دوره آموزشی هوش مصنوعی پایدار برای توسعهدهندگان: استراتژیها، تکنیکها و بهترین شیوهها
1 ساعت 19 دقیقهمتوسط2024-10-23
مدرسین
Fawad Qureshi
Technology Strategist | Analytics, Cloud, Big Data
جزئیات دوره
هوش مصنوعی از یک کنجکاوی به یک نیاز تبدیل شده است. دیگر فقط یک فعالیت جانبی برای دپارتمانهای IT در سازمانها نیست — این اکنون به یک دستور کار در سطح هیئت مدیره تبدیل شده است. این بدان معناست که هوش مصنوعی در تمام جنبههای زندگی فراگیر خواهد شد. هنگام بحث در مورد جنبههای هوش مصنوعی مسئولانه، باید تاثیرات زیستمحیطی گسترش هوش مصنوعی نیز مورد توجه قرار گیرد.
این دوره جامع به بررسی روشهای طراحی هوش مصنوعی میپردازد که تعادلی بین تاثیرات زیستمحیطی، نوآوری و سودآوری برقرار میکند. Fawad Qureshi مربی این دوره، به مفهوم هوش مصنوعی پایدار پرداخته و اهمیت و تاثیر آن را مورد بررسی قرار میدهد. در این دوره، شما با پسزمینه و تحولات اخیر در این زمینه آشنا میشوید، به ویژه با ظهور هوش مصنوعی مولد. دوره به شما درک کاملی از اثرات زیستمحیطی هوش مصنوعی ارائه میدهد و بر اهمیت بهینهسازی مصرف منابع و پذیرش شیوههای پایدار تأکید میکند. پیروی از این شیوههای بهترین عمل نه تنها مصرف انرژی را کاهش میدهد بلکه هزینههای هوش مصنوعی شما را نیز کاهش میدهد.
اهداف یادگیری:
درک مفاهیم و اصول اساسی هوش مصنوعی پایدار، گسترش آن از هوش مصنوعی مسئولانه، و اهمیت رو به رشد آن در دوران هوش مصنوعی مولد.
تحلیل روندهای سرمایهگذاری و نرخ پذیرش هوش مصنوعی در صنایع مختلف، با تأکید بر فوریت رسیدگی به نگرانیهای پایداری.
بررسی تاثیرات زیستمحیطی سیستمهای هوش مصنوعی، از جمله مصرف انرژی، نیازهای سختافزاری و عواقب جبران منابع.
بررسی اصول هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، بینایی کامپیوتری، پردازش زبان طبیعی، مدلهای زبان بزرگ، بلاکچین، و GeoAI.
ارزیابی جریان دادهها و استفاده از منابع در سیستمهای هوش مصنوعی و شناسایی گلوگاهها و فرصتهای بهینهسازی.
پیادهسازی استراتژیها و تکنیکهایی برای کاهش مصرف منابع.
ارزیابی سناریوها و زمینههایی که در آنها تکنولوژیهای هوش مصنوعی بیشترین فایده را دارند.
این دوره جامع به بررسی روشهای طراحی هوش مصنوعی میپردازد که تعادلی بین تاثیرات زیستمحیطی، نوآوری و سودآوری برقرار میکند. Fawad Qureshi مربی این دوره، به مفهوم هوش مصنوعی پایدار پرداخته و اهمیت و تاثیر آن را مورد بررسی قرار میدهد. در این دوره، شما با پسزمینه و تحولات اخیر در این زمینه آشنا میشوید، به ویژه با ظهور هوش مصنوعی مولد. دوره به شما درک کاملی از اثرات زیستمحیطی هوش مصنوعی ارائه میدهد و بر اهمیت بهینهسازی مصرف منابع و پذیرش شیوههای پایدار تأکید میکند. پیروی از این شیوههای بهترین عمل نه تنها مصرف انرژی را کاهش میدهد بلکه هزینههای هوش مصنوعی شما را نیز کاهش میدهد.
اهداف یادگیری:
درک مفاهیم و اصول اساسی هوش مصنوعی پایدار، گسترش آن از هوش مصنوعی مسئولانه، و اهمیت رو به رشد آن در دوران هوش مصنوعی مولد.
تحلیل روندهای سرمایهگذاری و نرخ پذیرش هوش مصنوعی در صنایع مختلف، با تأکید بر فوریت رسیدگی به نگرانیهای پایداری.
