آموزش مبانی هوش مصنوعی: ماشین های تفکر

Artificial Intelligence Foundations: Thinking Machines

در حال بارگزاری نمونه ویدیو، لطفا صبر کنید...
Video Player is loading.
Current Time 0:00
Duration 0:00
Loaded: 0%
Stream Type LIVE
Remaining Time 0:00
 
1x
    • Chapters
    • descriptions off, selected
    • subtitles off, selected
      نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
      نمونه ویدیوها:
      • در حال بارگزاری، لطفا صبر کنید...
      توضیحات دوره: هوش مصنوعی پیشرفته رایانه ای (AI) از دهه 1950 وجود داشته است ، اما نوآوری های اخیر در زمینه سخت افزار زمینه را دوباره تقویت کرده است. سنسورهای جدید به ماشین ها کمک می کنند تا دید دقیق تری داشته باشند ، صداها را بشنوند و مکان را درک کنند. پردازنده های قدرتمند می توانند به رایانه کمک کنند تا تصمیمات پیچیده ای بگیرد ، امکانات را مرتب کند ، نتایج را برنامه ریزی کند و از اشتباهات بیاموزد. این امکانات هیجان انگیز است. پیامدها بسیار زیاد است.

      این دوره شما را با برخی از مفاهیم اصلی در پشت هوش مصنوعی آشنا می کند ، از جمله تفاوت بین هوش مصنوعی "قوی" و "ضعیف". خواهید دید که هوش مصنوعی چگونه سوالاتی را در مورد معنای هوشمند بودن و چقدر اعتماد ما به ماشین ها ایجاد کرده است. مدرس داگ رز رویکردهای مختلف به هوش مصنوعی ، از جمله یادگیری ماشین و یادگیری عمیق ، و کاربردهای عملی برای فن آوری های جدید تقویت شده AI را توضیح می دهد. به علاوه ، یاد بگیرید که چگونه هوش مصنوعی را با سایر فناوری ها مانند داده های بزرگ تلفیق کنید و از برخی مشکلات مشترک مرتبط با برنامه نویسی هوش مصنوعی جلوگیری کنید.
      موضوعات شامل:
      • تاریخچه هوش مصنوعی
      • یادگیری ماشین
      • رویکردهای فنی هوش مصنوعی
      • هوش مصنوعی در رباتیک
      • ادغام هوش مصنوعی با داده های بزرگ
      • اجتناب از دام ها

      سرفصل ها و درس ها

      مقدمه Introduction

      • خوش آمدی Welcome

      1. هوش مصنوعی چیست؟ 1. What Is Artificial Intelligence?

      • هوش عمومی را تعریف کنید Define general intelligence

      • تاریخچه هوش مصنوعی The history of AI

      • قوی در مقابل ضعف هوش مصنوعی Strong vs. weak AI

      • برنامه ریزی AI Plan AI

      2. ظهور یادگیری ماشین 2. The Rise of Machine Learning

      • فراگیری ماشین Machine learning

      • شبکه های عصبی مصنوعی Artificial neural networks

      • ادراک کننده ها Perceptrons

      3. یافتن رویکرد صحیح 3. Finding the Right Approach

      • الگوهای بازی Match patterns

      • داده در مقابل استدلال Data vs. reasoning

      • یادگیری بدون نظارت Unsupervised learning

      • پردازش پشتیبان Backpropagation

      • پسرفت Regression

      4- برنامه های رایج هوش مصنوعی 4. Common AI Programs

      • رباتیک Robotics

      • پردازش زبان طبیعی Natural language processing

      • اینترنت اشیا The Internet of Things

      5. مخلوط کردن با سایر فن آوری ها 5. Mixing with Other Technologies

      • اطلاعات بزرگ Big data

      • علم داده Data science

      6. جلوگیری از گرفتگی 6. Avoiding Pitfalls

      • گودالها Pitfalls

      نتیجه Conclusion

      • مراحل بعدی Next steps

      نمایش نظرات

      آموزش مبانی هوش مصنوعی: ماشین های تفکر
      جزییات دوره
      1h 27m
      20
      Linkedin (لینکدین) Linkedin (لینکدین)
      (آخرین آپدیت)
      325,733
      - از 5
      ندارد
      دارد
      دارد
      Doug Rose
      جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

      Google Chrome Browser

      Internet Download Manager

      Pot Player

      Winrar

      Doug Rose Doug Rose

      انتشارات، کلاس درس و آموزش آنلاین