آموزش هوش مصنوعی و یادگیری ماشین: راهنمای کامل

دانلود Artificial Intelligence and Machine Learning: Complete Guide

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: آیا می خواهید هوش مصنوعی مطالعه کنید و نمی دانید از کجا شروع کنید؟ هر آنچه را که باید در تئوری و عمل بدانید، یاد خواهید گرفت. قوانین و خوشه بندی یادگیری ماشین یادگیری بدون دانستن یک خط کد از ابزار بصری نارنجی برای ایجاد، تجزیه و تحلیل و آزمایش الگوریتم ها استفاده از زبان برنامه نویسی پایتون برای ایجاد الگوریتم های هوش مصنوعی یادگیری اصول اولیه برنامه نویسی در پایتون استفاده از جستجوی حریصانه و A* (A Star) ) الگوریتم‌هایی برای یافتن کوتاه‌ترین مسیر بین شهرها پیاده‌سازی الگوریتم‌های بهینه‌سازی برای مشکلات کمینه‌سازی و حداکثرسازی پیاده‌سازی یک هوش مصنوعی برای پیش‌بینی مقدار انعام در رستوران، با استفاده از منطق فازی استفاده از تکنیک‌های کاوش داده‌های اعمال شده در پایگاه داده بیماری COVID-19 ایجاد یک عامل یادگیری تقویتی برای شبیه سازی تاکسی که نیاز به یادگیری نحوه سوار کردن و پیاده کردن مسافران دارد پیاده سازی شبکه های عصبی مصنوعی و شبکه های عصبی کانولوشن برای طبقه بندی تصاویر شخصیت های هومر و بارت، از کارتون سیمپسون ها تکنیک های پردازش زبان طبیعی را بیاموزید و احساس ایجاد کنید. طبقه بندی کننده تشخیص و تشخیص چهره ها با استفاده از تکنیک های بینایی کامپیوتری ردیابی اشیاء در ویدئو با استفاده از بینایی کامپیوتر تولید تصاویر جدیدی که در دنیای واقعی وجود ندارند با استفاده از هوش مصنوعی پیش نیازها: منطق برنامه نویسی نیازی به دانستن زبان برنامه نویسی پایتون نیست، همانطور که در پایان اگر این اولین تماس شما با آن باشد، دوره یک ضمیمه با کلاس های پایه وجود دارد

زمینه‌های هوش مصنوعی و یادگیری ماشین مرتبط‌ترین حوزه‌ها در فناوری اطلاعات در نظر گرفته می‌شوند. آنها مسئول استفاده از الگوریتم های هوشمند برای ساختن نرم افزار و سخت افزاری هستند که توانایی های انسان را شبیه سازی می کند. بازار کار برای یادگیری ماشینی در نقاط مختلف جهان در حال افزایش است و روند این است که افراد حرفه ای در این زمینه حتی تقاضای بیشتری داشته باشند. در واقع، برخی از مطالعات نشان می دهد که دانش در این زمینه به زودی به یک پیش نیاز برای متخصصان فناوری اطلاعات تبدیل خواهد شد.

برای راهنمایی شما در این زمینه، این دوره بینش نظری و عملی را در مورد آخرین تکنیک های هوش مصنوعی ارائه می دهد. این دوره جامع در نظر گرفته می شود زیرا همه چیز را از اصول اولیه تا پیشرفته ترین تکنیک ها را پوشش می دهد. در پایان، شما تمام ابزارهای لازم برای توسعه راه حل های هوش مصنوعی قابل استفاده برای مشکلات روزمره تجاری را خواهید داشت. محتوا به هفت بخش تقسیم می‌شود: الگوریتم‌های جستجو، الگوریتم‌های بهینه‌سازی، منطق فازی، یادگیری ماشین، شبکه‌های عصبی و یادگیری عمیق، پردازش زبان طبیعی و بینایی کامپیوتر. شما شهود اساسی هر یک از این موضوعات را یاد خواهید گرفت و نمونه های عملی را به صورت گام به گام پیاده سازی می کنید. در زیر برخی از پروژه ها/موضوعاتی که پوشش داده خواهد شد آمده است:


