آموزش مبانی هوش مصنوعی و یادگیری ماشین برای مبتدیان مطلق (AgenticAI + MLOps) - آخرین آپدیت

دانلود AI/ML Foundations for Absolute Beginners (AgenticAI + MLOps)

نکته: ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:

ایجاد یک پایه مفهومی محکم در یادگیری ماشین، مدل‌های زبانی بزرگ (LLMs) و هوش مصنوعی عامل‌گرا به همراه MLOps

با این دوره، درک عمیقی از دنیای هوش مصنوعی به دست آورید و مفاهیم کلیدی را به زبان ساده بیاموزید.

یاد بگیرید یادگیری ماشین واقعاً چیست

ایجاد یک درک مفهومی روشن از نحوه کارکرد یادگیری ماشین و تفاوت آن با برنامه‌نویسی سنتی.

کاوش در انواع کلیدی یادگیری ماشین

آشنایی با یادگیری نظارت‌شده، بدون نظارت و تقویتی با توضیحات ساده و مرتبط.

درک فرآیند End-to-End ML

یادگیری مراحل اساسی ساخت یک مدل یادگیری ماشین، از آماده‌سازی داده‌ها تا ارزیابی.

آشنایی با الگوریتم‌های محبوب ML

کشف الگوریتم‌های پرکاربرد ML مانند رگرسیون خطی، درخت تصمیم و شبکه‌های عصبی - بدون نیاز به دانش عمیق ریاضی.

معرفی مدل‌های زبانی بزرگ (LLMs)

درک نحوه کار مدل‌های هوش مصنوعی مدرن مانند ChatGPT، از جمله مفاهیمی مانند توکن‌ها، ترانسفورمرها و مهندسی پرامپت.

کشف مبانی هوش مصنوعی عامل‌گرا

شامل حافظه، برنامه‌ریزی، معماری عامل‌ها، ابزارها و موارد استفاده در دنیای واقعی.

تأمل در ملاحظات اخلاقی هوش مصنوعی عامل‌گرا

و چگونگی ارتباط آن با عملکردهای مدرن مانند DevOps و MLOps.

پیش نیازها: بدون نیاز به دانش برنامه‌نویسی یا ریاضی. این دوره برای مبتدیان کامل طراحی شده است. تمام مفاهیم از ابتدا به روشی ساده و شهودی توضیح داده خواهند شد.

آیا در مورد یادگیری ماشین و هوش مصنوعی کنجکاو هستید، اما نمی‌دانید از کجا شروع کنید؟
این دوره، نقطه ورود عالی شماست.

"یادگیری ماشین، LLMs و هوش مصنوعی عامل‌گرا - راهنمای مفهومی برای مبتدیان" طوری طراحی شده است که درک روشنی از نحوه عملکرد هوش مصنوعی مدرن به شما بدهد — بدون نیاز به هیچ‌گونه دانش کدنویسی یا ریاضی.

ما از اصول اولیه شروع می‌کنیم، توضیح می‌دهیم یادگیری ماشین چیست، چه تفاوتی با برنامه‌نویسی سنتی دارد و انواع یادگیری مانند یادگیری نظارت‌شده، بدون نظارت و تقویتی را بررسی می‌کنیم. همچنین نحوه ساخت، ارزیابی و بهبود مدل‌ها را یاد خواهید گرفت و با الگوریتم‌های رایجی مانند رگرسیون، درخت تصمیم، شبکه‌های عصبی و موارد دیگر آشنا خواهید شد — همه اینها به روشی آسان برای دنبال کردن توضیح داده شده است.

از آنجا، به دنیای هیجان‌انگیز مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT می‌رویم. یاد خواهید گرفت LLMs چگونه آموزش داده می‌شوند، معنی توکن‌ها و پارامترها چیست و چگونه تکنیک‌هایی مانند مهندسی پرامپت و RAG (بازیابی-افزایش-تولید) عملکرد را بهبود می‌بخشند.

در نهایت، شما را با حوزه در حال ظهور هوش مصنوعی عامل‌گرا آشنا می‌کنیم — یک تغییر بزرگ که در آن سیستم‌های هوش مصنوعی می‌توانند برنامه‌ریزی، استدلال، به خاطر سپردن و به طور مستقل عمل کنند. شما معماری عامل، حافظه، برنامه‌ریزی، همکاری چند عاملی، ابزارهای دنیای واقعی و چالش‌های اخلاقی استقرار چنین سیستم‌هایی را بررسی خواهید کرد.

چه دانشجو باشید، چه یک حرفه‌ای که به دنبال ارتقاء مهارت‌های خود هستید، یا صرفاً در مورد آینده هوش مصنوعی کنجکاو هستید — این دوره به شما وضوح مفهومی و اعتماد به نفس می‌دهد تا قدم بعدی را در مسیر یادگیری خود بردارید.

