آموزش مسترکلاس هوش مصنوعی: از صفر تا قهرمان هوش مصنوعی - آخرین آپدیت

سرفصل ها و درس ها

معرفی دوره Introducción al curso

• معرفی مسترکلاس مهندسی هوش مصنوعی: از صفر تا قهرمان هوش مصنوعی Introducción a la Masterclass de Ingeniería en IA: De Cero a Héroe de la IA

• منابع دوره - ارائه‌ها و فایل‌های کد Recursos del curso - Presentaciones y archivos de código

هفته 1: مبانی برنامه نویسی در پایتون Semana 1: Fundamentos de programación en Python

• معرفی هفته 1: مبانی برنامه نویسی در پایتون Introducción a la Semana 1: Fundamentos de programación en Python

• روز 1: مقدمه ای بر پایتون و پیکربندی محیط توسعه Día 1: Introducción a Python y configuración del entorno de desarrollo

• روز 2: کنترل جریان در پایتون Día 2: Control de flujo en Python

• روز 3: توابع و ماژول ها Día 3: Funciones y módulos

• روز 4: ساختارهای داده (لیست ها، تاپل ها، دیکشنری ها، مجموعه ها) Día 4: Estructuras de datos (Listas, Tuplas, Diccionarios, Conjuntos)

• روز 6: کار با فایل ها Día 6: Manejo de archivos

• روز 7: کد پایتونیک و کار پروژه Día 7: Código pythónico y trabajo de proyecto

هفته 2: مبانی علم داده Semana 2: Fundamentos de la Ciencia de Datos

• معرفی هفته 2: مبانی علم داده Introducción a la Semana 2: Fundamentos de la Ciencia de Datos

• روز 1: مقدمه ای بر NumPy برای محاسبات عددی Día 1: Introducción a NumPy para computación numérica

• روز 2: عملیات پیشرفته با NumPy Día 2: Operaciones avanzadas con NumPy

• روز 3: مقدمه ای بر Pandas برای دستکاری داده ها Día 3: Introducción a Pandas para la manipulación de datos

• روز 4: پاکسازی و آماده سازی داده ها با Pandas Día 4: Limpieza y preparación de datos con Pandas

• روز 5: تجمیع و گروه بندی داده ها در Pandas Día 5: Agregación y agrupamiento de datos en Pandas

• روز 6: تجسم داده ها با Matplotlib و Seaborn Día 6: Visualización de datos con Matplotlib y Seaborn

• روز 7: پروژه تحلیل اکتشافی داده ها (EDA) Día 7: Proyecto de Análisis Exploratorio de Datos (EDA)

هفته 3: ریاضیات برای یادگیری ماشین Semana 3: Matemáticas para el Aprendizaje Automático

• معرفی هفته 3: ریاضیات برای یادگیری ماشین Introducción a la Semana 3: Matemáticas para el Aprendizaje Automático

• روز 1: مبانی جبر خطی Día 1: Fundamentos de Álgebra Lineal

• روز 2: مفاهیم پیشرفته جبر خطی Día 2: Conceptos avanzados de álgebra lineal

• روز 3: حساب دیفرانسیل و انتگرال برای یادگیری ماشین (مشتقات) Día 3: Cálculo para el Aprendizaje Automático (Derivadas)

• روز 4: حساب دیفرانسیل و انتگرال برای یادگیری ماشین (انتگرال و بهینه سازی) Día 4: Cálculo para el Aprendizaje Automático (Integrales y Optimización)

• روز 5: نظریه احتمال و توزیع ها Día 5: Teoría de la probabilidad y distribuciones

• روز 6: مبانی آمار Día 6: Fundamentos de estadística

• روز 7: پروژه کوچک مبتنی بر ریاضیات – رگرسیون خطی از صفر Día 7: Mini proyecto basado en matemáticas – Regresión lineal desde cero

هفته 4: احتمال و آمار برای یادگیری ماشین Semana 4: Probabilidad y Estadística para el Aprendizaje Automático

• معرفی هفته 4: احتمال و آمار برای یادگیری ماشین Introducción a la Semana 4: Probabilidad y Estadística para el Aprendizaje Autom

• روز 1: نظریه احتمال و متغیرهای تصادفی Día 1: Teoría de la probabilidad y variables aleatorias