  • یافتن مسیرهای بهینه در نقشه های شهر با استفاده از جستجوی حریصانه و الگوریتم های جستجوی A* (ستاره)

  • انتخاب ارزان‌ترین بلیط هواپیما و به حداکثر رساندن سود با استفاده از الگوریتم‌های زیر: تپه‌نوردی، بازپخت شبیه‌سازی شده، و الگوریتم‌های ژنتیک

  • پیش‌بینی انعامی که به یک رستوران با استفاده از منطق فازی می‌دهید

  • طبقه‌بندی با استفاده از الگوریتم‌هایی مانند Naïve Bayes، درختان تصمیم، قوانین، k-NN، رگرسیون لجستیک و شبکه‌های عصبی

  • پیش‌بینی قیمت مسکن با استفاده از رگرسیون خطی

  • خوشه‌بندی داده‌های بانکی با استفاده از الگوریتم k-means

  • تولید قوانین ارتباط با الگوریتم Apriori

  • پیش پردازش داده، کاهش ابعاد، و تشخیص نقاط پرت در پایگاه داده

  • پیش‌بینی قیمت سهام با استفاده از تحلیل سری زمانی

  • تجسم و کاوش داده ها در زمینه پایگاه داده بیماری COVID-19

  • ساخت یک عامل یادگیری تقویتی برای کنترل تاکسی برای حمل و نقل مسافر

  • طبقه بندی تصاویر گربه و سگ با استفاده از شبکه های عصبی کانولوشن

  • طبقه بندی تصاویر هومر و بارت از کارتون سیمپسون ها با استفاده از شبکه های عصبی کانولوشن

  • برچسب‌گذاری POS، واژه‌سازی، ریشه‌یابی، ابر کلمه، و شناسایی موجودیت نام‌گذاری شده با استفاده از تکنیک‌های پردازش زبان طبیعی

  • اجرای یک طبقه‌بندی کننده احساسات در زمینه مجموعه داده توییتر

  • تشخیص و تشخیص چهره در تصاویر

  • ردیابی اشیاء در ویدئوها

  • تولید تصاویری که در دنیای واقعی با استفاده از تکنیک‌های پیشرفته Computer Vision وجود ندارند

هر نوع مشکلی برای حل خود به تکنیک‌های متفاوتی نیاز دارد، بنابراین با پوشش دادن همه حوزه‌های هوش مصنوعی، می‌دانید که از کدام تکنیک‌ها در سناریوهای مختلف استفاده کنید! در طول دوره از زبان برنامه نویسی پایتون و ابزار گرافیکی نارنجی استفاده خواهیم کرد. اگر با پایتون آشنایی ندارید، به بیش از 5 ساعت تمرین ویدیویی که مبانی این زبان برنامه نویسی را پوشش می دهد، دسترسی خواهید داشت. این دوره برای اولین مواجهه شما با هوش مصنوعی مناسب است، زیرا تمام موضوعات لازم را در تئوری و عمل پوشش می دهد. اگر در این زمینه پیشرفته تر هستید، می توانید از این دوره به عنوان مرجعی برای یادگیری حوزه های جدید و مرور مفاهیم استفاده کنید.


