دوره آموزشی هوش مصنوعی مسئولانه و توسعه برنامهها
1 ساعت 38 دقیقهمتوسط2025-03-25
مدرسین

Laurence Moroney
جزئیات دوره
در این دوره، Laurence Moroney، محقق برجسته هوش مصنوعی، شما رو از مراحل مختلف توسعه هوش مصنوعی آگاه میکنه و نشون میده چطور میتونید هوش مصنوعی مسئولانه و اخلاقی بسازید. شما یاد میگیرید چطور دادهها رو به روشی جمعآوری و پردازش کنید که حریم خصوصی حفظ بشه و تعصبها کاهش پیدا کنه. تکنیکهای پیشرفته تقویت دادهها رو کشف میکنید که به شما کمک میکنه دادهها رو بهتر کنید و در عین حال از وارد کردن بیعدالتی جلوگیری کنید. همچنین به بهینهسازی معماریهای شبکه عصبی پرداخته و یاد میگیرید چطور تعصبها رو در توابع هزینه و استراتژیهای بهینهسازی شناسایی و کاهش بدید. در مورد یادگیری انتقالی (transfer learning) هم صحبت میکنیم و چطور میتونید تعصبهای به ارث رسیده از مدلهای پیشآموزشدیده رو ارزیابی و رفع کنید. با تمرکز روی هوش مصنوعی اخلاقی، شما میتونید سیستمهایی بسازید که نه تنها عملکرد خوبی داشته باشن، بلکه برای همه گروههای کاربری به طور منصفانه عمل کنن.
اهداف یادگیری
فرآیند کامل ساخت یک اپلیکیشن هوش مصنوعی با یادگیری ماشین: شما یاد میگیرید چطور یک اپلیکیشن هوش مصنوعی بسازید و از ابتدا تا انتها پیش برید.
چگونگی تاثیر تعصبها بر توسعه AI و آسیبهای غیرمنتظره: شما بررسی میکنید که تعصبها چطور میتونن در هر مرحله از توسعه AI آسیبهای غیرمنتظره ایجاد کنن.
یادگیری ابزارها و فرآیندهای ساخت اپلیکیشنهای هوش مصنوعی بهتر: شما ابزارها و فرآیندهای مختلفی رو یاد میگیرید که به شما کمک میکنن اپلیکیشنهای هوش مصنوعی بهتری بسازید.
اهداف یادگیری
فرآیند کامل ساخت یک اپلیکیشن هوش مصنوعی با یادگیری ماشین: شما یاد میگیرید چطور یک اپلیکیشن هوش مصنوعی بسازید و از ابتدا تا انتها پیش برید.
چگونگی تاثیر تعصبها بر توسعه AI و آسیبهای غیرمنتظره: شما بررسی میکنید که تعصبها چطور میتونن در هر مرحله از توسعه AI آسیبهای غیرمنتظره ایجاد کنن.
یادگیری ابزارها و فرآیندهای ساخت اپلیکیشنهای هوش مصنوعی بهتر: شما ابزارها و فرآیندهای مختلفی رو یاد میگیرید که به شما کمک میکنن اپلیکیشنهای هوش مصنوعی بهتری بسازید.
مهارت ها
Responsible AIProgramming FoundationsArtificial Intelligence FoundationsArtificial Intelligence (AI)Software DevelopmentOne-Off
سرفصل ها
0. مقدمه
- 01 - هوش مصنوعی و توسعه برنامههای کاربردی
1. طراحی هوش مصنوعی مسئول
- 02 - طراحی مسئولانه
- 03 - سرتاسر مسئولیت پذیر بودن
2. کسب داده ها
- 04 - جمعآوری دادههای اخلاقی
- 05 - ابزارهایی برای درک دادههای شما
- 06 - دمو کارتهای مدل، برچسبهای تغذیه و ....
3. پیش پردازش داده ها
- 07 - چرا دادهها را پیش پردازش میکنیم
- 08 - تکنیکهای پیش پردازش داده ها
- 09 - نسخه ی نمایشی پیش پردازش داده ها
4. افزایش داده ها
- 10 - افزایش داده چیست
- 11 - هنگامی که افزایش دادهها اشتباه میشود
- 12 - نسخه ی نمایشی تقویت تصویر با PyTorch
5. ایجاد معماری مدل
- 13 - بهینهسازی - طراحی معماری عصبی مسئول
- 14 - ضرر - طراحی معماری عصبی مسئول
- 15 - دیگران - طراحی معماری عصبی مسئول
6. انتقال یادگیری
- 16 - یادگیری انتقالی چیست
- 17 - خطرات یادگیری انتقالی - ارثی سوگیری
- 18 - خطرات تنظیم دقیق - ارثی سوگیری
- 19 - نشان دادن BERT، تعصب ارثی، و تنظیم دقیق برای رفع
7. آموزش مدل
- 20 - تمرینات مسئولانه در طول آموزش
- 21 - آموزش طبقه بندی کننده تصویر
8. استقرار مدل و برنامههای کاربردی
- 22 - ملاحظات در استقرار مدل
- 23 - عملیات و ارزیابی مستمر
نتیجه گیری
- 24 - به سفر مسئول هوش مصنوعی خود ادامه دهید
دوره های مرتبط
- دوره آموزشی مبانی هوش مصنوعی مسئولانه
- دوره آموزشی مسئولیتپذیری در هوش مصنوعی: ساخت سیستمهای مسئولانه و شفاف
- دوره آموزشی عدالت دادهای: تضمین نمایندگی عادلانه در مجموعه دادههای هوش مصنوعی
- دوره آموزشی ضرورت عدالت در هوش مصنوعی: ساخت آیندهای فراگیرتر با کمک هوش مصنوعی
- دوره آموزشی ساخت هوش مصنوعی قابل اعتماد در دولت: نوآوری مسئولانه و تاثیرگذار
- دوره آموزشی مقدمهای بر اخلاق و ایمنی هوش مصنوعی
- دوره آموزشی هوش مصنوعی آزور برای توسعهدهندگان: ایمنی محتوا و هوش مصنوعی مسئولانه
- دوره آموزشی هوش مصنوعی اخلاقی برای استخدام و جذب استعدادها