آموزش AI Essentials: مقدمه ای بر هوش مصنوعی

AI Essentials: Introduction to Artificial Intelligence new

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.

نمونه ویدیوها: (صرفا برای مشاهده نمونه ویدیو، ممکن هست نیاز به شکن داشته باشید.)

توضیحات دوره: AI Essentials: A Simple Introduction to Artificial Intelligence Technologies توسط موسسه MTF AI، تاریخچه مدرن و پیاده سازی های کنونی آن شبکه های عصبی یادگیری ماشین و یادگیری عمیق رابطه بین یادگیری ماشین، شبکه های عصبی و یادگیری عمیق نظریه هوش عمومی مصنوعی (AGI) عوامل هوشمند پردازش زبان طبیعی (NLP) Computer Vision AI Ethics AI در الگوریتم های جستجوی رباتیک بازنمایی دانش و استدلال (KRR) توانایی توضیح و شفافیت در هوش مصنوعی (XAI) پیش نیازها: برای تجربه یادگیری بهتر، پیشنهاد می کنیم از لپ تاپ/تلفن همراه استفاده کنید./قلم و کاغذ برای یادداشت برداری، برجسته کردن نکات مهم و خلاصه سازی برای تقویت یادگیری شما.

به دوره آموزشی خوش آمدید: AI Essentials: مقدمه ای ساده بر فناوری های هوش مصنوعی توسط موسسه MTF

دوره ارائه شده توسط موسسه مدیریت، فناوری و مالی MTF

MTF یک مؤسسه آموزشی و تحقیقاتی جهانی با مرکز اصلی در لیسبون، پرتغال است که بر آموزش ترکیبی حرفه‌ای بالاتر (در دانشگاه و آنلاین) در حوزه‌هایی متمرکز است: مدیریت بازرگانی، فناوری علمی، امور مالی بانکی.

مرکز تحقیق و توسعه MTF بر فعالیت‌های تحقیقاتی در زمینه‌هایی متمرکز است: هوش مصنوعی، یادگیری ماشین، علم داده، کلان داده، WEB3، بلاک چین، دارایی‌های دیجیتال ارز دیجیتال، متاورس، تحول دیجیتال، فین‌تک، تجارت الکترونیک، اینترنت اشیا.

MTF شریک رسمی این موارد است: IBM، Intel، Microsoft، عضو اتاق بازرگانی و صنعت پرتغال، و مقیم انکوباتور "The Fintech House of Portugal".

MTF در 205 کشور وجود دارد و توسط بیش از 250000 دانشجو انتخاب شده است.

سلام به همه، و به دوره من در هوش مصنوعی (AI) خوش آمدید! من محمد الفتح هستم، بیش از یک دهه است که در حوزه فناوری اطلاعات فعالیت می کنم. من علاقه مند به یادگیری در مورد فن آوری های مدرن و به اشتراک گذاری دانش خود با دیگران هستم.

هوش مصنوعی چیست؟
هوش مصنوعی رشته‌ای از علوم رایانه است که چگونگی ایجاد ماشین‌هایی را مطالعه می‌کند که می‌توانند اطلاعات را پردازش کنند، تصمیم بگیرند و وظایف خاصی را انجام دهند.

تاریخچه هوش مصنوعی مدرن

زمینه هوش مصنوعی (AI) تاریخچه طولانی و غنی دارد که به روزهای اولیه محاسبات بازمی گردد. با این حال، رشته ای که امروزه می شناسیم در سال 1956 در کنفرانسی در کالج دارتموث در نیوهمپشایر تأسیس شد. این کنفرانس محققین برجسته هوش مصنوعی در آن زمان از جمله آلن تورینگ، جان مک کارتی و ماروین مینسکی را گرد هم آورد. این کنفرانس با کمک به تعریف زمینه هوش مصنوعی و تعیین دستور کار برای تحقیقات آینده اعتبار دارد.

هوش مصنوعی "AI" یک زمینه پیچیده است که به توانایی افراد از رشته های مختلف برای همکاری با یکدیگر نیاز دارد. به عنوان مثال، تولید وسایل نقلیه خودمختار مانند خودروهای خودران به کار افراد در زمینه‌های مختلف، مانند محققان هوش مصنوعی، مهندسان خودرو، و محققان بینایی کامپیوتر نیاز دارد.