سرفصل ها و درس ها

مقدمه Introduction

  • محتوای دوره Course content

  • اصطلاحات Terminology

  • مواد درسی Course materials

بخش 1 - الگوریتم های جستجو Part 1 - Search algorithms

  • مقدمه Introduction

  • جستجو - شهود Search - intuition

  • اکتشافی - شهود Heuristics - intuition

  • آرایه های مرتب شده - شهود Ordered arrays - intuition

  • آرایه های مرتب شده - پیاده سازی Ordered arrays - implementation

  • ایجاد نقشه شهر Creating the city map

  • جستجوی حریصانه - شهود Greedy search - intuition

  • جستجوی حریصانه - پیاده سازی Greedy search - implementation

  • A * جستجو - شهود A* search - intuition

  • A* جستجو - پیاده سازی A* search - implementation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

بخش 2 - الگوریتم های بهینه سازی Part 2 - Optimization algorithms

  • الگوریتم های بهینه سازی - شهود Optimization algorithms - intuition

  • مطالعه موردی - برنامه پرواز Case study - flight schedule

  • معرف مشکل Representing the problem

  • چاپ محلول Printing the solution

  • عملکرد تناسب اندام Fitness function

  • صعود به تپه - شهود Hill climb - intuition

  • تپه نوردی - اجرا Hill climb - implementation

  • بازپخت شبیه سازی شده - شهود Simulated annealing - intuition

  • بازپخت شبیه سازی شده - پیاده سازی Simulated annealing - implementation

  • الگوریتم ژنتیک - شهود Genetic algorithm - intuition

  • الگوریتم ژنتیک - پیاده سازی Genetic algorithm - implementation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

قسمت 3 - منطق فازی Part 3 - Fuzzy logic

  • مقدمه Introduction

  • کاربردهای منطق فازی Applications of fuzzy logic

  • منطق فازی - شهود Fuzzy logic - intuition

  • پیاده سازی 1 Implementation 1

  • پیاده سازی 2 Implementation 2

  • پیاده سازی 3 Implementation 3

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

بخش 4 - یادگیری ماشینی Part 4 - Machine learning

  • مقدمه Introduction

  • یادگیری ماشین و علم داده Machine learning and Data Science

طبقه بندی Classification

  • طبقه بندی چیست؟ What is classification?

  • بیز ساده لوح - شهود Naïve Bayes - intuition

  • بیز ساده لوح در نارنجی Naïve Bayes in Orange

  • درختان تصمیم - شهود Decision trees - intuition

  • درختان تصمیم در نارنجی Decision trees in Orange

  • یادگیری مبتنی بر قانون - شهود Rule based learning - intuition

  • یادگیری مبتنی بر قانون در نارنجی Rule based learning in Orange

  • kNN (k نزدیکترین همسایه) - شهود kNN (k nearest neighbors) - intuition

  • kNN (k نزدیکترین همسایه) در نارنجی kNN (k nearest neighbors) in Orange

  • SVM (ماشین های بردار پشتیبانی) - شهود SVM (Support Vectors Machines) - intuition

  • SVM (Support Vectors Machines) در نارنجی SVM (Support Vectors Machines) in Orange

  • رگرسیون لجستیک - شهود Logistic regression - intuition

  • رگرسیون لجستیک در نارنجی Logistic regression in Orange

  • اعتبار متقاطع Crossvalidation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • طبقه بندی تصاویر به رنگ نارنجی Image classification in Orange

رگرسیون Regression

  • رگرسیون چیست؟ What is regression?

  • رگرسیون خطی - شهود Linear regression - intuition

  • رگرسیون خطی در رنگ نارنجی Linear regression in Orange

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

خوشه بندی Clustering

  • خوشه بندی چیست؟ What is clustering?

  • الگوریتم K-means - شهود K-means algorithm - intuition

  • الگوریتم K-means در نارنجی K-means algorithm in Orange

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • خوشه بندی تصاویر به رنگ نارنجی Clustering images in Orange

قوانین انجمن Association rules

  • قوانین انجمن چیست؟ What are association rules?

