دوره آموزشی LinkedIn AI Academy AI-100: بخش اول رمزگشایی هوش مصنوعی
1 ساعت 2 دقیقهمتوسط2023-05-04
مدرسین

Souvik Ghosh
Director of AI at LinkedIn
جزئیات دوره
📌 سوویک گوش، مدیر هوش مصنوعی در LinkedIn، در این دوره مفاهیم پایهای و پیشرفته هوش مصنوعی را به زبانی ساده توضیح میدهد تا درک بهتری از این فناوری قدرتمند و نحوه تأثیر آن بر زندگی روزمره داشته باشید.
💡 هوش مصنوعی (AI) سالهاست که مورد توجه عموم قرار دارد، اما امروزه با پیشرفتهای تکنولوژیکی بیش از هر زمان دیگری اهمیت یافته است. این دوره به شما کمک میکند تا AI را بهتر بشناسید و با مفاهیم اساسی و روشهای یادگیری آن آشنا شوید.
📖 آنچه در این دوره یاد میگیرید:
✅ مبانی هوش مصنوعی و تاریخچه آن
✅ سه ستون اصلی هوش مصنوعی
✅ روشهای یادگیری نظارتشده و نظارتنشده
✅ مبانی رگرسیون خطی و طبقهبندی دادهها
✅ آشنایی با مدلهای غیرخطی و شبکههای عصبی
✅ چگونگی استفاده از هوش مصنوعی در ساخت اپلیکیشنهای قدرتمند
✅ کاربردهای روزمره هوش مصنوعی و آینده این فناوری
🎯 پس از این دوره، درک عمیقتری از نحوه عملکرد هوش مصنوعی خواهید داشت و میتوانید مفاهیم کلیدی آن را درک کنید و در حوزههای مختلف از این دانش بهره ببرید.
💡 هوش مصنوعی (AI) سالهاست که مورد توجه عموم قرار دارد، اما امروزه با پیشرفتهای تکنولوژیکی بیش از هر زمان دیگری اهمیت یافته است. این دوره به شما کمک میکند تا AI را بهتر بشناسید و با مفاهیم اساسی و روشهای یادگیری آن آشنا شوید.
📖 آنچه در این دوره یاد میگیرید:
✅ مبانی هوش مصنوعی و تاریخچه آن
✅ سه ستون اصلی هوش مصنوعی
✅ روشهای یادگیری نظارتشده و نظارتنشده
✅ مبانی رگرسیون خطی و طبقهبندی دادهها
✅ آشنایی با مدلهای غیرخطی و شبکههای عصبی
✅ چگونگی استفاده از هوش مصنوعی در ساخت اپلیکیشنهای قدرتمند
✅ کاربردهای روزمره هوش مصنوعی و آینده این فناوری
🎯 پس از این دوره، درک عمیقتری از نحوه عملکرد هوش مصنوعی خواهید داشت و میتوانید مفاهیم کلیدی آن را درک کنید و در حوزههای مختلف از این دانش بهره ببرید.
مهارت ها
Artificial Intelligence FoundationsArtificial Intelligence (AI)One-Off
سرفصل ها
0. مقدمه
- 01 - آکادمی هوش مصنوعی LinkedIn - ضرورت درک هوش مصنوعی
1. مقدمه ای بر هوش مصنوعی
- 02 - هوش مصنوعی چیست؟
- 03 - هوش مصنوعی و یادگیری ماشینی
- 04 - سه رکن هوش مصنوعی - اهداف، داده ها , الگوریتم ها
- 05 - ساخت برنامههای هوش مصنوعی واقعی
2. یادگیری تحت نظارت
- 06 - یادگیری تحت نظارت در مقابل یادگیری بدون نظارت
3. پسرفت
- 07 - پسرفت چیست
- 08 - رگرسیون خطی
- 09 - رگرسیون خطی چندگانه
- 10 - تعصب و واریانس
- 11 - ارزیابی مدل رگرسیون خطی
4. طبقه بندی
- 12 - طبقه بندی چیست
- 13 - رگرسیون لجستیک
- 14 - ارزیابی مدلها و انتخاب بهترین
5. مدلهای غیر خطی
- 15- چرا مدلهای خطی کافی نیستند
- 16 - پرایمر به مدلهای غیرخطی - درخت تصمیم، شبکههای عصبی
6. این کار را درست انجام دهید
- 17 - هدف خود را بشناسید، دادههای خود را بدانید و به دادهها گوش دهید
نتیجه
- 18 - با هوش مصنوعی ادامه دهید
دوره های مرتبط
- دوره آموزشی یادگیری با چابکی در عصر هوش مصنوعی
- دوره آموزشی توسعه ذهنیت یادگیری در عصر هوش مصنوعی
- دوره آموزشی کلانداده در عصر هوش مصنوعی
- دوره آموزشی هوش مصنوعی و تحلیل در گوگل آنالیتیکس ۴
- دوره آموزشی ارزیابیهای هوش مصنوعی: مبانی و مثالهای عملی
- دوره آموزشی الگوهای طراحی هوش مصنوعی عاملمحور مبتنی بر فضای ابری
- دوره آموزشی داشبوردهای مجهز به هوش مصنوعی با Streamlit
- دوره آموزشی ساخت عوامل هوش مصنوعی با API پاسخهای OpenAI