تسلط بر اصول هوش مصنوعی و یادگیری ماشین - Master the Fundamentals of AI and Machine Learning

هوش مصنوعی (AI) به کسب و کارها پتانسیل افزایش چشمگیر قابلیت و سودآوری را می‌دهد، اما می‌تواند مجموعه‌ای از چالش‌های پیچیده اخلاقی، قانونی و اجتماعی را ایجاد کند. در این دوره غیر تکنیکال، به لحاظ مفهومی، مدرس Barton Poulson با ارائه راهکارهای بالقوه به نگرانی‌های اصلی، در این زمینه به درون خطرات هوش مصنوعی وارد می‌شود. او به بررسی موضوعات اخلاقی مطرح‌شده توسط AI از جمله مفاهیم عدالت رقابتی و استدلال اخلاقی می‌پردازد. او همچنین نگرانی‌های اجتماعی و چالش‌های امنیتی برای هوش مصنوعی، مانند سناریوهای مرگ و زندگی، در رانندگی خودکار، را بر عهده دارد. او با توصیه‌های مناسب برای توسعه دهندگان، مجریان، متخصصین روابط‌عمومی، تنظیم‌کننده و مصرف کنندگان به این نتیجه می‌رسد که به آن‌ها کمک کنند تا پتانسیل هوش مصنوعی را به شیوه‌ای که شایسته اعتماد و سودآوری است، به دست آورند. موضوعات شامل: تعصب در هوش مصنوعی پیمایش در چالش های اجتماعی هوش مصنوعی استدلال اخلاقی و اخلاق رابطه ای آیین نامه عمومی حفاظت از داده ها (GDPR) و هوش مصنوعی تبعیض در داده ها مسئولیت و هوش مصنوعی هوش مصنوعی در شرایط مرگ و زندگی مقابله با چالش های هوش مصنوعی به عنوان توسعه دهنده ، مجری و مصرف کننده

یادگیری ماشین ، یکی از معروفترین مفاهیم هوش مصنوعی است. الگوریتم های یادگیری ماشین اجازه می دهد که کامپیوترها بدون برنامه ریزی چیزهای جدید یاد بگیرند. آنها از آمار به عنوان راهی برای درک مقادیر عظیم داده هایی که هر روز ایجاد می کنند ، استفاده می کنند. این الگوریتم های جدیدتر به ماشین ها کمک می کنند تصاویر، صدا و ویدیو را طبقه بندی کنند. آنها می توانند به سؤالات ما پاسخ دهند، داروهای جدیدی کشف کرده و حتی آوازها را بنویسند. در این دوره، ما تعریف و انواع یادگیری ماشین را بررسی می کنیم: نظارت، عدم نظارت و تقویت. سپس شما می توانید ببینید که چگونه از الگوریتم های محبوب مانند درخت تصمیم گیری، خوشه بندی، و تجزیه و تحلیل رگرسیون برای دیدن الگوها، در مجموعه داده های عظیم استفاده کنید. در نهایت شما می توانید در مورد برخی از مشکلات در هنگام شروع در استفاده از یادگیری ماشین ، یاد بگیرند. موضوعات شامل: نحوه کار با داده را شرح دهید. اصول یادگیری ماشین را اعمال کنید. انواع مختلف یادگیری ماشین را متمایز کنید. مشکلاتی را که از یادگیری ماشین استفاده می کنند شناسایی کنید. درختان تصمیم گیری ایجاد کنید. نحوه انتخاب بهترین الگوریتم را توضیح دهید.

