آموزش راهنمای عملی هوش مصنوعی و ML: تسلط بر مهارت های فناوری آینده

Practical Guide to AI & ML: Mastering Future Tech Skills

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: یادگیری ماشینی هوش مصنوعی: آموزش عملی برای توسعه مهارت‌های برنامه‌های کاربردی در دنیای واقعی، درک کاملی از تفاوت بین هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را نشان می‌دهد. به وضوح توضیح دهید که چرا مدل های زبان بزرگ مانند ChatGPT و Bard هوشمند نیستند. تفاوت بین یادگیری ماشینی تحت نظارت، بدون نظارت و تقویتی را بیان کنید. مفهوم یادگیری ماشینی و ارتباط آن با هوش مصنوعی را توضیح دهید. هوش مصنوعی (AI) را تعریف کنید و آن را از هوش انسانی متمایز کنید. توضیح دهید که هوش مصنوعی چیست و چیست؟ توضیح دهید که چه نوع سیستم های نرم افزاری پیچیده سیستم های هوش مصنوعی نیستند. توضیح دهید که چگونه یادگیری ماشین با رویکرد توسعه نرم افزار کلاسیک متفاوت است. مقایسه و مقایسه یادگیری تحت نظارت، بدون نظارت و تقویتی. اصطلاحات یادگیری ماشینی تحت نظارت و بدون نظارت مانند الگوریتم ها، مدل ها، برچسب ها و ویژگی ها را توضیح دهید. تقریب‌کننده‌های تابع و نقش شبکه‌های عصبی به‌عنوان تقریب‌کننده توابع جهانی را توضیح دهید. رمزگذاری و رمزگشایی را هنگام استفاده از مدل‌های یادگیری ماشین برای کار با داده‌های غیر عددی و دسته‌بندی توضیح دهید. درک شهودی از مفاهیم یادگیری تقویتی مانند عوامل، محیط‌ها، پاداش‌ها و اهداف را نشان دهید. نمونه هایی از هوش مصنوعی در زندگی روزمره را شناسایی کنید و در مورد تأثیر آنها بحث کنید. ارزیابی اثربخشی برنامه های مختلف هوش مصنوعی در سناریوهای دنیای واقعی. اعمال اصول اولیه شبکه های عصبی برای یک مسئله فرضی بحث درباره نقش داده‌ها در آموزش مدل‌های هوش مصنوعی ساخت یک مدل شبکه عصبی برای یک کار مشخص ارزیابی تأثیر هوش مصنوعی بر بازارهای کار و مهارت‌های مورد نیاز برای مقابله با یک مشکل رگرسیون، با استفاده از مدل مایکروسافت، یک فرآیند یادگیری ماشینی سرتاسر و تحت نظارت را ببینید. سازنده و ام ال دات نت. وظایف و فعالیت هایی که در پشت صحنه انجام می شود را درک کنید. از آماده سازی داده ها تا آموزش و ارزیابی مدل. تبدیل داده ها، مقیاس بندی ویژگی ها، تکرار از طریق الگوریتم ها، معیارهای ارزیابی، برازش بیش از حد، اعتبار سنجی متقابل و منظم سازی را درک کنید. درک تأثیر معیارهای ارزیابی بر عملکرد مدل، و نحوه بررسی بیش از حد برازش. اصول پایدار یادگیری ماشین را که مستقل از ابزارها یا پلتفرم هایی است که می توان استفاده کرد، درک کنید. در طول یک نمایش عملی یادگیری ماشین، با دیدن آنها در عمل، درک عمیقی از مفاهیم یادگیری ماشین به دست آورید. درک اهمیت تجزیه و تحلیل داده های اکتشافی (EDA) و تأثیری که توزیع آماری داده ها بر عملکرد مدل دارد. نحوه راه اندازی ویژوال استودیو و پیکربندی آن را برای فعال کردن Model Builder، ابزار گرافیکی که برای نشان دادن فرآیند یادگیری ماشین استفاده می شود، بیاموزید. یاد بگیرید چگونه از Model Builder برای آموزش مدل ها بدون نیاز به کدنویسی استفاده کنید. پیش نیازها: هیچ نیاز یا پیش نیازی برای این دوره وجود ندارد، اما موارد ذکر شده در زیر راهنمای دانش پیشینه مفیدی است که ارزش و مزایای این دوره را افزایش می دهد: ریاضی دبیرستان و علاقه عمیق به یادگیری ماشین بسیار مفید خواهد بود. برای این سری از درس ها هیچ کدنویسی یا ریاضیات پیچیده ای در این دوره وجود ندارد. اگر نمی توانید ریاضی دبیرستان را به خاطر بسپارید، مانع از یادگیری مفاهیم این درس نمی شود. قدردانی، اما نه دانش عمیق، اهمیت ریاضیات و آمار در یادگیری ماشین. سواد اولیه کامپیوتر، از جمله آشنایی با کار با کامپیوتر. درک اساسی از یادگیری ماشینی نظارت شده مورد نیاز است. دانش‌آموز حداقل باید بداند که رگرسیون چیست، چه ویژگی‌هایی است، و به چه معناست که یک مدل برای تطبیق یک تابع با ویژگی‌های ورودی به منظور پیش‌بینی برچسب‌ها، آموزش ببیند. دانش آموز برای نصب ویژوال استودیو باید یک ماشین ویندوز با چند گیگابایت فضای دیسک آزاد داشته باشد تا بتواند فرآیند یادگیری ماشینی را که نشان خواهم داد تکرار کند. با این حال، این ضروری نیست. یک ماشین ویندوز ایده آل است، اما یک دانش آموز با مک همچنان می تواند آن را دنبال کند. محتوای دوره به اندازه کافی بصری است تا مفاهیم را نشان دهد، بدون اینکه دانش آموز مجبور باشد تمرین یادگیری ماشین را به صورت فیزیکی انجام دهد.

