لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش مبانی هوش مصنوعی، یادگیری ماشین و برنامهنویسی پایتون
- آخرین آپدیت
دانلود Fundamentals of AI, Machine Learning, and Python Programming
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
بهروزرسانی شده در می ۲۰۲۵.
این دوره اکنون دارای قابلیت Coursera Coach است!
روشی هوشمندتر برای یادگیری با گفتگوهای تعاملی و آنی که به شما کمک میکند تا دانش خود را آزمایش کنید، فرضیات را به چالش بکشید و در حین پیشروی در دوره، درک خود را عمیقتر کنید.
در یک تجربه یادگیری تحولآفرین شرکت کنید که برای تجهیز شما به درکی جامع از هوش مصنوعی (AI)، یادگیری ماشین (Machine Learning) و برنامهنویسی پایتون طراحی شده است. این دوره با معرفی دقیقی از هوش مصنوعی و یادگیری ماشین آغاز میشود، مفاهیم اصلی را ساده میکند و بررسی میکند که چگونه الگوریتمها و تکنیکهای دادهمحور، کامپیوترها را قادر میسازند تا یاد بگیرند و سازگار شوند. با پیشروی در دوره، به معماری یادگیری عمیق و شبکههای عصبی خواهید پرداخت و درک خواهید کرد که چگونه این ساختارهای پیشرفته از شناخت انسانی برای پردازش دادههای پیچیده و ارائه پیشبینیهای دقیق تقلید میکنند.
با انتقال از تئوری به کاربرد عملی، این دوره شما را در راهاندازی محیط توسعه با Anaconda راهنمایی میکند تا زیربنای کدنویسی بهینه و مدیریت پکیجها فراهم شود. سپس در برنامهنویسی پایتون غوطهور شده و بر مکانیسمهای کنترل جریان، ساختارهای داده و توابع تسلط مییابید. این مسیر با بررسی کتابخانههای ضروری پایتون مانند NumPy، Matplotlib و Pandas ادامه مییابد تا ابزارهای لازم برای مدیریت و بصریسازی موثر دادهها را در اختیار داشته باشید.
بخش انتهایی دوره بر موضوعات پیشرفته هوش مصنوعی، از جمله نصب و بهکارگیری کتابخانههای یادگیری عمیق مانند TensorFlow و PyTorch تمرکز دارد. شما با ساختارهای بنیادی نورونهای مصنوعی و شبکههای عصبی، و نقشهای حیاتی توابع فعالساز، توابع هزینه (Loss) و بهینهسازها در آموزش مدلها آشنا خواهید شد. از طریق پروژههای عملی، مانند ساخت مدلهای رگرسیون برای پیشبینی قیمت مسکن و مدلهای طبقهبندی باینری برای پیشبینی بیماریهای قلبی، دانش خود را در سناریوهای واقعی به کار میبرید تا یادگیری خود را تقویت کرده و مهارتهای عملی خود را ارتقا دهید.
این دوره برای دانشمندان داده آینده، علاقهمندان به یادگیری ماشین و برنامهنویسان پایتون طراحی شده است. این دوره برای مبتدیانی که به دنبال یک معرفی جامع از AI و یادگیری ماشین هستند و همچنین متخصصانی که میخواهند درک خود را از این فناوریها عمیقتر کنند، ایدهآل است. پیشنیازها شامل دانش پایه برنامهنویسی و علاقه شدید به هوش مصنوعی و علم داده است.
