آمادگی آزمون (PMI-CPMAI™): مدیریت پروژه‌های هوش مصنوعی با اعتماد به نفس - آخرین آپدیت

سرفصل ها و درس ها

ماژول ۱: مبانی مدیریت پروژه هوش مصنوعی Module 1: Foundations of AI Project Management

• درس ۰۱ – معرفی گواهینامه PMI CPMAI Lecture 01 –Introduction to PMI-CPMAI Certification

• درس ۰۲ – بررسی چارچوب و متدولوژی CPMAI Lecture 02 –CPMAI Framework & Methodology Overview

• درس ۰۳ – چرا پروژه‌های هوش مصنوعی به مدیریت پروژه تخصصی نیاز دارند Lecture 03 –Why AI Projects Need Specialized Project Management

ماژول ۲: چرخه حیات هوش مصنوعی و همسویی با کسب‌وکار Module 2: AI Lifecycle & Business Alignment

• درس ۰۴ – چرخه حیات هوش مصنوعی در مقابل چرخه حیات پروژه سنتی Lecture 04 –AI Lifecycle vs Traditional Project Lifecycle

• درس ۰۵ – ارزش کسب‌وکار، ROI و استراتژی هوش مصنوعی Lecture 05 –Business Value, ROI, and AI Strategy

• درس ۰۶ – تحلیل کسب‌وکار و حاکمیت هوش مصنوعی Lecture 06 –AI Business Analysis and Governanc

• درس ۰۷ – الگوهای هوش مصنوعی و تطبیق با کسب‌وکار Lecture 07 –AI Patterns and Business Matching

ماژول ۳: امکان‌سنجی، محدوده و تعریف موفقیت Module 3 – Feasibility, Scope & Success Definition

• درس ۰۸ – ارزیابی امکان‌سنجی و ریسک هوش مصنوعی Lecture 08 – AI Feasibility and Risk Assessment

• درس ۰۹ – محدوده پروژه هوش مصنوعی و معیارهای موفقیت Lecture 09 – AI Project Scope and Success Metrics

ماژول ۴: مدیریت داده‌ها برای پروژه‌های هوش مصنوعی Module 4 – Data Management for AI Projects

• درس ۱۰ – آمادگی داده‌ها و کیفیت داده‌ها Lecture 10 – Data Readiness and Data Quality

• درس ۱۱ – داده‌های آموزشی و حقیقت زمینی (Ground Truth) Lecture 11 – Training Data and Ground Truth

• درس ۱۲ – حاکمیت داده‌ها و حریم خصوصی Lecture 12 – Data Governance and Privacy

• درس ۱۳ – پاک‌سازی و تبدیل داده‌ها Lecture 13 – Data Cleaning and Transformation

• درس ۱۴ – برچسب‌گذاری داده‌ها و خطوط لوله هوش مصنوعی Lecture 14 – Data Labeling and AI Pipelines

• درس ۱۵ – کنترل‌های کیفیت داده‌ها Lecture 15 – Data Quality Controls

ماژول ۵: استراتژی مدل و توسعه Module 5 – Model Strategy & Development

• درس ۱۶ – استراتژی مدل: ساخت یا خرید Lecture 16 – Model Strategy: Build vs Buy

• درس ۱۷ – آموزش مدل و تنظیم دقیق (Fine Tuning) Lecture 17 – Model Training and Fine-Tuning

• درس ۱۸ – عامل‌های هوش مصنوعی و روندهای نوظهور Lecture 18 – AI Agents and Emerging Trends

ماژول ۶: ارزیابی، ریسک و قابلیت اطمینان Module 6 – Evaluation, Risk & Reliability

• درس ۱۹ – ارزیابی مدل و معیارهای عملکرد Lecture 19 – Model Evaluation and Performance Metrics

• درس ۲۰ – سوگیری، انصاف و تست هوش مصنوعی Lecture 20 – Bias, Fairness, and AI Testing

• درس ۲۱ – رانش مدل (Model Drift) و مانیتورینگ Lecture 21 – Model Drift and Monitoring

ماژول ۷: استقرار، حاکمیت و انطباق Module 7 – Deployment, Governance & Compliance

• درس ۲۲ – استقرار هوش مصنوعی و MLOps Lecture 22 – AI Deployment and MLOps

• درس ۲۳ – حاکمیت و انطباق هوش مصنوعی Lecture 23 – AI Governance and Compliance

• درس ۲۴ – چرخه حیات هوش مصنوعی و بهبود مستمر Lecture 24 – AI Lifecycle and Continuous Improvement

ماژول ۸: آمادگی آزمون و کاربرد Module 8 – Exam Preparation & Application

• درس ۲۵ – آمادگی آزمون و مطالعه موردی Lecture 25 – Exam Preparation and Case Study

• اسلایدهای دوره PMI CPMAI PMI-CPMAI Course slides

• آزمون CPMAI شماره ۱ CPMAI Exam 1

• آزمون CPMAI شماره ۲ CPMAI Exam 2

• درس جایزه Bonus Lecture