هوش مصنوعی و یادگیری ماشینی در این دوره توضیح داده شده است. پس از اتمام این دوره، تفاوت بین هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، یادگیری تقویتی، یادگیری تقویتی عمیق و غیره را خواهید فهمید.

مفاهیم اساسی که بر نحوه یادگیری ماشین‌ها و نحوه استفاده یادگیری ماشینی از ریاضیات در پس‌زمینه حاکم است، به وضوح توضیح داده شده است. من در این درس فقط به مفاهیم ریاضی دبیرستان اشاره می کنم. این به این دلیل است که شبکه‌های عصبی، که به طور گسترده در همه حوزه‌های یادگیری ماشین استفاده می‌شوند، تقریب‌کننده‌های تابع ریاضی هستند. بنابراین، من اصول اولیه توابع و نحوه تقریب توابع را به عنوان بخشی از توضیح شبکه های عصبی پوشش می دهم.

این دوره به هیچ کدنویسی یا ریاضیات پیچیده نمی‌پردازد. این دوره به عنوان یک پله پایه برای دوره های پیشرفته تر در زمینه هوش مصنوعی و یادگیری ماشین در نظر گرفته شده است.


سرفصل ها و درس ها

هوش مصنوعی و یادگیری ماشین برای مبتدیان AI and Machine Learning for Beginners

  • مقدمه و رئوس مطالب دوره Introduction and Course Outline

هوش مصنوعی چیست؟ What is Artificial Intelligence?

  • هوش مصنوعی چیست؟ واقعا هوش مصنوعی و ChatGPT چقدر هوشمند است؟ What is Artificial Intelligence? How intelligent is AI and ChatGPT really?

  • برنامه های نرم افزاری سنتی در مقابل سیستم های هوش مصنوعی در مقابل؟ Traditional Software Programmes vs AI systems vs?

یادگیری ماشینی چیست؟ What is Machine Learning?

  • ریاضیات و علوم داده جایگزین برنامه نویسی سنتی می شود. یک مثال رگرسیون Math and Data Science replaces Traditional Programming. A regression example.

  • معرفی توابع تقریب، شبکه های عصبی، رمزگذاری و رمزگشایی Introducing Function Approximation, Neural Networks, Encoding and Decoding

  • مدل ها و الگوریتم های یادگیری ماشینی تحت نظارت، بدون نظارت و تقویتی Supervised, Unsupervised and Reinforcement Machine Learning Models & Algorithms

یادگیری عمیق و شبکه های عصبی Deep Learning and Neural Networks

  • مبانی یادگیری عمیق و شبکه های عصبی The Basics of Deep Learning and Neural Networks

نمایش نظرات

آموزش راهنمای مبتدیان نهایی برای هوش مصنوعی و یادگیری ماشینی
جزییات دوره
1.5 hours
7
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
458
4.4 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Peter Alkema Peter Alkema

دکتری و نویسنده پرفروش نجاری

سلام، من پیتر هستم. من پنج فرزند دارم، مدرک دکترا دارم و در اوقات فراغت خود عاشق نجاری هستم. من یک کتاب پرفروش نجاری نوشته ام که الهام بخش هزاران خواننده برای ساخت پروژه های نجاری خودشان است. هدف من الهام بخشیدن به شما برای ایجاد پروژه های کاربردی و شیک برای خانه شما است که همه آنها را دوست خواهند داشت.

همه دوست دارند خلاق باشند و ساختن چیزها با چوب لذت بخش و آسان است. با تجربه بسیار کم می توانید وسایل کاربردی و شیک برای خانه و کودکان خود بسازید. به عنوان یک پدر، نجاری بخشی از سرگرمی است که من با فرزندانمان دارم، زیرا با هم خاطرات خانوادگی را می سازیم. هر یک از پروژه های من داستانی دارد، نه تنها طراحی، بلکه دلیل ساختن و لذتی که به دیگران آموزش می دادم.

مرحوم پدرم عاشق کار با دستانش بود و من خاطرات خوبی از کمک به او در انواع پروژه ها و کارهای DIY در خانه دارم. حتی زمانی که من یک پسر جوان بودم، او با صبر و حوصله مرا در کاری که انجام می داد درگیر می کرد و از هر فرصتی برای آموزش به من در حین کار استفاده می کرد. پدر می‌توانست هر چیزی را درست کند و من افتخار می‌کردم که شاگرد او بودم و ترفندهای حرفه‌ای را یاد می‌گرفتم، زیرا با پدر و پسر زمان خوبی را با هم سپری می‌کردیم.

بهترین کارت‌بازی در محله، ساخته‌شده توسط پدرم، رانندگی توسط من، مورد تحسین بسیاری!

Irlon Terblanche Irlon Terblanche

مدیر عامل در SioTech