• روز 2: توزیع های احتمال در یادگیری ماشین Día 2: Distribuciones de probabilidad en el aprendizaje automático

• روز 3: استنباط آماری - تخمین و فواصل اطمینان Día 3: Inferencia estadística - Estimación e intervalos de confianza

• روز 4: آزمون های فرضیه و مقادیر p Día 4: Pruebas de hipótesis y valores p

• روز 5: انواع آزمون های فرضیه Día 5: Tipos de pruebas de hipótesis

• روز 6: تحلیل همبستگی و رگرسیون Día 6: Análisis de correlación y regresión

• روز 7: پروژه تحلیل آماری – تحلیل داده های دنیای واقعی Día 7: Proyecto de análisis estadístico – Análisis de datos del mundo real

هفته 5: مقدمه ای بر یادگیری ماشین Semana 5: Introducción al Aprendizaje Automático

• معرفی هفته 5: مقدمه ای بر یادگیری ماشین Introducción a la Semana 5: Introducción al Aprendizaje Automático

• روز 1: مبانی یادگیری ماشین و اصطلاحات Día 1: Fundamentos del Aprendizaje Automático y Terminología

• روز 2: مقدمه ای بر یادگیری نظارت شده و مدل های رگرسیون Día 2: Introducción al Aprendizaje Supervisado y Modelos de Regresión

• روز 3: مدل های رگرسیون پیشرفته – رگرسیون چند جمله ای و منظم سازی Día 3: Modelos de regresión avanzados – Regresión polinómica y regularización

• روز 4: مقدمه ای بر طبقه بندی و رگرسیون لجستیک Día 4: Introducción a la clasificación y regresión logística

• روز 5: ارزیابی مدل ها و اعتبارسنجی متقابل Día 5: Evaluación de modelos y validación cruzada

• روز 6: الگوریتم k-نزدیکترین همسایگان (k-NN) Día 6: Algoritmo k-Vecinos más cercanos (k-NN)

• روز 7: پروژه کوچک یادگیری نظارت شده Día 7: Mini proyecto de aprendizaje supervisado

هفته 6: مهندسی ویژگی و ارزیابی مدل ها Semana 6: Ingeniería de características y evaluación de modelos

• معرفی هفته 6: مهندسی ویژگی و ارزیابی مدل ها Introducción a la Semana 6: Ingeniería de características y evaluación de modelo

• روز 1: مقدمه ای بر مهندسی ویژگی Día 1: Introducción a la ingeniería de características

• روز 2: مقیاس بندی و نرمال سازی داده ها Día 2: Escalado y normalización de datos

• روز 3: کدگذاری متغیرهای دسته ای Día 3: Codificación de variables categóricas

• روز 4: تکنیک های انتخاب ویژگی Día 4: Técnicas de selección de características

• روز 5: ایجاد و تبدیل ویژگی ها Día 5: Creación y transformación de características

• روز 6: تکنیک های ارزیابی مدل ها Día 6: Técnicas de evaluación de modelos

• روز 7: اعتبارسنجی متقابل و تنظیم ابرپارامترها Día 7: Validación cruzada y ajuste de hiperparámetros

هفته 7: الگوریتم های پیشرفته یادگیری ماشین Semana 7: Algoritmos avanzados de aprendizaje automático

• معرفی هفته 7: الگوریتم های پیشرفته یادگیری ماشین Introducción a la Semana 7: Algoritmos avanzados de aprendizaje automático

• روز 1: مقدمه ای بر یادگیری جمعی (Ensemble Learning) Día 1: Introducción al aprendizaje en conjunto (Ensemble Learning)

• روز 2: Bagging و جنگل های تصادفی (Random Forests) Día 2: Bagging y Bosques Aleatorios (Random Forests)

• روز 3: Boosting و Gradient Boosting Día 3: Boosting y Gradient Boosting

• روز 4: مقدمه ای بر XGBoost Día 4: Introducción a XGBoost

• روز 5: LightGBM و CatBoost Día 5: LightGBM y CatBoost

• روز 6: مدیریت داده های نامتعادل Día 6: Manejo de datos desequilibrados

• روز 7: پروژه یادگیری جمعی – مقایسه مدل ها در یک مجموعه Día 7: Proyecto de aprendizaje en conjunto – Comparación de modelos en un conjun

