آموزش 7 روز برگزاری بوت کمپ توسعه هوش مصنوعی و صدور گواهینامه

سرفصل ها و درس ها

مقدمه دوره Introduction to Course

• مقدمه دوره Introduction to Course

روز اول: پایتون برای اصول هوش مصنوعی Day 1: Python for AI Basics

• مقدمه روز 1: پایتون برای مبانی هوش مصنوعی Introduction to Day 1: Python for AI Basics

• مقدمه ای بر برنامه نویسی پایتون Introduction to Python Programming

• مبانی پایتون Python Basics

• کار با لیست ها و دیکشنری ها Working with Lists and Dictionaries

• مقدمه ای بر NumPy Introduction to NumPy

• آشنایی با پانداها Introduction to Pandas

• پروژه عملی: دستکاری داده ها و مدیریت فایل ها Hands-on Project: Basic Data Manipulation and File Handling

• روز 1: تمرین کدنویسی Day 1: Coding Exercise

روز 2: تجزیه و تحلیل داده های اکتشافی (EDA) Day 2: Exploratory Data Analysis (EDA)

• مقدمه روز 2: تجزیه و تحلیل داده های اکتشافی (EDA) Introduction to Day 2: Exploratory Data Analysis (EDA)

• بارگیری و بازرسی داده ها Loading and Inspecting Data

• رسیدگی به داده های از دست رفته Handling Missing Data

• تبدیل داده ها و مهندسی ویژگی Data Transformation and Feature Engineering

• تجسم داده ها با Matplotlib و Seaborn Visualizing Data with Matplotlib and Seaborn

• آمار توصیفی Descriptive Statistics

• پروژه عملی: تجزیه و تحلیل داده های اکتشافی بر روی یک مجموعه داده واقعی Hands-on Project: Exploratory Data Analysis on a Real Dataset

• روز 2: تمرین کدنویسی Day 2: Coding Exercise

روز 3: مقدمه ای بر یادگیری ماشین (ML) Day 3: Introduction to Machine Learning (ML)

• مقدمه روز 3: مقدمه ای بر یادگیری ماشینی (ML) Introduction to Day 3: Introduction to Machine Learning (ML)

• یادگیری ماشینی چیست؟ What is Machine Learning?

• آموزش نظارت شده و آماده سازی مجموعه داده ها Supervised Learning and Dataset Preparation

• ساخت مدل رگرسیون خطی Building a Linear Regression Model

• ارزیابی مدل Evaluating the Model

• مقیاس بندی و منظم سازی ویژگی ها Feature Scaling and Regularization

• پروژه عملی: پیش بینی قیمت خانه با استفاده از رگرسیون خطی Hands-on Project: Predicting House Prices using Linear Regression

• روز 3: تمرین کدنویسی Day 3: Coding Exercise

روز 4: مدل های طبقه بندی در یادگیری ماشینی Day 4: Classification Models in Machine Learning

• مقدمه ای بر روز 4: مدل های طبقه بندی در یادگیری ماشینی Introduction to Day 4: Classification Models in Machine Learning

• طبقه بندی چیست؟ What is Classification?

• رگرسیون لجستیک برای طبقه بندی Logistic Regression for Classification

• ساخت یک طبقه بندی رگرسیون لجستیک Building a Logistic Regression Classifier

• ارزیابی مدل طبقه بندی Evaluating the Classification Model

• تجسم مرز تصمیم Visualizing the Decision Boundary

• پروژه عملی: تشخیص هرزنامه با استفاده از رگرسیون لجستیک Hands-on Project: Spam Detection Using Logistic Regression

• روز چهارم: تمرین کدنویسی Day 4: Coding Exercise

روز پنجم: مقدمه ای بر شبکه های عصبی و یادگیری عمیق Day 5: Introduction to Neural Networks and Deep Learning

• مقدمه ای بر روز پنجم: مقدمه ای بر شبکه های عصبی و یادگیری عمیق Introduction to Day 5: Introduction to Neural Networks and Deep Learning

• شبکه عصبی چیست؟ What is a Neural Network?

• مقدمه ای بر چارچوب های یادگیری عمیق Introduction to Deep Learning Frameworks

• بررسی اجمالی مجموعه داده های MNIST MNIST Dataset Overview

• ساخت یک شبکه عصبی ساده برای طبقه بندی MNIST Building a Simple Neural Network for MNIST Classification

• ارزیابی شبکه عصبی Evaluating the Neural Network

• درک توابع فعال سازی Understanding Activation Functions

• پروژه عملی: دسته‌بندی رقم دست‌نویس با استفاده از شبکه‌های عصبی Hands-on Project: Handwritten Digit Classification using Neural Networks

• روز پنجم: تمرین کدنویسی Day 5: Coding Exercise

روز ششم: ساخت مدل تحلیل احساسات با استفاده از پردازش زبان طبیعی Day 6: Building a Sentiment Analysis Model Using Natural Language Processing

• مقدمه روز ششم: ساخت یک مدل تحلیل احساسات با استفاده از NLP Introduction to Day 6: Building a Sentiment Analysis Model Using NLP

• مقدمه ای بر پردازش زبان طبیعی (NLP) Introduction to Natural Language Processing (NLP)

• تجزیه و تحلیل احساسات: درک طبقه بندی متن Sentiment Analysis: Understanding Text Classification

• پیش پردازش متن Text Preprocessing

• استفاده از مدل های از پیش آموزش دیده برای NLP (صورت در آغوش گرفته) Using Pre-trained Models for NLP (Hugging Face)

• ساخت یک مدل تحلیل احساسات با TensorFlow Building a Sentiment Analysis Model with TensorFlow

• ارزیابی مدل Evaluating the Model

• پروژه عملی: تجزیه و تحلیل احساسات با استفاده از مدل های NLP از قبل آموزش دیده Hands-on Project: Sentiment Analysis Using Pre-trained NLP Models

• روز ششم: تمرین کدنویسی Day 6: Coding Exercise

روز هفتم: استقرار یک مدل هوش مصنوعی به عنوان یک وب سرویس Day 7: Deploying an AI Model as a Web Service

• مقدمه روز هفتم: استقرار یک مدل هوش مصنوعی به عنوان یک وب سرویس Introduction to Day 7: Deploying an AI Model as a Web Service

• مقدمه ای بر Flask برای توسعه وب Introduction to Flask for Web Development

• ایجاد یک رابط وب برای مدل شما Creating a Web Interface for Your Model

• استقرار برنامه Flask در Heroku Deploying the Flask App to Heroku

• تست وب سرویس Testing the Web Service

• روز هفتم: تمرین کدنویسی Day 7: Coding Exercise