محققان هوش مصنوعی الگوریتم هایی را توسعه می دهند که به اتومبیل های خودران امکان می دهد محیط اطراف خود را درک کنند، تصمیم بگیرند و حرکات خود را کنترل کنند. مهندسان خودرو سیستم‌های سخت‌افزاری و نرم‌افزاری مورد نیاز برای پیاده‌سازی این الگوریتم‌ها را توسعه می‌دهند و محققان بینایی کامپیوتر تکنیک‌های جدیدی را برای قادر ساختن خودروهای خودران به دیدن و درک جهان توسعه می‌دهند.

یادگیری ماشینی چیست؟

یادگیری ماشینی نوعی از هوش مصنوعی (AI) است که به رایانه‌ها اجازه می‌دهد بدون برنامه‌نویسی صریح از داده‌ها یاد بگیرند. به عبارت دیگر، الگوریتم های یادگیری ماشینی می توانند الگوها را تشخیص دهند و بر اساس داده ها پیش بینی کنند، بدون اینکه دستوری دریافت کنند. این به رایانه ها امکان می دهد کارهای جدید را یاد بگیرند و عملکرد خود را در طول زمان بدون دخالت انسان بهبود بخشند.

یادگیری ماشین کجا استفاده می شود؟

یادگیری ماشین توسط طیف وسیعی از برنامه‌ها، از جمله فیلتر کردن ایمیل، شخصی‌سازی رسانه‌های اجتماعی، تشخیص تصویر، تشخیص گفتار، تشخیص تقلب، پیش‌بینی متن، توصیه محصول، تشخیص پزشکی، شخصی‌سازی مراقبت‌های بهداشتی، پیش‌بینی ترافیک، استفاده می‌شود.

شبکه های عصبی نوعی الگوریتم یادگیری ماشینی هستند که از ساختار و عملکرد مغز انسان الهام گرفته شده است.

شبکه های عصبی می توانند الگوهای پیچیده ای را از داده ها یاد بگیرند.

شبکه های عصبی با موفقیت در زمینه هایی مانند پردازش زبان طبیعی استفاده شده اند.

یادگیری عمیق نوعی از یادگیری ماشینی است که از شبکه های عصبی با لایه های متعدد استفاده می کند.

هر لایه از چندین گره تشکیل شده است که می توانند وظایف مختلفی را انجام دهند. این به مدل های یادگیری عمیق اجازه می دهد تا الگوهای پیچیده تری را از داده ها بیاموزند.

از یادگیری عمیق برای دستیابی به نتایج قابل توجهی در طیف وسیعی از کارها، از جمله تشخیص تصویر، تشخیص گفتار، و ترجمه ماشینی استفاده شده است.

سرفصل ها و درس ها

معرفی Introduction

به MTF خوش آمدید Welcome to MTF
ورود به فرآیند یادگیری Onboarding to learning process
1 - با مربی خود آشنا شوید 1 - Meet Your Instructor

هوش مصنوعی I AI I

2 - هوش مصنوعی، تاریخ مدرن و پیاده سازی های فعلی است 2 - AI, it's Modern History and current Implementations
3 - یادگیری ماشینی چیست 3 - What is Machine Learning
4 - شبکه های عصبی و یادگیری عمیق 4 - Neural Networks and Deep Learning
5- رابطه بین یادگیری ماشینی، شبکه های عصبی و یادگیری عمیق 5 - The relationship between Machine learning, Neural Networks and Deep learning
نظریه هوش عمومی مصنوعی (AGI) The theory of Artificial General Intelligence (AGI)
عوامل هوشمند Intelligent agents
پردازش زبان طبیعی (NLP) Natural Language Processing (NLP)
کامپیوتر ویژن Computer Vision
اخلاق هوش مصنوعی AI Ethics
هوش مصنوعی در رباتیک AI in Robotics
الگوریتم های جستجو Search Algorithms
بازنمایی دانش و استدلال Knowledge Representation and Reasoning
قابلیت توضیح و شفافیت در هوش مصنوعی Explain-ability and Transparency in AI
نتیجه گیری The Conclusion

بخش تعاملی، مراحل بعدی و پاسخ به سوالات Interactive Part, Next Steps and Answers to Questions

با تمام شدن از MTF تبریک می گویم Congratulations with finishing from MTF
بخش تعاملی Interactive Part
اجازه می دهد تا یادگیری خود را با برنامه MBA در اندازه کامل ادامه دهید Lets continue your learning with full size MBA program