آموزش پایتون برای پروژه‌های هوش مصنوعی: از اکتشاف داده‌ها تا اثرگذاری - آخرین آپدیت

دانلود Python for AI Projects: From Data Exploration to Impact

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره: تحلیلگران داده با تجربه می‌توانند با گذراندن آموزش‌های عملی هوش مصنوعی و یادگیری ماشین، رقابت‌پذیری خود را در بازار فعلی به شدت افزایش دهند. در این دوره، دنی ما (Danny Ma) — مدیرعامل و مؤسس Sydney Data Science و اینفلوئنسر شناخته‌شده علوم داده — راهنمایی ساده و کاربردی برای توسعه الگوریتم‌های هوش مصنوعی و یادگیری ماشین با رویکرد داده‌محور ارائه می‌دهد. این دوره به‌طور خاص برای متخصصانی طراحی شده است که درک قوی از تحلیل داده‌ها دارند. شما با استفاده از کدهای ساده پایتون، یاد می‌گیرید چگونه از الگوریتم‌های قدرتمند یادگیری ماشین روی انواع داده‌های تجاری رایج استفاده کنید. این دوره به شما کمک می‌کند تا شکاف بین تئوری و کاربرد واقعی را پر کرده و مهارت‌های جدید خود را به‌طور مؤثر در محیط کاری پیاده‌سازی کنید.

سرفصل ها و درس ها

مقدمه Introduction

  • مقدمه Introduction

آشنایی با هوش مصنوعی Introduction to AI

  • موارد کاربرد هوش مصنوعی AI use cases

  • محیط برنامه‌نویسی پایتون Python environment

  • فریم‌ورک‌های هوش مصنوعی و یادگیری ماشین (ML) AI and machine learning (ML) frameworks

چالش پایتون ۱: پردازش زبان طبیعی (NLP) Python Challenge 1: Natural Language Processing (NLP)

  • معیارهای ارزیابی مدل Model metrics

  • برازش مدل (Model Fitting) Model fitting

  • اکتشاف داده‌ها Data exploration

  • خط لوله داده‌های آموزشی (Training Pipeline) Training data pipeline

  • ساخت جستجوی هوشمند: از کلمات کلیدی تا هوش مصنوعی معنایی Building Smarter Search: From Keywords to Semantic AI

  • تبدیل متن خام به بینش‌های تجاری با پایتون و NLP Turning Raw Text into Business Insights with Python and NLP

  • از جستجو تا پاسخ: ساخت راهکارهای دانش‌بنیان AI From Search to Answers: Building AI Knowledge Solutions

چالش پایتون ۲: سیستم‌های توصیه مشتری Python Challenge 2: Customer Recommendations

  • خط لوله داده‌های آموزشی Training data pipeline

  • معیارهای ارزیابی مدل Model metrics

  • برازش مدل Model fitting

  • اکتشاف داده‌ها Data exploration

  • آموزش مدل‌های پیش‌بینی خرید Training Purchase Prediction Models

  • ساخت خط لوله‌های طبقه‌بندی در پایتون Building Classification Pipelines in Python

  • آماده‌سازی داده‌های مشتری برای پیش‌بینی‌های یادگیری ماشین Preparing Customer Data for Predictions for Machine Learning

چالش پایتون ۳: هوش مصنوعی مولد (GenAI) 4. Python Challenge 3: GenAI

  • اکتشاف داده‌ها Data exploration

  • بهبود عملکرد هوش مصنوعی مولد Improving GenAI performance

  • راه‌اندازی مدل‌های زبانی بزرگ (LLMs) Setting up LLMs

  • جمع‌بندی نهایی: بهبود چت‌بات با یادگیری ماشین Bringing It All Together: Improving your Chatbot with ML

  • راه‌اندازی محیط کدنویسی Setting up your Coding Environment

  • اجرای چت‌بات AI بر روی مجموعه داده Explore California Run an AI Chatbot from Explore California Dataset

  • استقرار اپلیکیشن‌های وب AI با استفاده از Streamlit Deploy AI Web Apps using Streamlit

جمع‌بندی Conclusion

  • گام‌های بعدی Next steps

نمایش نظرات

آموزش پایتون برای پروژه‌های هوش مصنوعی: از اکتشاف داده‌ها تا اثرگذاری
جزییات دوره
2h 44m
26
(آخرین آپدیت)
3,039
- از 5
ندارد
دارد
دارد
Danny Ma
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Danny Ma Danny Ma

دنی ما یک مهندس اصلی هوش مصنوعی در LUMOS است.

دنی که در سیدنی، استرالیا مستقر است، بیش از 12 سال تجربه به عنوان مشاور داده دارد و یک صدای برتر لینکدین در فناوری است. او یک مهندس داده و مهندس یادگیری ماشین دارای گواهینامه گوگل است. او Sydney Data Science را در سال 2019 تاسیس کرد و با مشتریان شرکتی برای ارائه راهنمایی استراتژیک و اجرای فنی پروژه ها در زمینه داده ها، تجزیه و تحلیل، یادگیری ماشین و رشته های مهندسی کار می کند.