دوره آموزشی درک مفاهیم و اصطلاحات هوش مصنوعی با استفاده از ISO/IEC 22989:2022
2 ساعت 17 دقیقهمبتدی2025-02-05
مدرسین
Lyron Andrews
جزئیات دوره
با گسترش استفاده و پیادهسازی ابزارهای هوش مصنوعی، ریسکهای اشتباه تفسیر اهداف و مقاصد در سراسر سازمان نیز افزایش مییابد. داشتن درک مشترک از استراتژیها و اهداف مربوط به هوش مصنوعی ابتدا با ایجاد یک واژگان مشترک سازمانی آغاز میشود. در این دوره، مربی لیورن اندروز به شما نشان میدهد که چگونه زبان استاندارد مفاهیم و اصطلاحات ISO/IEC 22989 میتواند زبان مشترکی برای هوش مصنوعی در سازمان شما ایجاد کند. لیورن همچنین نشان میدهد که چگونه این سند میتواند برای توسعه استانداردهای دیگر و پشتیبانی از ارتباطات میان طرفهای مختلف ذینفع یا ذینفعان استفاده شود.
اهداف یادگیری:
تعریف شاخههای مختلف هوش مصنوعی و ایجاد یک واژگان مشترک سازمانی.
مقایسه و تمایز ویژگیها و کاربردهای کلیدی شاخههای مختلف هوش مصنوعی.
طبقهبندی شاخههای هوش مصنوعی برای انتخاب صحیح و پذیرش موارد استفاده در سازمان.
استفاده از واژگان مشترک ارائهشده در ISO/IEC 22989 برای همراستاسازی اهداف کسبوکار و درک هوش مصنوعی.
توضیح چگونگی حمایت از ارتباطات و همکاری مؤثر میان ذینفعان مختلف با استفاده از یک واژگان مشترک در هوش مصنوعی.
اهداف یادگیری:
تعریف شاخههای مختلف هوش مصنوعی و ایجاد یک واژگان مشترک سازمانی.
مقایسه و تمایز ویژگیها و کاربردهای کلیدی شاخههای مختلف هوش مصنوعی.
طبقهبندی شاخههای هوش مصنوعی برای انتخاب صحیح و پذیرش موارد استفاده در سازمان.
استفاده از واژگان مشترک ارائهشده در ISO/IEC 22989 برای همراستاسازی اهداف کسبوکار و درک هوش مصنوعی.
توضیح چگونگی حمایت از ارتباطات و همکاری مؤثر میان ذینفعان مختلف با استفاده از یک واژگان مشترک در هوش مصنوعی.
مهارت ها
Responsible AIIT Service ManagementGovernance, Risk, and ComplianceDevOpsArtificial Intelligence (AI)CybersecurityNetwork and System AdministrationOne-Off
سرفصل ها
مقدمه
- مزایای یک زبان هوش مصنوعی مشترک
مفاهیم هوش مصنوعی - بندهای 5-5.10
- مروری بر مفاهیم هوش مصنوعی (بند 5.1)
- هوش مصنوعی قوی، ضعیف، کلی و باریک (بند 5-5.2)
- عوامل هوش مصنوعی (بند 5.3)
- دانش هوش مصنوعی (بند 5.4)
- محاسبات شناختی، معنایی و نرم (بند 5.5-5.7)
- الگوریتمهای نمادین و فرعی ژنتیک (بند 5.8-5.9)
- دادهها (بند 5.10)
مفاهیم یادگیری ماشین - بندهای 5.11-5.12.4
- تحت نظارت، بدون نظارت و نیمه نظارت (بند 5.11-5.11.3)
- فرآیندهای آموزشی اضافی (بند 5.11.4-5.11.8)
- بازآموزی مدلهای ML (بند 5.11.9)
- الگوریتمهای یادگیری ماشین، قسمت اول (بند 5.12-5.12.2)
- الگوریتمهای یادگیری ماشین، قسمت دوم (بند 5.12.1.3-5.12.1.3.2)
- الگوریتمهای یادگیری ماشین، قسمت سوم (بند 5.12.1.4 5.12.2)
- الگوریتمهای یادگیری ماشین، قسمت چهارم (بند 5.12.3 5.12.4)
فناوری هوش مصنوعی و کنترلهای اداری
- خودمختاری، هترونومی و اتوماسیون (بند 5.13)
- اینترنت اشیا و CPS (بند 5.14)
- قابل اعتماد بودن، تأیید و اعتبار (بند 5.15-5.16)
- مسائل قضایی و تأثیرات اجتماعی (بند 5.17-5.18)
- نقش ذینفعان هوش مصنوعی (بند 5.19-5.19.7)
چرخه حیات سیستم هوش مصنوعی و مروری بر عملکرد - بند 6-7.4
- مروری بر چرخه حیات سیستم هوش مصنوعی (بند 6.1)
- مراحل و فرآیندهای چرخه حیات (بند 6.2)
- داده ها , اطلاعات، دانش و یادگیری هوش مصنوعی (بند 7-7.3)
- پیش بینیهای هوش مصنوعی برای اقدامات (بند 7.4-7.4.4)
اکوسیستم هوش مصنوعی - بند 8-8.7
- اکوسیستم هوش مصنوعی و عملکرد با ML (بند 8-8.4)
- مهندسی هوش مصنوعی (بند 8.5-8.5.3)
- دادههای بزرگ (بند 8.6-8.6.1)
- محاسبات ابری و لبه (بند 8.6.2)
- منابع و ASIC (بند 8.7-8.7.2)
زمینهها و کاربرد هوش مصنوعی - بند 9-10.4
- بینایی کامپیوتری و تشخیص تصویر (بند 9.1)
- پردازش زبان طبیعی (بند 9.2-9.2.1)
- داده کاوی و برنامه ریزی (بند 9.3-9.4)
- کاربرد سیستمهای هوش مصنوعی (بند 10-10.4)
نتیجه گیری
- به سفر هوش مصنوعی خود ادامه دهید