  • الگوریتم Apriori Apriori algorithm

  • Apriori در نارنجی Apriori in Orange

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

موضوعات اضافی Additional topics

  • مقادیر از دست رفته و عادی سازی Missing values and normalization

  • گسسته سازی Discretization

  • انتخاب ویژگی Feature selection

  • کاهش ابعاد با استفاده از PCA Dimensionality reduction using PCA

  • PCA و خوشه بندی PCA and clustering

  • تشخیص نقاط پرت Outliers detection

  • سری زمانی 1 Time series 1

  • سری زمانی 2 Time series 2

  • نمودارهای اساسی Basic charts

  • مجموعه داده COVID 1 COVID dataset 1

  • مجموعه داده COVID 2 COVID dataset 2

  • مجموعه داده COVID 3 COVID dataset 3

یادگیری تقویتی Reinforcement learning

  • مقدمه Introduction

  • شهود Intuition

  • پیاده سازی 1 - محیط Implementation 1 - environment

  • پیاده سازی 2 - آموزش 1 Implementation 2 - training 1

  • پیاده سازی 3 - آموزش 2 Implementation 3 - training 2

  • اجرا 4 - ارزیابی Implementation 4 - evaluation

بخش 5 - شبکه های عصبی مصنوعی و یادگیری عمیق Part 5 - Artificial neural networks and deep learning

  • مقدمه Introduction

  • مبانی بیولوژیکی Biological fundamentals

  • پرسپترون تک لایه Single layer perceptron

  • پرسپترون چند لایه - توابع مجموع و فعال سازی Multilayer perceptron – sum and activation functions

  • پرسپترون چند لایه - محاسبه خطا Multilayer perceptron – error calculation

  • نزول گرادیان Gradient descent

  • پارامتر دلتا Delta parameter

  • به روز رسانی وزنه ها با پس انتشار Updating weights with backpropagation

  • تعصب، خطا، نزول گرادیان تصادفی، و پارامترهای بیشتر Bias, error, stochastic gradient descent, and more parameters

  • شبکه های عصبی در نارنجی Neural networks in Orange

  • مطالعه موردی: طبقه بندی هومر و بارت Case study: Homer and Bart classification

  • یادگیری عمیق با TensorFlow 1 Deep learning with TensorFlow 1

  • یادگیری عمیق با TensorFlow 2 Deep learning with TensorFlow 2

  • یادگیری عمیق با TensorFlow 3 Deep learning with TensorFlow 3

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • مقدمه ای بر شبکه های عصبی کانولوشنال Introduction to convolutional neural networks

  • اپراتور کانولوشنال Convolutional operator

  • ادغام Pooling

  • صاف کردن Flattening

  • شبکه عصبی متراکم Dense neural network

  • شبکه‌های عصبی کانولوشنال با TensorFlow 1 Convolutional neural networks with TensorFlow 1

  • شبکه های عصبی کانولوشن با تنسورفلو 2 Convolutional neural networks with TensorFlow 2

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • انواع دیگر شبکه های عصبی Other types of neural networks

قسمت 6 - پردازش زبان طبیعی Part 6 - Natural language processing

  • مقدمه Introduction

  • POS (بخشی از گفتار)، واژه‌سازی و ریشه‌یابی POS (part of speech), lemmatization, and stemming

  • بارگیری متون از اینترنت Loading texts from the Internet

  • جستجوی متن با استفاده از spaCy Text search using spaCy

  • شناسایی موجودیت نامگذاری شده Named entity recognition

  • ابر کلمه در پایتون Word cloud in Python

  • ابر کلمه به رنگ نارنجی Word cloud in Orange

  • تحلیل احساسات 1 Sentiment analysis 1

  • تجزیه و تحلیل احساسات 2 Sentiment analysis 2

  • تحلیل احساسات 3 Sentiment analysis 3

  • تحلیل احساسات 4 Sentiment analysis 4

  • تجزیه و تحلیل احساسات 5 Sentiment analysis 5

  • تجزیه و تحلیل احساسات 6 Sentiment analysis 6

  • تحلیل احساسات 7 Sentiment analysis 7

  • تحلیل احساسات 8 Sentiment analysis 8

  • تکالیف HOMEWORK

  • طبقه بندی متن به رنگ نارنجی Text classification in Orange

قسمت 7 - بینایی کامپیوتری Part 7 - Computer vision

  • مقدمه Introduction

  • تصاویر و پیکسل ها Images and pixels

  • تشخیص چهره - شهود Face detection - intuition

  • تشخیص چهره - پیاده سازی Face detection - implementation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • تشخیص چهره - شهود Face recognition - intuition