هفته 8: تنظیم و بهینه سازی مدل ها Semana 8: Ajuste y optimización de modelos

• معرفی هفته 8: تنظیم و بهینه سازی مدل ها Introducción a la Semana 8: Ajuste y optimización de modelos

• روز 1: مقدمه ای بر تنظیم ابرپارامترها Día 1: Introducción al ajuste de hiperparámetros

• روز 2: جستجوی شبکه ای (Grid Search) و جستجوی تصادفی (Random Search) Día 2: Búsqueda en cuadrícula (Grid Search) y búsqueda aleatoria (Random Search)

• روز 3: تنظیم پیشرفته ابرپارامترها با بهینه سازی بیزی Día 3: Ajuste avanzado de hiperparámetros con optimización bayesiana

• روز 4: تکنیک های منظم سازی برای بهینه سازی مدل ها Día 4: Técnicas de regularización para la optimización de modelos

• روز 5: اعتبارسنجی متقابل و تکنیک های ارزیابی مدل ها Día 5: Validación cruzada y técnicas de evaluación de modelos

• روز 6: تنظیم خودکار ابرپارامترها با GridSearchCV و RandomizedSearch Día 6: Ajuste automatizado de hiperparámetros con GridSearchCV y RandomizedSearc

• روز 7: پروژه بهینه سازی – ساخت و تنظیم یک مدل نهایی Día 7: Proyecto de optimización – Construcción y ajuste de un modelo final

هفته 9: مبانی شبکه های عصبی و یادگیری عمیق Semana 9: Fundamentos de redes neuronales y aprendizaje profundo

• معرفی هفته 9: مبانی شبکه های عصبی و یادگیری عمیق Introducción a la Semana 9: Fundamentos de redes neuronales y aprendizaje profun

• روز 1: مقدمه ای بر یادگیری عمیق و شبکه های عصبی Día 1: Introducción al aprendizaje profundo y redes neuronales

• روز 2: انتشار رو به جلو و توابع فعال سازی Día 2: Propagación hacia adelante y funciones de activación

• روز 3: توابع زیان و انتشار رو به عقب Día 3: Funciones de pérdida y retropropagación

• روز 4: نزول گرادیان و تکنیک های بهینه سازی Día 4: Descenso de gradiente y técnicas de optimización

• روز 5: ساخت شبکه های عصبی با TensorFlow و Keras Día 5: Construcción de redes neuronales con TensorFlow y Keras

• روز 6: ساخت شبکه های عصبی با PyTorch Día 6: Construcción de redes neuronales con PyTorch

• روز 7: پروژه شبکه های عصبی – طبقه بندی تصاویر در CIFAR-10 Día 7: Proyecto de redes neuronales – Clasificación de imágenes en CIFAR-10

هفته 10: شبکه های عصبی کانولوشنال (CNNs) Semana 10: Redes Neuronales Convolucionales (CNNs)

• معرفی هفته 10: شبکه های عصبی کانولوشنال (CNNs) Introducción a la Semana 10: Redes Neuronales Convolucionales (CNNs)

• روز 1: مقدمه ای بر شبکه های عصبی کانولوشنال (CNNs) Día 1: Introducción a las Redes Neuronales Convolucionales (CNNs)

• روز 2: لایه های کانولوشنال و فیلترها Día 2: Capas convolucionales y filtros

• روز 3: لایه های ادغام (Pooling) و کاهش ابعاد Día 3: Capas de agrupamiento (Pooling) y reducción de dimensionalidad

• روز 4: ساخت معماری های CNN با Keras و TensorFlow Día 4: Construcción de arquitecturas CNN con Keras y TensorFlow

• روز 5: ساخت معماری های CNN با PyTorch Día 5: Construcción de arquitecturas CNN con PyTorch

• روز 6: منظم سازی و افزایش داده ها برای CNNs Día 6: Regularización y aumento de datos para CNNs

• روز 7: پروژه CNN – طبقه بندی تصاویر در Fashion MNIST یا CIFAR-10 Día 7: Proyecto de CNN – Clasificación de imágenes en Fashion MNIST o CIFAR-10