در پایان این دوره، شما:

  • مفاهیم و فرآیندهای اصلی یادگیری ماشین را درک خواهید کرد

  • با الگوریتم‌های محبوب ML و هدف آنها آشنا خواهید شد

  • خواهید دانست مدل‌های زبانی بزرگ مانند ChatGPT چگونه کار می‌کنند

  • یاد خواهید گرفت چه چیزی هوش مصنوعی عامل‌گرا را متفاوت و قدرتمند می‌کند

  • ابزارها و موارد استفاده در دنیای واقعی را برای عامل‌ها بررسی خواهید کرد

  • در مورد روندهای نوظهور مانند MLOps و اخلاق هوش مصنوعی شفافیت به دست خواهید آورد

بدون کدنویسی. بدون تجربه قبلی. فقط توضیحات واضح و مناسب برای مبتدیان برای کمک به شما در کشف با اطمینان دنیای هوش مصنوعی.


سرفصل ها و درس ها

Introduction

  • مقدمه بخش Section Intro

  • برنامه‌نویسی سنتی در مقابل یادگیری ماشین Traditional Programming vs Machine Learning

  • یادگیری نظارت‌شده Supervised Learning

  • یادگیری بدون نظارت Unsupervised Learning

  • یادگیری تقویتی Reinforcement Learning

  • مهندسی ویژگی و تقسیم‌بندی مجموعه داده Feature Engineering and Dataset Splitting

  • آموزش در مقابل استنتاج Training vs Inference

  • مدل شما چقدر مناسب است؟ ارزیابی و بیش‌برازش/کم‌برازش How fit is your Model ? Evaluation and Over/Underfitting

  • تنظیم ابرپارامتر و تعادل بایاس/واریانس Hyperparameter Tuning and Balancing Bias/Variance

مقدمه‌ای بر الگوریتم‌های یادگیری ماشین Introduction to Machine Learning Algorithms

  • مقدمه بخش Section Intro

  • رگرسیون خطی Linear Regression

  • رگرسیون لجستیک Logistic Regression

  • درخت تصمیم Decision Tree

  • جنگل تصادفی Random Forest

  • ماشین‌های بردار پشتیبان (SVMs) Support Vector Machines (SVMs)

  • شبکه‌های عصبی Neural Networks

  • الگوریتم‌های Boosting Boosting Algorithms

  • خلاصه ماژول Module Summary

مدل‌های زبانی بزرگ Large Language Models

  • مقدمه بخش Section Intro

  • ماهیت و چگونگی مدل‌های زبانی بزرگ (LLMs) What and How of Large Language Models (LLMs)

  • توکن‌ها و پارامترها Tokens and Parameters

  • ترانسفورمرها و مکانیسم توجه Transformers and Attention Mechanism

  • پیش آموزش و تنظیم دقیق مدل‌های بنیادی Pre Training and Fine Tuning of Foundational Models

  • مهندسی Prompt Prompt Engineering

  • محدودیت‌های LLMها Limitations of LLMs

  • تولید افزوده بازیابی (RAG) Retrieval Augmented Generation (RAG)

مقدمه‌ای بر هوش مصنوعی Agentic Introduction to Agentic AI

  • هوش مصنوعی Agentic چیست؟ What is Agentic AI

  • هوش مصنوعی Agentic چیست؟ What is Agentic AI ?

  • اهداف و ابزارها Goals and Tools

  • حافظه و برنامه‌ریزی Memory and Planning

  • معماری Agentic و انواع Agentها Agentic Architecture and Types of Agents

  • چند Agent، مثال‌ها و چالش‌ها Multi Agents, Examples and Challenges

  • Agentic Devops، MLOps و ملاحظات اخلاقی Agentic Devops, MLOps and Ethical Considerations

  • خلاصه ماژول Module Summary

مقدمه‌ای بر MLOps Introduction to MLOps

  • MLOps چیست؟ What is MLOps ?

  • داستان تکامل MLOps، LLMOps و AgenticAIOps Story of Evolution of MLOps, LLMOps and AgenticAIOps

  • مقایسه سه رویکرد به هوش مصنوعی – ML، LLM، Agentic Comparing Three Approach to AI - ML, LLM, Agentic

  • مطالعات موردی MLOps – یادگیری از پیشگامان MLOps Case Studies - Learning from the Pioneers

  • مقایسه DevOps در مقابل MLOps Comparing Devops vs MLOps

  • ظهور یک مهندس MLOps Emergence of a MLOps Engineer

نمایش نظرات

آموزش مبانی هوش مصنوعی و یادگیری ماشین برای مبتدیان مطلق (AgenticAI + MLOps)
جزییات دوره
4.5 hours
40
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
13,813
4.3 از 5
ندارد
ندارد
ندارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Gourav Shah Gourav Shah

مربی برتر| بیش از 58 هزار دانش آموز| مربی و نویسنده Devops

School of Devops School of Devops

رهبران آموزش Devops در سراسر جهان