قفل آینده را باز کنید: به دنیای هوش مصنوعی و ML شیرجه بزنید!

به سفری خارق العاده در حوزه هوش مصنوعی و یادگیری ماشین خوش آمدید. این دوره به رهبری متخصص صنعت پیتر آلکما، فقط یک تجربه آموزشی نیست. این یک ماجراجویی در فناوری هایی است که آینده ما را شکل می دهند. چه مبتدی کنجکاو باشید، چه یک رهبر کسب و کار، یا یک استاد فن مشتاق، این دوره نوید می دهد که درک شما را از برخی از پیشرفته ترین موضوعات در فناوری تغییر دهد.

چرا این دوره؟

  • طراحی شده برای کنجکاوی و شغل: این دوره برای رشد شخصی و حرفه ای طراحی شده است، این دوره هوش مصنوعی و ML را ابهام می کند و آنها را برای همه قابل دسترس می کند. این برای حرفه‌ای‌های پرمشغله، کارآفرینان، و هر کسی که تشنه دانش است مناسب است.

  • بدون ترس از ریاضی: ما این دوره را به گونه ای طراحی کرده ایم که فراگیر باشد و نیازی به تخصص قبلی در ریاضیات یا کدنویسی نداشته باشد. همه چیز در مورد درک مفاهیم به شیوه ای دوستانه و قابل دسترس است.

  • دسترسی مادام‌العمر و یادگیری انعطاف‌پذیر: با سرعت خود و با دسترسی تمام عمر به همه منابع، از جمله ویدیوها، مقاله‌ها و مطالب قابل دانلود، یاد بگیرید.

آنچه به دست خواهید آورد:

  • مفاهیم اصلی را درک کنید: تفاوت بین هوش مصنوعی، ML و یادگیری عمیق را درک کنید. بیاموزید که چه چیزی آنها را متمایز می کند و چگونه صنایع را متحول می کنند.

  • افسانه‌های رد کردن: کشف کنید که چرا سیستم‌هایی مانند ChatGPT واقعاً هوشمند نیستند و محدودیت‌های فناوری‌های هوش مصنوعی فعلی را بررسی کنید.

  • مهارت های عملی: با ابزارهایی مانند Model Builder مایکروسافت و ML Net تجربه عملی به دست آورید. فرآیند یادگیری ماشینی کامل، از آماده سازی داده تا ارزیابی مدل را درک کنید.