هوش مصنوعی پیشرفته ( AI ) از دهه ۱۹۵۰ در بوده ‌است ، اما نوآوری‌های سخت‌افزاری اخیر ، این حوزه را افزایش داده‌اند . حسگرهای جدید به ماشین‌ها کمک می‌کنند تا دقیق‌تر ببینند، صداها را بشنوند و موقعیت را درک کنند . پردازنده‌های قدرتمند می‌توانند به کامپیوترها در تصمیم‌گیری‌های پیچیده کمک کنند ، و از طریق احتمالات ، نتایج برنامه‌ریزی را بهتر کنند و از اشتباه‌ات یاد بگیرند. احتمالات هیجان‌انگیز هستند ؛ مفاهیم بسیار وسیع هستند . این درس شما را با برخی از مفاهیم کلیدی هوش مصنوعی آشنا می‌کند، از جمله تفاوت‌های بین "قوی" و "ضعیف" . شما خواهید دید که هوش مصنوعی چگونه سوالاتی را مطرح کرده ‌است که به معنای هوشمند بودن و میزان اعتماد ما به ماشین‌ها است . مدرس Doug Rose ، از رویکردهای مختلف به هوش مصنوعی ، از جمله یادگیری ماشینی و یادگیری عمیق، و کاربردهای عملی برای فن‌آوری‌های جدید هوش مصنوعی ، توضیح می‌دهد . علاوه بر این، یاد بگیرید چگونه هوش مصنوعی را با تکنولوژی دیگر ادغام کنیم، مانند داده‌های بزرگ، و از برخی مشکلات رایج مرتبط با برنامه‌نویسی استفاده کنید. موضوعات شامل: تاریخچه هوش مصنوعی فراگیری ماشین رویکردهای فنی AI هوش مصنوعی در رباتیک ادغام هوش مصنوعی با داده های بزرگ اجتناب از دام ها

یک شبکه عصبی مصنوعی ، از مغز انسان به عنوان الگو ، برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. در حال حاضر شبکه های عصبی وجود دارند که میلیون ها صدا، فیلم ها و تصاویر را طبقه بندی می کند. این ماشین ها می توانند به پرسش های ما پاسخ دهند، رفتار ما را درک کنند و حتی ماشین های ما را نیز رانندگی کنند. این شبکه به دنبال الگوهای ظریف در داده های ما است و پس از آن به خوبی خود را در طول زمان بهبود می بخشد. آنها می توانند کارشناسان پیش بینی رفتار ما، یادگیری زبان ما و یافتن اکتشافات جدید شوند. در این دوره، مدرس Doug Rose یک مرور کلی از شبکه های عصبی مصنوعی ارائه می دهد، توضیح می دهد که آنها چه چیزی هستند و چگونه می توانید از آنها برای چالش های یادگیری ماشینی استفاده کنید. کشف روش هایی که می توانید از این تکنولوژی برای انجام کارهای جدید و جذاب برای پروژه های خود یا کسب و کار خود استفاده کنید. موضوعات شامل: بین گیرنده ها و نورون های سیگمولد تفاوت قائل شوید. سه نوع لایه شبکه عصبی را توصیف کنید. هدف از وزن ها را مشخص کنید. مراحل اولیه سازی یک شبکه عصبی را بشناسید. توضیح دهید که چگونه تکثیر برگشت دقت را بهبود می بخشد. اثربخشی روشهای یادگیری تحت نظارت و بدون نظارت در یک شرایط خاص را ارزیابی کنید.

فن‌آوری‌های شناختی مانند هوش مصنوعی و رباتیک در حال تغییر نحوه عملکرد کسب‌وکار و ماهیت کاری هستند که ما می‌شناسیم. این درس از انتشارات دانشگاه Deloitte برای توضیح مزایا و ارزش فن‌آوری‌های شناختی به رهبران تجاری، تصمیم گیرندگان و دیگران، طراحی شده‌است که می‌خواهند تاثیر خود را بر کسب‌وکار درک کنند. دیوید Schatsky بر روی `چه` و `چرا` تمرکز می‌کند و شما را قادر میسازد تا یک `روش` که نیازهای سازمان شما را برآورده می‌کند را به کار ببرید. او یادگیری ماشین، زمینه‌های هوش مصنوعی مثل پردازش زبان طبیعی و بینایی رایانه‌ای و رباتیک را پوشش می‌دهد. در فصل‌های بعدی، دیوید مورد کسب‌وکار برای تکنولوژی‌ها را بررسی می‌کند و به کاربردهای عملی برای محصولات و فرایندها نگاه می‌کند. در نهایت، تاثیر روی کارگران و طراحی کار را بررسی می‌کند و نگاهی به آینده فن‌آوری شناختی می‌اندازد. آزمونهای کوتاه و ارزیابی‌ها به شما کمک می‌کند دانش خود را تمرین کنید. در پایان این دوره، شما باید بتوانید در بحث‌های سازنده با همکاران، مشتریان، و تامین کنندگان شرکت کنید و به شکل دادن استراتژی فن‌آوری شناختی در سازمان خود کمک کنید. موضوعات شامل: هوش مصنوعی توضیح داده شده است فن آوری های شناختی توضیح داده شده است یادگیری نظارت شده ، بدون نظارت و تقویت مدل ها و الگوریتم های یادگیری ماشین زبان ، گفتار و پردازش بصری رباتیک اتوماسیون کاربردهای تجاری فناوری شناختی تأثیر فن آوری های شناختی در کار آینده فناوری های شناختی