هفته 11: شبکه های عصبی بازگشتی (RNNs) و مدل سازی توالی Semana 11: Redes Neuronales Recurrentes (RNNs) y Modelado de Secuencias

• معرفی هفته 11: شبکه های عصبی بازگشتی (RNNs) و مدل سازی توالی Introducción a la Semana 11: Redes Neuronales Recurrentes (RNNs) y Modelado de S

• روز 1: مقدمه ای بر مدل سازی توالی و RNNs Día 1: Introducción al modelado de secuencias y las RNNs

• روز 2: درک معماری RNN و انتشار رو به عقب از طریق زمان Día 2: Comprensión de la arquitectura de RNN y retropropagación a través del tie

• روز 3: شبکه های حافظه بلند مدت (LSTM) Día 3: Redes de Memoria a Largo Plazo (LSTM)

• روز 4: واحدهای بازگشتی با دروازه (GRUs) Día 4: Unidades Recurrentes con Puertas (GRUs)

• روز 5: پیش پردازش متن و نمایش کلمات برای RNNs Día 5: Preprocesamiento de texto y representaciones de palabras para RNNs

• روز 6: مدل های توالی به توالی و برنامه های کاربردی Día 6: Modelos de secuencia a secuencia y aplicaciones

• روز 7: پروژه RNN – تولید متن یا تحلیل احساسات Día 7: Proyecto de RNN – Generación de texto o Análisis de sentimientos

هفته 12: Transformers و مکانیسم های توجه Semana 12: Transformers y mecanismos de atención

• معرفی هفته 12: Transformers و مکانیسم های توجه Introducción a la Semana 12: Transformers y mecanismos de atención

• روز 1: مقدمه ای بر مکانیسم های توجه Día 1: Introducción a los mecanismos de atención

• روز 2: مقدمه ای بر معماری Transformers Día 2: Introducción a la arquitectura de Transformers

• روز 3: خود-توجهی و توجه چندگانه (multi-head attention) در Transformers Día 3: Auto-atención y atención multicanal (multi-head attention) en Transformer

• روز 4: کدگذاری موقعیتی و شبکه های feed-forward در Transformers Día 4: Codificación posicional y redes feed-forward en Transformers

• روز 5: تمرین با Transformers از پیش آموزش داده شده – BERT و GPT Día 5: Práctica con Transformers preentrenados – BERT y GPT

• روز 6: Transformers پیشرفته – انواع BERT و GPT-3 Día 6: Transformers avanzados – Variantes de BERT y GPT-3

• روز 7: پروژه Transformers – خلاصه سازی متن یا ترجمه Día 7: Proyecto de Transformers – Resumen de texto o Traducción

هفته 13: یادگیری انتقالی و تنظیم دقیق (Fine-Tuning) Semana 13: Aprendizaje por transferencia y ajuste fino (Fine-Tuning)

• معرفی هفته 13: یادگیری انتقالی و تنظیم دقیق (Fine-Tuning) Introducción a la Semana 13: Aprendizaje por transferencia y ajuste fino (Fine-T

• روز 1: مقدمه ای بر یادگیری انتقالی Día 1: Introducción al aprendizaje por transferencia

• روز 2: یادگیری انتقالی در بینایی کامپیوتر Día 2: Aprendizaje por transferencia en visión por computadora

• روز 3: تکنیک های تنظیم دقیق در بینایی کامپیوتر Día 3: Técnicas de ajuste fino en visión por computadora

• روز 4: یادگیری انتقالی در PLN (پردازش زبان طبیعی) Día 4: Aprendizaje por transferencia en PLN (Procesamiento de Lenguaje Natural)

• روز 5: تکنیک های تنظیم دقیق در PLN (پردازش زبان طبیعی) Día 5: Técnicas de ajuste fino en PLN (Procesamiento de Lenguaje Natural)

• روز 6: انطباق با دامنه و چالش های یادگیری انتقالی Día 6: Adaptación al dominio y desafíos del aprendizaje por transferencia

• روز 7: پروژه یادگیری انتقالی – تنظیم دقیق برای یک کار خاص Día 7: Proyecto de aprendizaje por transferencia – Ajuste fino para una tarea pe