تخفیف ویژه همین الان — دوره‌های تخفیف‌دار را ببینید.
روز
:
ساعت
:
دقیقه
:
ثانیه
تخفیف‌های ویژه
دوره آموزشی مبانی هوش مصنوعی و یادگیری ماشین برای توسعه‌دهندگان جاوا

دوره آموزشی مبانی هوش مصنوعی و یادگیری ماشین برای توسعه‌دهندگان جاوا

1 ساعت 36 دقیقهمتوسط2024-12-06

مدرسین

Frank Greco

Frank Greco

جزئیات دوره

توی این دوره، قراره وارد دنیای هیجان‌انگیز هوش مصنوعی (AI) و یادگیری ماشین (ML) بشیم، اونم از زاویه‌ی دید یه برنامه‌نویس جاوا. اگه همیشه برات سؤال بوده که این buzzwordهای AI و ML دقیقاً چیه و چطور می‌تونی توی پروژه‌هات ازشون استفاده کنی، این دوره دقیقاً برای تو طراحی شده!

فرانک گِرِکو (مدرس دوره)، با زبون ساده توضیح می‌ده که الگوها توی یادگیری ماشین چرا این‌قدر مهمن و چطور می‌تونن کدنویسی و طراحی رو راحت‌تر و هوشمندتر کنن. بعد می‌ریم سراغ فرق‌های بین:

هوش مصنوعی،
یادگیری ماشین،
یادگیری عمیق (Deep Learning)،
هوش پیش‌بین (Predictive AI)،
و هوش مولد (Generative AI).

در نهایت، یاد می‌گیریم که کِی و کجا استفاده از یادگیری ماشین توی پروژه‌های نرم‌افزاری کار درستی‌ه، و چجوری ML رو وارد چرخه توسعه نرم‌افزار کنیم، نه فقط برای کلاس گذاشتن، بلکه واقعاً برای بهتر شدن کیفیت و کارایی برنامه‌ها.

✅ اهداف یادگیری دوره
آشنایی با مفاهیم پایه‌ای و کلیدی یادگیری ماشین و هوش مصنوعی
درک اهمیت و کاربرد الگوها (Patterns) توی ML
شناخت فرق بین AI، ML و Deep Learning
مقایسه دقیق بین هوش پیش‌بین و هوش مولد
تشخیص موقعیت‌هایی که ML واقعاً به درد می‌خوره توی پروژه‌های توسعه نرم‌افزار
توانایی شروع پیاده‌سازی الگوریتم‌های ML در محیط جاوا
انتخاب درست بین مدل‌های ساده و پیچیده بر اساس نیاز پروژه
درک نحوه اتصال مدل‌های ML به برنامه‌های موجود
جلوگیری از اشتباهات رایج در استفاده از ML
پایه‌سازی برای ورود به پروژه‌های حرفه‌ای‌تر AI در آینده

مهارت ها

JavaMachine LearningOracleArtificial Intelligence FoundationsArtificial Intelligence (AI)Programming LanguagesSoftware DevelopmentOne-Off

سرفصل ها

۰. مقدمه

  • 01 - مهارت‌های جاوای خود را با یادگیری ماشین متحول کنید
  • 02 - آنچه باید بدانید

۱. الگوها - مبانی یادگیری ماشین

  • 03 - الگوهای طراحی
  • 04 - الگوها همه جا هستند
  • 05 - عبارات منظم و ارتباط آن با ML
  • 06 - تعریف یادگیری ماشین

۲. طبقه‌بندی هوش مصنوعی

  • 07 - شرح سطح بالای هوش مصنوعی و یادگیری ماشین
  • 08 - تعریف یادگیری عمیق - PredAI و GenAI
  • 09 - هوش مصنوعی پیشگو در مقابل هوش مصنوعی مولد

۳. هوش مصنوعی پیش‌بینی‌کننده با JSR #381

  • 10 - JSR #۳۸۱ - تشخیص بصری (VisRec)
  • 11 - نمونه کد VisRec برای آموزش یک مدل PredAI
  • 12 - نمونه کد VisRec برای استفاده از مدل PredAI
  • 13 - نسخه آزمایشی - اجرای VisRec JSR #381

۴. هوش مصنوعی مولد

  • 14- مدل‌های زبان بزرگ و پردازش زبان طبیعی (NLP)
  • 15 - دستورالعمل‌ها و تکمیل‌ها
  • 16 - نکات کاربردی
  • 17- اهمیت زمینه
  • 18 - تولید افزوده‌شده با بازیابی (RAG)
  • 19- روش‌های مختلف استفاده از LLMها

۵. سرویس‌ها و رابط‌های برنامه‌نویسی کاربردی GenAI

  • 20 - خدمات موجود GenAI LLM
  • 21 - دسترسی به LLMها از طریق APIهای REST بدون وضعیت
  • 22- رویکردها و کتابخانه‌های REST جاوا
  • 23 - نمونه‌های کد اتصال به یک LLM - جاوای خالص و LC4J
  • 24 - نسخه آزمایشی - اتصال به یک LLM

۶. الگوها در توسعه نرم‌افزار

  • 25- الگوها در فرآیند توسعه نرم‌افزار
  • 26- جبر در مقابل احتمال
  • 27 - فلوچارت هوش مصنوعی

نتیجه‌گیری

  • 28 - ابزارهای جدید شما - هوش مصنوعی پیش‌بینی‌کننده و هوش مصنوعی مولد

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