در سال 1997 ، یک کامپیوتر IBM به نام Deep Blue پس از یک مسابقه شش بازیه ، گری کاسپاروف ، قهرمان شطرنج جهان را شکست داد. در حالی که فناوری هوش مصنوعی از زمان پیروزی Deep Blue در صفحه شطرنج در اواخر دهه 90 به روش های مهیج و غالباً انقلابی رشد کرده است ، بسیاری از تکنیک هایی که این روش اجرا می کند امروزه نیز مطرح هستند. در این دوره ، برخی از این تکنیک ها را جستجو کنید زیرا می آموزید چگونه از الگوریتم های کلیدی هوش مصنوعی برای ایجاد بازی های دو نفره و مبتنی بر نوبه خود استفاده کنید که به اندازه کافی چالش برانگیز هستند تا بازیکنان را حدس بزنند. مربی ادواردو کورپینیو با استفاده از الگوریتم minimax برای تصمیم گیری ، الگوریتم تعمیق تکراری برای تصمیم گیری در بهترین زمان ممکن در یک مهلت تعیین شده ، و هرس آلفا بتا برای بهبود زمان اجرا ، از دیگر روش های هوشمندانه است. بعلاوه ، او به شما فرصتی می دهد تا خودتان این تکنیک ها را امتحان کنید همانطور که در توسعه بازی گربه تله با استفاده از پایتون گام برمی دارد.

Deepak Agarwal جایگزین هوش مصنوعی (AI) در LinkedIn، شرکتی در خط مقدم علوم داده است. LinkedIn به شدت در زمینه هوش مصنوعی و یادگیری ماشین سرمایه گذاری کرده است، فناوری‌های تحول آفرینی که می‌توانند تمام جنبه‌های تجربه اعضاء را بهبود بخشند. این سرمایه گذاری در LinkedIn AI Academy نشان داده شده است که مهندسان و سایر کارمندان را در زمینه قدرت، پتانسیل و بهترین روشهای توسعه و استفاده از ابزارهای AI آموزش می‌دهد. در این دوره به سبک پرسش و پاسخ، او در مورد چگونگی استفاده LinkedIn از هوش مصنوعی و یادگیری ماشینی، روش‌های تأثیرگذاری این فناوری در زندگی ما و مواردی که قرار است در آینده ارائه شود، شامل مشاوره برای کسانی که می‌پرسند `آیا هوش مصنوعی شغل ما را می‌گیرد؟` و `برای شروع کار در هوش مصنوعی چه مهارت‌هایی می‌توانم یاد بگیرم؟` موضوعات شامل: یادگیری عمیق چیست؟ LinkedIn چگونه از هوش مصنوعی استفاده می کند؟ LinkedIn از چه ابزاری استفاده می کند؟ مهندسان هوش مصنوعی به چه مهارت هایی نیاز دارند؟ آینده هوش مصنوعی چیست؟

هوش مصنوعی (AI) دیگر محدود به حوزه علمی‌تخیلی نیست. این مساله در مسیر اختلال در دنیای کار به شیوه‌ای بسیار واقعی و تغییرات عمده - از افزایش تولید تا تقاضا برای پیش‌بینی - اتخاذ شده‌است. در این درس، درباره تاثیری که هوش مصنوعی بر مدیریت پروژه دارد، یاد بگیرید، چطور برای تغییراتی که در پیش است آماده شوید و چگونه قدرت هوش مصنوعی را کنترل کنید تا هوشمندانه کار کند. مربی Oliver Yarbrough عواملی که به اهمیت روبه رشد هوش مصنوعی کمک می‌کند را توضیح میدهد. او همچنین توضیح می‌دهد که چگونه برای ایجاد اختلالی که ایجاد می‌شود، آماده شوید؛ مهارت‌هایی که هوش مصنوعی نمی‌تواند جایگزین آن شود را تقویت کنید؛ و از هوش مصنوعی برای شروع موثرتر، برنامه‌ریزی، نظارت و کنترل، اتمام و یکپارچه کردن پروژه‌های خود استفاده کنید. موضوعات شامل: تأثیر هوش مصنوعی بر مدیریت پروژه تغییرات اساسی در پذیرش هوش مصنوعی روندهای کاری در حال تکامل چگونه تقاضا برای پیش بینی باعث تحریک هوش مصنوعی می شود آماده شدن برای ایجاد اختلال با پیش بینی تغییر استفاده از خلاقیت انسان شروع ، برنامه ریزی ، اجرا و بسته شدن پروژه ها با هوش مصنوعی

