لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش هوش مصنوعی پیشرفته: تکنیکها، کاربردها و اخلاقیات
- آخرین آپدیت
دانلود Advanced AI: Techniques, Applications, and Ethics
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
اکثر متخصصان هوش مصنوعی میتوانند یک مدل را اجرا کنند، اما تعداد کمی از آنها قادرند مدل مناسب را برای مسئلهای خاص انتخاب کنند، داستان علّی پشت دادههای خود را ردیابی نمایند و سیستمهایی طراحی کنند که واقعاً به افرادی که بر آنها تأثیر میگذارند، قدرت ببخشند. این دوره این شکاف را پر کرده و عمق فنی و قضاوت اخلاقی را ارائه میدهد که تخصص متفکرانه در هوش مصنوعی را از آشنایی سطحی متمایز میکند.
شما انواع یادگیری ماشین را دستهبندی کرده و XGBoost و CNNها را برای وظایف رگرسیون و طبقهبندی به کار میگیرید و در طول دوره کدهای عملی پایتون را اجرا خواهید کرد. شما مدلهای علّی را با استفاده از شبکههای بیزی و چارچوب DoWhy میسازید، گرافهای دانش را برای استدلال ساختاریافته ادغام میکنید و با مدلهای ترنسفورمر از جمله GPT-2 و BERT، زبان تولید کرده و تحلیل احساسات را انجام میدهید. سپس، عوامل هوش مصنوعی رقابتی را با استفاده از الگوریتمهای minimax و سیستمهای همکاری دسته-جمعی با بهینهسازی ذرات برنامهنویسی میکنید و در نهایت یک قوس اخلاقی سختگیرانه شامل کاهش سوگیری، توازنهای حریم خصوصی، قضایای ناممکن، طراحی حساس به ارزش و رویکرد قابلیت را به کار میبندید.
در پایان این دوره، شما قادر خواهید بود سیستمهای هوش مصنوعی را در طیفی از حوزههای واقعی انتخاب، ساخته و از نظر اخلاقی ارزیابی کنید و با مهارتهای فنی و چارچوبهای طراحی اصولی مجهز شوید تا اطمینان حاصل کنید که کار شما واقعاً قابلیتهای انسانی را ارتقا میدهد.
سرفصل ها و درس ها
تشخیص رویکردهای محوری هوش مصنوعی و یادگیری ماشین
Distinguishing Core AI and Machine Learning Approaches
تبدیل شدن به متخصص هوش مصنوعی
Becoming an AI Expert
رمزگشایی از هوش مصنوعی و یادگیری ماشین
Demystifying AI and ML
انواع یادگیری ماشین
Types of Machine Learning
انواع هوش مصنوعی
Types of Artificial Intelligence
انتخاب و بهکارگیری الگوریتمهای یادگیری ماشین برای پیشبینی و طبقهبندی
Selecting and Applying ML Algorithms for Prediction and Classification
اهداف الگوریتمها
Purposes of Algorithms
حل مسائل رگرسیون
Solving Regression Problems
حل مسائل طبقهبندی و تشخیص
Solving Classification and Detection Problems
تحلیل روابط علّی و بهکارگیری استراتژیهای دادهمحور مبتنی بر دانش
Analyzing Causal Relationships and Applying Knowledge-Driven Data Strategies
ادغام گرافهای دانش
Integrating Knowledge Graphs
بهرهگیری از یادگیری انتقالی
Leveraging Transfer Learning
ساخت کاربردهای هوش مصنوعی محاورهای
Building Conversational AI Applications
تولید عبارات زبانی معنادار
Generating Sensible Language Utterances
ساخت تجربههای محاورهای
Building Conversational Experiences
ساخت سیستمهای هوش مصنوعی رقابتی و مشارکتی
Building Competitive and Cooperative AI Systems
ساخت بازیهای رقابتی
Building Competitive Games
ساخت بازیهای مشارکتی
Building Cooperative Games
شناسایی و کاهش ریسکهای اخلاقی در هوش مصنوعی
Detecting and Mitigating Ethical Risks in AI
کاهش سوگیری در یادگیری ماشین
Mitigating Bias in ML
تضاد سوگیری با حریم خصوصی
Bias Conflicting with Privacy
نمایش نظرات