  • برنامه های کاربردی دنیای واقعی: ببینید که چگونه AI و ML در بخش های مختلف اعمال می شوند. در مورد تأثیر آنها بر بازار کار و نیازهای مهارتی بحث کنید.

نکات برجسته دوره:

  1. سخنرانی‌های ویدیویی جذاب: بیش از 4 ساعت محتوای ویدیویی با کیفیت بالا و جذاب که ایده‌های پیچیده را به بخش‌های قابل هضم تقسیم می‌کند.

  2. موضوعات جامع: از اصول اولیه شبکه های عصبی تا پیچیدگی های یادگیری تحت نظارت و بدون نظارت.

  3. نمایش‌های عملی: با انجام تمرین‌ها و نمایش‌های عملی بیاموزید.

  4. منابع یادگیری پویا: یک مقاله و یک منبع قابل دانلود برای تکمیل سفر یادگیری شما.

  5. دسترسی به موبایل و رایانه شخصی: در حال حرکت یا از راحتی اتاق نشیمن خود یاد بگیرید.

ساختار دوره:

این دوره به 9 بخش جامع تقسیم می‌شود که هر بخش به گونه‌ای طراحی شده است که بر اساس آخرین بخش ساخته شود و منحنی یادگیری صاف را تضمین کند. با مقدمه‌ای بر هوش مصنوعی و ML شروع می‌شود، در موضوعات مختلفی مانند تقریب توابع، شبکه‌های عصبی و یادگیری عمیق حرکت می‌کند و با نمایش‌های عملی یادگیری ماشین در عمل به پایان می‌رسد.

اکنون ثبت نام کنید و درک خود را از هوش مصنوعی و ML تغییر دهید!

در این سفر جذاب به هوش مصنوعی و ML به ما بپیوندید. با راهنمایی های متخصص پیتر آلکما، محتوای جذاب و بینش های عملی، شما فقط یاد نمی گیرید. شما برای آینده آماده می شوید امروز ثبت نام کنید و بخشی از انقلاب هوش مصنوعی باشید!


سرفصل ها و درس ها

معرفی نیمه اول این دوره: هوش مصنوعی و یادگیری ماشین برای مبتدیان Introducing the first half of this course: AI and Machine Learning for Beginners

  • مقدمه و رئوس مطالب دوره Introduction and Course Outline

هوش مصنوعی چیست؟ What is Artificial Intelligence?

  • هوش مصنوعی چیست؟ واقعا هوش مصنوعی و ChatGPT چقدر هوشمند است؟ What is Artificial Intelligence? How intelligent is AI and ChatGPT really?

  • برنامه های نرم افزاری سنتی در مقابل سیستم های هوش مصنوعی در مقابل؟ Traditional Software Programmes vs AI systems vs?

یادگیری ماشینی چیست؟ What is Machine Learning?

  • ریاضیات و علوم داده جایگزین برنامه نویسی سنتی می شود. یک مثال رگرسیون Math and Data Science replaces Traditional Programming. A regression example.

  • معرفی توابع تقریب، شبکه های عصبی، رمزگذاری و رمزگشایی Introducing Function Approximation, Neural Networks, Encoding and Decoding

  • مدل ها و الگوریتم های یادگیری ماشینی تحت نظارت، بدون نظارت و تقویتی Supervised, Unsupervised and Reinforcement Machine Learning Models & Algorithms

یادگیری عمیق و شبکه های عصبی Deep Learning and Neural Networks

  • مبانی یادگیری عمیق و شبکه های عصبی The Basics of Deep Learning and Neural Networks

معرفی قسمت بعدی این دوره: هوش مصنوعی کاربردی با مدل ساز. Introducing the next part of this course: Practical AI with Model Builder.