بررسی تاثیرات زیستمحیطی سیستمهای هوش مصنوعی، از جمله مصرف انرژی، نیازهای سختافزاری و عواقب جبران منابع.
بررسی اصول هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، بینایی کامپیوتری، پردازش زبان طبیعی، مدلهای زبان بزرگ، بلاکچین، و GeoAI.
ارزیابی جریان دادهها و استفاده از منابع در سیستمهای هوش مصنوعی و شناسایی گلوگاهها و فرصتهای بهینهسازی.
پیادهسازی استراتژیها و تکنیکهایی برای کاهش مصرف منابع.
ارزیابی سناریوها و زمینههایی که در آنها تکنولوژیهای هوش مصنوعی بیشترین فایده را دارند.
مهارت ها
Sustainability AwarenessBusiness StrategyArtificial Intelligence FoundationsArtificial Intelligence for BusinessArtificial Intelligence (AI)Professional DevelopmentBusiness Analysis and StrategyLeadership and ManagementOne-Off
سرفصل ها
0. مقدمه
- 01 - از رودخانهها به هوش مصنوعی
- 02 - سختافزار را روی مشکل نرم افزاری پرتاب نکنید
- 03 - امواج اخلاق هوش مصنوعی
1. هوش مصنوعی
- 04 - هوش مصنوعی چیست
- 05 - طبقه بندی دنیای هوش مصنوعی
2. مدیریت تقاضای انرژی هوش مصنوعی
- 06 - مدیریت تقاضای انرژی هوش مصنوعی
- 07 - رویکردهای سطح بالا
- 08 - شیوههای متداول طراحی
3. یادگیری ماشینی
- 09 - یادگیری ماشینی چیست
- 10 - انواع الگوریتمهای یادگیری ماشینی
- 11 - بهترین زمان استفاده و عدم استفاده از یادگیری ماشینی است
- 12 - بهترین شیوهها برای بهینهسازی مصرف
4. یادگیری عمیق
- 13 - یادگیری عمیق چیست
- 14 - انواع مدلهای یادگیری عمیق
- 15- زمان استفاده و عدم استفاده از یادگیری عمیق
- 16 - بهترین شیوهها برای بهینهسازی مصرف
5. بینایی کامپیوتر
- 17 - بینایی کامپیوتر چیست
- 18 - انواع الگوریتمهای بینایی کامپیوتری
- 19 - بهترین شیوهها برای بهینهسازی مصرف
6. پردازش زبان طبیعی
- 20 - پردازش زبان طبیعی چیست
- 21 - رویکردهای NLP
- 22 - بهترین شیوهها برای بهینهسازی مصرف
7. GenAI و مدلهای زبان بزرگ (LLM)
- 23 - مدل GenAI در مقابل LLM در مقابل مدل پایه
- 24 - چه زمانی باید از GenAI و LLM استفاده کرد و استفاده نکرد
- 25 - بهترین شیوهها برای بهینهسازی مصرف
8. تجزیهوتحلیل جغرافیایی
- 26 - تحلیل جغرافیایی چیست
- 27 - GeoAI چیست
- 28 - چرا منابع تحلیل جغرافیایی فشرده است
- 29 - بهترین شیوهها برای بهینهسازی مصرف
9. پروژه Capstone - مطالعه موردی پذیره نویسی بیمه
- 30 - چالش - شناسایی فرصتهای بهینه سازی
- 31 - راه حل - شناسایی فرصتهای بهینه سازی
نتیجه گیری
- 32 - اندازهگیری برای مدیریت
- 33 - مراحل بعدی
دوره های مرتبط
- دوره آموزشی مدیریت ریسک و فرصتهای ESG (محیطزیست، اجتماعی و حاکمیت)
- دوره آموزشی بهترین روشهای DevOps برای پایداری در فضای ابری
- دوره آموزشی مشارکت کارکنان: تبدیل پایداری به بخشی از وظیفه همه
- دوره آموزشی ساخت شرکتهای مثبت خالص: پیشبرد پایداری در کسبوکار شما
- دوره آموزشی رهبری پایدار در دوران عدم قطعیت
- دوره آموزشی درک دستورالعمل گزارشدهی پایداری شرکتی (CSRD)
- دوره آموزشی سلامت و پایداری در طراحی معماری
- دوره آموزشی مقدمه ای بر معماری صفر خالص