دوره آموزشی هوش مصنوعی مسئولانه و توسعه برنامه‌ها

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.

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