اکنون که هوش مصنوعی و یادگیری ماشین، گسترده شده است، مردم شروع به پرسیدن میکنند که: آیا این فن‌آوری واقعا بهترین تصمیم را می‌گیرد؟ آیا هوش مصنوعی می‌تواند مورد اعتماد باشد؟ انسان‌ها چطور و کجا جا می‌گیرند؟ هوش مصنوعی Explainable artificial intelligence (XAI) یک راه‌حل است که شفافیت در مورد نحوه تصمیم‌گیری و اتخاذ تصمیمات را افزایش می‌دهد. این دوره معرفی جامعی از نحوه کار XAI و ارزش آن برای کسب و کارها و ابتکارات مربوط به علم و ابتکارات مربوط به دیدگاه‌های قانونی و تجاری فراهم می‌کند. مربی Aki Ohashi، مدیر توسعه کسب‌وکار PARC یک شرکت Xerox، شکاف بین پتانسیل و مشکلات خود را با AI پر می کند، مدیران اجرایی، کارآفرینان، مدیران و رهبران تیمی را با همان چیزی که نیاز دارند تا بر چگونگی تاثیر هوش مصنوعی بر حوزه‌های آن‌ها بدانند، ایجاد می‌کند. او از مثال‌های جهان واقعی و مطالعات موردی استفاده می‌کند تا نشان دهد XAI چیست، چگونه کار می‌کند، چگونه در حال حاضر مورد استفاده قرار گرفته‌است، و چگونه ممکن است بیش‌ترین تاثیر را در آینده داشته باشد. موضوعات شامل: XAI چیست؟ مزایا و محدودیت های XAI انسان در برابر رایانه نمونه های تجاری XAI سرمایه گذاری در XAI

هوش مصنوعی (AI) - که از آمادگی و حفاظ استفاده می کند - یک رویکرد تغییر دهنده بازی برای حل مشکلات پیچیده در امنیت سایبری است. در این دوره ، مدرس سام سهگال در زمینه امنیت اطلاعات با استفاده از موارد استفاده و مثالهای عملی که به هر مفهوم زمینه ای در دنیای واقعی می بخشد ، به هوش مصنوعی می پردازد. سام شش رشته اصلی هوش مصنوعی را مرور می کند و توضیح می دهد که چگونه این رشته ها را برای حل مشکلات امنیتی فشرده مانند چالش های داده در مقیاس و سرعت در پاسخ به تهدید به کار می گیریم. وی تکنیک های یادگیری ماشین و مناسب بودن آنها برای مسائل امنیتی و همچنین محدودیت ها و خطرات کلی استفاده از هوش مصنوعی برای امنیت را پوشش می دهد. به علاوه ، او در مورد چگونگی آماده سازی سازمان شما برای استفاده از امنیت مبتنی بر هوش مصنوعی سهیم است. موضوعات بحث عبارتند از: - رشته های بنیادی هوش مصنوعی - شناسایی فعالیتهای امنیتی در مراحل مختلف - چگونه هوش مصنوعی می تواند به شما کمک کند تا در مقیاس مقابله کنید - استفاده از هوش مصنوعی برای جلوگیری از مثبت کاذب - چگونه هوش مصنوعی می تواند مسائل را قبل از تبدیل شدن به تهدید حل کند - استفاده از روشهای خوشه بندی با مشکلات امنیتی - آماده سازی سازمان خود برای هوش مصنوعی - ارزیابی ابزارهای هوش مصنوعی در بازار