  • تشخیص چهره - آموزش Face recognition - training

  • تشخیص چهره - طبقه بندی Face recognition - classification

  • ردیابی شی - شهود Object tracking - intuition

  • ردیابی شی - پیاده سازی Object tracking - implementation

  • تولید تصویر با انتشار پایدار Image generation with Stable Diffusion

مطالب اضافی - برنامه نویسی پایه پایتون Additional content - Basic Python programming

  • مقدمه ای بر پایتون Introduction to Python

  • نصب و راه اندازی Installation

  • IDE های پایتون Python IDEs

  • متغیرها و ثابت ها Variables and constants

  • عملیات ریاضی Mathematical operations

  • رشته ها Strings

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • عملگرهای منطقی و رابطه ای Logical and relational operators

  • عملگرهای شرطی Conditional operators

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • حلقه ها - برای Loops - for

  • حلقه ها - در حالی که Loops - while

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • مجموعه ها - تاپل ها و لیست ها Collections - tuples and lists

  • مجموعه ها - لغت نامه ها و مجموعه ها Collections - dictionaries and sets

  • مجموعه ها - ماتریس ها Collections - matrices

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • توابع Functions

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • ماژول ها - ریاضی و تاریخ Modules - math and datetime

  • ماژول ها - تصادفی و زمان Modules - random and time

  • ایجاد مدل های سفارشی Creating custom models

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • خطاها و استثنائات Errors and exceptions

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • خواندن و نوشتن فایل های متنی Reading and writing text files

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • عبارات منظم - شهود Regular expressions - intuition

  • عبارات منظم - پیاده سازی Regular expressions - implementation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

  • شی گرا - شهود Object oriented - intuition

  • شی گرا - پیاده سازی Object oriented - implementation

  • تکالیف HOMEWORK

  • راه حل تکلیف Homework solution

اظهارات پایانی Final remarks

  • اظهارات پایانی Final remarks

  • جایزه BONUS

نمایش نظرات

آموزش هوش مصنوعی و یادگیری ماشین: راهنمای کامل
جزییات دوره
22 hours
189
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
2,143
4.5 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

Jones Granatyr Jones Granatyr

استاد اولا! 10 مورد از جونز گراناتیر و ترابیلو در 10 سال گذشته است که شامل Inteligência Artificial (IA) می باشد استاد حرفه ای ، پشکیزادور و بنیانگذار پورتال IA Expert ، وب سایت com conteúdo específico sobre Inteligência Artificial. Desde que iniciei na Udemy criei vários cursos sobre diversos assuntos de IA، como as exemplolo: یادگیری عمیق ، یادگیری ماشین ، علم داده ، Redes Neurais Artificiais، Algoritmos Genéticos، Detecção e Reconhecimento Facial، Algoritmos de cesos، Busca ، Mineração de Regras de Associação ، Sistemas Especialistas e Sistemas de Recomendação. اگر بخواهید از طریق برنامه های مختلف زبان (Python ، R e Java) و یا فن آوری های مختلف (tensorflow ، keras ، pandas ، sklearn ، opencv ، dlib ، weka ، nltk ، به عنوان مثال) استفاده کنید. با توجه به هدف اصلی و دستیابی به اطلاعات IA و مجوز فعالیت در TI و متقاضیان ، به عنوان تجدید نظر در زمینه استفاده از قوانین و مقررات و امکان مشاهده تجدید نظرهای جدید در زمینه مشروبات الکلی ارائه می شود.

AI Expert Academy AI Expert Academy

مربی