  • مقدمه، پیش نیازها و نتایج یادگیری Introduction, Prerequisites and Learning Outcomes

  • معرفی Model Builder و رویکرد این دوره Introducing Model Builder and the Approach for this Course

ویژوال استودیو و مدل ساز Visual Studio and Model Builder

  • ویژوال استودیو را دانلود، نصب و پیکربندی کنید Download, Install and Configure Visual Studio

  • ویژوال استودیو را راه اندازی کنید و یک پروژه کدنویسی را شروع کنید Launch Visual Studio and Start a Coding Project

مدل ساز و فرآیند یادگیری ماشین Model Builder and the Machine Learning Process

  • معرفی مدل ساز و فرآیند یادگیری ماشین Introducing Model Builder and the Machine Learning Process

  • وظایف سازنده مدل Model Builder Tasks

  • آماده سازی داده ها برای یادگیری ماشینی Preparing Data for Machine Learning

  • یادگیری ماشین - آموزش یک مدل Machine Learning - Training a Model

  • ارزیابی عملکرد یک مدل آموزش دیده Evaluating the performance of a trained model

نسخه ی نمایشی یادگیری ماشین با Model Builder Machine Learning Demo with Model Builder

  • یادگیری ماشینی در عمل قسمت 1: دریافت داده های آموزشی Machine Learning in Action Part 1: Getting training data

  • یادگیری ماشینی در عمل قسمت 2: آماده سازی داده های آموزشی Machine Learning in Action Part 2: Preparing the training data

  • نسخه ی نمایشی قسمت 3 Demo Part 3

  • نسخه ی نمایشی قسمت 4 Demo Part 4

  • درک و تفسیر عملکرد مدل Understand and Interpret Model Performance

  • مصرف یک مدل و بررسی بیش از حد مناسب Consuming a Model and Checking for Overfitting

خلاصه دوره: بیایید کارهای شگفت انگیزی که در این دوره انجام داده اید را مرور کنیم!! Course Summary: Let's recap the amazing work you've done in this course!!

  • در اینجا مراحلی است که ما در دوره دنبال کردیم تا به شما در رسیدن به اهدافتان کمک کنیم!! Here are the steps we followed in the course to help you achieve your goals!!

نمایش نظرات

آموزش راهنمای عملی هوش مصنوعی و ML: تسلط بر مهارت های فناوری آینده
جزییات دوره
4 hours
23
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
126
4.9 از 5
ندارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Peter Alkema Peter Alkema

دکتری و نویسنده پرفروش نجاری

سلام، من پیتر هستم. من پنج فرزند دارم، مدرک دکترا دارم و در اوقات فراغت خود عاشق نجاری هستم. من یک کتاب پرفروش نجاری نوشته ام که الهام بخش هزاران خواننده برای ساخت پروژه های نجاری خودشان است. هدف من الهام بخشیدن به شما برای ایجاد پروژه های کاربردی و شیک برای خانه شما است که همه آنها را دوست خواهند داشت.

همه دوست دارند خلاق باشند و ساختن چیزها با چوب لذت بخش و آسان است. با تجربه بسیار کم می توانید وسایل کاربردی و شیک برای خانه و کودکان خود بسازید. به عنوان یک پدر، نجاری بخشی از سرگرمی است که من با فرزندانمان دارم، زیرا با هم خاطرات خانوادگی را می سازیم. هر یک از پروژه های من داستانی دارد، نه تنها طراحی، بلکه دلیل ساختن و لذتی که به دیگران آموزش می دادم.

مرحوم پدرم عاشق کار با دستانش بود و من خاطرات خوبی از کمک به او در انواع پروژه ها و کارهای DIY در خانه دارم. حتی زمانی که من یک پسر جوان بودم، او با صبر و حوصله مرا در کاری که انجام می داد درگیر می کرد و از هر فرصتی برای آموزش به من در حین کار استفاده می کرد. پدر می‌توانست هر چیزی را درست کند و من افتخار می‌کردم که شاگرد او بودم و ترفندهای حرفه‌ای را یاد می‌گرفتم، زیرا با پدر و پسر زمان خوبی را با هم سپری می‌کردیم.

بهترین کارت‌بازی در محله، ساخته‌شده توسط پدرم، رانندگی توسط من، مورد تحسین بسیاری!

Irlon Terblanche Irlon Terblanche

مدیر عامل در SioTech