سرفصل ها و درس ها
مقدمه
Introduction
مقدمهای بر تخصص
Introduction to the Specialization
آشنایی با هوش مصنوعی و یادگیری ماشین
Introduction to AI and Machine Learning
آشنایی با هوش مصنوعی و یادگیری ماشین
Introduction to AI and Machine Learning
آشنایی با یادگیری عمیق و شبکههای عصبی
Introduction to Deep learning and Neural Networks
آشنایی با یادگیری عمیق و شبکههای عصبی
Introduction to Deep learning and Neural Networks
آمادهسازی سیستم و نصب آناکوندا
Setting Up Computer - Installing Anaconda
آمادهسازی سیستم و نصب آناکوندا
Setting Up Computer - Installing Anaconda
مبانی پایتون: کنترل جریان
Python Basics - Flow Control
مبانی پایتون: کنترل جریان - بخش اول
Python Basics - Flow Control - Part 1
مبانی پایتون: کنترل جریان - بخش دوم
Python Basics - Flow Control - Part 2
مبانی پایتون: لیستها و تاپلها
Python Basics - Lists and Tuples
مبانی پایتون: لیستها و تاپلها
Python Basics - Lists and Tuples
مبانی پایتون: دیکشنریها و توابع
Python Basics - Dictionaries and Functions
مبانی پایتون: دیکشنریها و توابع - بخش اول
Python Basics - Dictionaries and Functions - part 1
مبانی پایتون: دیکشنریها و توابع - بخش دوم
Python Basics - Dictionary and Functions - part 2
مبانی کتابخانه NumPy
NumPy Basics
مبانی NumPy - بخش اول
NumPy Basics - Part 1
مبانی NumPy - بخش دوم
NumPy Basics - Part 2
مبانی کتابخانه Matplotlib
Matplotlib Basics
مبانی Matplotlib - بخش اول
Matplotlib Basics - part 1
مبانی Matplotlib - بخش دوم
Matplotlib Basics - part 2
مبانی کتابخانه Pandas
Pandas Basics
مبانی Pandas - بخش اول
Pandas Basics - Part 1
مبانی Pandas - بخش دوم
Pandas Basics - Part 2
نصب کتابخانههای یادگیری عمیق
Installing Deep Learning Libraries
نصب کتابخانههای یادگیری عمیق
Installing Deep Learning Libraries
ساختار پایه نورون مصنوعی و شبکه عصبی
Basic Structure of Artificial Neuron and Neural Network
ساختار پایه نورون مصنوعی و شبکه عصبی
Basic Structure of Artificial Neuron and Neural Network
مقدمهای بر توابع فعالساز
Activation Functions Introduction
مقدمهای بر توابع فعالساز
Activation Functions Introduction
انواع رایج توابع فعالساز
Popular Types of Activation Functions
انواع رایج توابع فعالساز
Popular Types of Activation Functions
انواع رایج توابع هزینه
Popular Types of Loss Functions
انواع رایج توابع هزینه
Popular Types of Loss Functions
بهینهسازهای رایج
Popular Optimizers
بهینهسازهای رایج
Popular Optimizers
انواع رایج شبکههای عصبی
Popular Neural Network Types
انواع رایج شبکههای عصبی
Popular Neural Network Types
مدل رگرسیون فروش مسکن کینگ کانتی: گام اول دریافت و بارگذاری دادهها
King County House Sales Regression Model - Step 1 Fetch and Load Dataset
مدل رگرسیون فروش مسکن کینگ کانتی: گام اول دریافت و بارگذاری دادهها
King County House Sales Regression Model - Step 1 Fetch and Load Dataset
گامهای دوم و سوم: تحلیل اکتشافی دادهها (EDA) و آمادهسازی
Steps 2 and 3 - EDA and Data Preparation
گامهای دوم و سوم: EDA و آمادهسازی دادهها - بخش اول
Steps 2 and 3 - EDA and Data Preparation - Part 1
گامهای دوم و سوم: EDA و آمادهسازی دادهها - بخش دوم
Steps 2 and 3 - EDA and Data Preparation - Part 2
گام چهارم: تعریف مدل کراس (Keras)
Step 4 - Defining the Keras Model
گام چهارم: تعریف مدل کراس - بخش اول
Step 4 Defining the Keras Model - Part 1
گام چهارم: تعریف مدل کراس - بخش دوم
Step 4 Defining the Keras Model - Part 2
گامهای پنجم و ششم: کامپایل و برازش مدل
Steps 5 and 6 - Compile and Fit Model
گامهای پنجم و ششم: کامپایل و برازش مدل
Steps 5 and 6 Compile and Fit Model
گام هفتم: بصریسازی آموزش و معیارها
Step 7 Visualize Training and Metrics
گام هفتم: بصریسازی آموزش و معیارها
Step 7 Visualize Training and Metrics
گام هشتم: پیشبینی با استفاده از مدل
Step 8 Prediction Using the Model
گام هشتم: پیشبینی با استفاده از مدل
Step 8 Prediction Using the Model
نمایش نظرات