دوره آموزشی یادگیری هوش مصنوعی با داده‌های مصنوعی: مفاهیم پیشرفته و کاربردها

داده مصنوعی یا Synthetic Data به داده‌هایی گفته می‌شود که به‌جای جمع‌آوری مستقیم از دنیای واقعی، توسط نرم‌افزارها یا مدل‌های هوش مصنوعی تولید می‌شوند. امروزه این نوع داده به یکی از اجزای مهم زیرساخت توسعه و نگهداری سیستم‌های AI تبدیل شده است؛ اما صرفاً تولید حجم زیادی از داده مصنوعی به معنای داشتن داده‌ای مفید و قابل اعتماد نیست. اگر هدف، دامنه و روش تولید از ابتدا مشخص نباشد، ممکن است مجموعه‌داده‌ای ایجاد شود که در ظاهر واقعی به نظر برسد اما در عمل عملکرد مناسبی نداشته باشد.

در این دوره، Tom Themeles با استفاده از یک سناریوی واقعی، فرایند کار با Synthetic Data را از ابتدا تا انتها بررسی می‌کند. ابتدا یاد می‌گیرید نیازهای داده را با استفاده از چارچوب Domain-Purpose-Method مشخص کنید و سپس با کمک Prompt Engineering داده‌های ساختاریافته تولید کنید.

در ادامه، روش‌های اصلاح، گسترش و تکمیل Datasetها از طریق تولید تعاملی و چندمرحله‌ای را بررسی می‌کنید و یاد می‌گیرید کیفیت داده مصنوعی را از نظر Fidelity، Utility و Privacy ارزیابی کنید. همچنین با استفاده از Synthetic Data یک مدل Classification را آموزش داده و عملکرد آن را ارزیابی می‌کنید.

بخش پایانی دوره به Governance، Security و الزامات Regulatory اختصاص دارد تا بتوانید Synthetic Data را نه فقط تولید، بلکه به شکل مسئولانه و قابل‌کنترل در Pipelineهای هوش مصنوعی سازمان خود به کار بگیرید.

اهداف یادگیری
تعیین نیازمندی‌های Synthetic Data با استفاده از چارچوب Domain-Purpose-Method
مشخص کردن هدف و کاربرد داده مصنوعی پیش از شروع فرایند تولید
تولید داده‌های ساختاریافته مصنوعی با استفاده از Prompt Engineering
اصلاح و گسترش Datasetها از طریق تولید تعاملی و چندمرحله‌ای
ارزیابی کیفیت Synthetic Data بر اساس معیارهای Fidelity، Utility و Privacy
تشخیص میزان شباهت داده مصنوعی به داده موردنیاز برای کاربرد واقعی
بررسی کاربرد Synthetic Data در آموزش و ارزیابی مدل‌های Machine Learning
آموزش یک Classification Model با استفاده از داده مصنوعی
ارزیابی عملکرد مدل آموزش‌دیده با Synthetic Data
شناسایی ملاحظات Governance در Pipelineهای Synthetic Data
بررسی الزامات Security و Regulatory مرتبط با داده مصنوعی
طراحی رویکردی قابل‌کنترل برای تولید، ارزیابی و استفاده از Synthetic Data در سیستم‌های AI