تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مقدمه‌ای بر هوش مصنوعی

دوره آموزشی مقدمه‌ای بر هوش مصنوعی

2 ساعت 27 دقیقهمبتدی2024-11-21

مدرسین

Doug Rose

Doug Rose

Teaching Fortune 500s and professionals how to lead change

جزئیات دوره

دانشمندان کامپیوتر تنها یک بخش کوچک از افرادی هستند که در زمینه هوش مصنوعی (AI) کار می‌کنند. بیشتر افرادی که با هوش مصنوعی کار می‌کنند، افرادی مانند شما هستند. آن‌ها حرفه‌ای‌ها، معلمان و دانش‌آموزانی هستند که می‌خواهند از هوش مصنوعی برای بهبود محصولات، خلاقیت و شغل خود استفاده کنند. هوش مصنوعی بیش از نیم قرن است که وجود دارد. علیرغم پیشرفت‌های چشمگیر در زمینه‌های پیش‌بینی و تولیدی هوش مصنوعی، مفاهیم اصلی این علم هنوز قابل دسترس هستند.

این دوره برای مدیران پروژه، مدیران محصول، مدیران اجرایی و دانشجویانی که در حال شروع به کار در زمینه هوش مصنوعی هستند طراحی شده است. ابتدا یاد خواهید گرفت که یک سیستم چه معنایی برای نمایش «هوش» دارد. سپس، تفاوت بین هوش مصنوعی پیش‌بینی‌کننده کلاسیک و هوش مصنوعی تولیدی جدیدتر را بررسی خواهید کرد. بعد از آن، مروری بر الگوریتم‌های یادگیری ماشین، شبکه‌های عصبی مصنوعی، مدل‌های بنیادین و یادگیری عمیق خواهید داشت. این دوره برای کسانی که به هوش مصنوعی علاقه دارند و همچنین کسانی که می‌خواهند در این زمینه حرفه‌ای شوند، مناسب است.

اهداف یادگیری:
بررسی تفاوت‌های سیستم‌های نمادین و یادگیری ماشین.
مقایسه هوش مصنوعی پیش‌بینی‌کننده و تولیدی.
کشف اهمیت الگوریتم‌های مختلف یادگیری ماشین.
درک قدرت شبکه‌های عصبی مصنوعی، یادگیری عمیق، مدل‌های بنیادین و هوش مصنوعی تولیدی.

مهارت ها

Artificial Intelligence FoundationsArtificial Intelligence (AI)One-Off

سرفصل ها

0. مقدمه

  • 01 - چرا باید در مورد هوش مصنوعی بدانید؟

1. هوش مصنوعی چیست؟

  • 02 - هوش عمومی را تعریف کنید
  • 03 - مشکل گشای عمومی
  • 04 - هوش مصنوعی قوی در مقابل ضعیف

2. کاربردهای رایج برای هوش مصنوعی

  • 05 - هوش مصنوعی پیش‌بینی کننده
  • 06 - هوش مصنوعی مولد

3. ظهور یادگیری ماشینی

  • 07 - یادگیری ماشینی
  • 08 - شبکه‌های عصبی مصنوعی

4. سیستم‌های هوش مصنوعی رایج

  • 09 - جستجوی الگوها در داده ها
  • 10 - رباتیک
  • 11 - پردازش زبان طبیعی
  • 12 - اینترنت اشیا
  • 13 - سیستم‌های مولد

5. از داده‌ها بیاموزید

  • 14 - داده‌های برچسب دار و بدون برچسب
  • 15 - مجموعه داده‌های عظیم
  • 16 - مدل‌های داده

6. شناسایی الگوها

  • 17 - طبقه بندی داده ها
  • 18 - داده‌های خوشه ای
  • 19 - یادگیری تقویتی

7. الگوریتم‌های یادگیری ماشین

  • 20 - الگوریتم‌های رایج
  • 21 - K-نزدیکترین همسایه
  • 22 - ک به معنای خوشه بندی است
  • 23 - پسرفت
  • 24 - بیز ساده لوح

8. الگوریتم را متناسب کنید

  • 25 - بهترین الگوریتم را انتخاب کنید
  • 26 - داده‌ها را دنبال کنید
  • 27 - بیش از اندازه و کم تناسب

9. شبکه‌های عصبی مصنوعی

  • 28 - شبکه عصبی بسازید
  • 29 - توزین اتصالات
  • 30 - سوگیری فعال سازی

10. بهبود دقت

  • 31 - درس گرفتن از اشتباهات
  • 32 - از طریق شبکه گام بردارید

11. ظهور هوش مصنوعی مولد

  • 33 - یادگیری خود نظارتی
  • 34 - مدل‌های فونداسیون
  • 35 - مدل‌های زبان بزرگ (LLM)
  • 36 - مدل‌های انتشار تصویر

12. معماری هوش مصنوعی مولد

  • 37 - شبکه‌های متخاصم مولد (GAN)
  • 38 - رمزگذار خودکار متغیر (VAE)
  • 39 - ترانسفورماتورها

13. چالش‌های اخلاقی و قانونی

  • 40 - مشکل هم ترازی
  • 41 - قابلیت ردیابی تصمیم
  • 42 - چالش‌های حق چاپ
  • 43 - نگرانی‌های مربوط به حریم خصوصی

14. از اینجا کجا برویم

  • 44 - استفاده از سیستم‌های هوش مصنوعی
  • 45 - استفاده از هوش مصنوعی برای حل مسائل

دوره های مرتبط

درباره ما

لینداکده یک بستر یادگیری پیشرو است که به افراد کمک می کند تا کسب و کار ، نرم افزار ، فناوری و مهارت‌های خلاقانه را برای دستیابی به اهداف شخصی و حرفه ای بیاموزد.

شماره تلفنکانال آپاراتپشتیبانی تلگرامکانال تلگرامپیج اینستاگرام

کلیه‌ی حقوق این سایت متعلق به لینداکده می باشد

قوانین و شرایط|حریم خصوصی

نماد الکترونیک enamad در صورت اتصال با آی‌پی داخل کشور، نمایش داده خواهد شد.
logo-samandehi - لوگو ساماندهی
zarinpal
zibal