رشته هوش مصنوعی

یادگیری ماشین علمی است که کامپیوترها را به‌گونه‌ای طراحی می‌کند که آن‌ها بتوانند بدون برنامه‌ریزی صریح و با استفاده از داده‌ها و تجربیات خود، کاری انجام دهند. در دهه گذشته با کمک یادگیری ماشین به تکنولوژی‌هایی مانند اتومبیل‌های خودران، تشخیص یا پردازش گفتار، جستجوی مؤثر در وب و درک بسیاری از ژنوم‌هایی انسانی دست‌یافته‌ایم. امروزه یادگیری ماشین به حدی فراگیر شده‌است که به‌احتمال زیاد، شما ده‌ها بار بدون این‌که بدانید ماشین لرنینگ چیست از آن استفاده می‌کنید. بسیاری از محققان و دانشمندان معتقدند که آموزش ماشین لرنینگ و استفاده از آن بهترین راه برای پیشرفت‌های انسانی در حوزه هوش مصنوعی است. در دوره آموزش ماشین لرنینگ شما با مؤثرترین تکنیک‌های یادگیری ماشین آشنا می‌شوید، برای اجرا و پیاده‌سازی آن‌ها تمرین کنید و حتی آن‌ها را برای خودتان به کار بگیرید. نکته مهم در این دوره این است که شما نه‌تنها مبانی تئوری یادگیری ماشین را یاد خواهید گرفت، بلکه دانش عملی لازم برای بهره‌برداری از این تکنیک‌ها به‌منظور رفع مسائل واقعی و نوظهور را هم کسب خواهید کرد. همچنین در این دوره با بعضی از بهترین روش‌های سیلیکون ولی در نوآوری آشنا خواهید شد. این نوآوری‌ها ازآن‌جهت مهم هستند که به یادگیری ماشین و هوش مصنوعی مرتبط می‌شوند. اگر به مباحث یادگیری ماشین علاقه‌مند هستید، دوره آموزش رایگان یادگیری ماشین Andrew NG را از دست ندهید. بعد از فراگیری دوره آموزش رایگان یادگیری ماشین Andrew NG چه مهارت‌هایی کسب خواهید کرد؟ رگرسیون لجستیک شبکه‌های عصبی مصنوعی درک الگوریتم‌های یادگیری ماشین (ML) آشنایی با یادگیری ماشین پیش‌نیازهای لازم برای فراگیری دوره آموزش رایگان یادگیری ماشین Andrew NG چیست؟ برای اینکه بتوانید از دوره آموزش ماشین لرنینگ بهره کافی را ببرید، بهتر است به حداقل یکی از زبان‌های برنامه‌نویسی مسلط باشید یادگیری ماشین با پایتون نسبت به سایر زبان‌ها رواج بیشتری دارد. از همین رو توصیه می‌کنیم که برای شرکت در این دوره با مباحث زیر آشنایی داشته باشید: تسلط بر یکی از زبان‌های برنامه‌نویسی مانند پایتون یا R  آمار، جبر خطی و احتمال مدل‌سازی داده‌ها دوره آموزش رایگان یادگیری ماشین اندرو ان‌جی به طور مقدماتی به مباحث مرتبط با یادگیری ماشین و تعیین و تشخیص الگوی آماری می‌پردازد.

یادگیری تحت نظارت یا یادگیری با نظارت مهم‌ترین و پرمخاطب‌ترین شاخه از یادگیری ماشین است. معمولا متخصصان و علاقه‌مندان به یادگیری ماشین مسیر آموزشی و تحقیقاتی خود را با الگوریتم‌های تحت نظارت آغاز می‌کنند. یادگیری ماشین تحت نظارت (Supervised learning)، یادگیری با نظارت یا یادگیری نظارت شده به این معنی است که به الگورتیم‌ داده‌هایی را می‌دهیم که به عنوان پاسخ صحیح در نظر گرفته شده‌اند. انواع الگوریتم‌های یادگیری ماشین شامل سه دسته کلی می‌شوند. این سه دسته عبارت‌اند از: 1-یادگیری نظارت شده (Supervised Learning) 2-یادگیری بدون ناظر یا یادگیری نظارت نشده (unsupervised learning) 3-یادگیری تقویت شونده (Reinforcement Learning) دسته بندی الگوریتم‌های یادگیری ماشین شامل این سه مورد است. در ادامه به توضیح مختصر این سه مورد پرداخته‌ایم. یادگیری با نظارت: در الگوریتم‌های یادگیری نظارت شده که عمده بار یادگیری ماشین را متحمل شده است، با دو نوع متغییر مواجه هستیم. این دو نوع متغییر عبارتند از متغییرهای مستقل و متغییرهای وابسته.متغییرهای مستقل در واقع یک یا چند متغییر هستند که براساس مقادیر آنها یک متغییر دیگر را پیش‌بینی می‌کنیم.دومین نوع از متغییرها، متغییرهای وابسته یا متغییرهای خروجی هستند. مقادیر این نوع از متغییرها را به کمک الگوریتم‌های نظارت شده پیش‌‌بینی می‌کنیم. برای تعیین مقدار این نوع از متغییرها باید تابعی ایجاد کنیم. این تابع ورودی‌ها را گرفته و خروجی مورد نظر را که متغییر وابسته یا متغییر خروجی است را ایجاد می‌کند. در این تابع ایجاد شده ورودی‌ها همان متغییرهای مستقل هستند و خروجی مورد نظر ما به کمک آن‌ها ایجاد می‌شود. تابع که در حقیقت رابطه بین متغییرهای وابسته و متغییرهای مستقل است طی فرایندی به نام فرایند آموزش یا  Training Process پیدا می‌شود. فرایند آموزش روی داده‌های موجود اعمال می‌شود و تا زمان رسیدن به دقت کافی ادامه پیدا می‌کند. یادگیری نظارت نشده (unsupervised learning): در این نوع از الگوریتم‌ها هیچ متغییری نداریم و خروجی نامشخص است. داده‌های ارائه شده به الگوریتم نظارت نشده دارای هیچ متغییر خروجی متناظری نیست. در یادگیری بدون ناظر، الگوریتم‌ها به حال خود رها می‌شوند تا ساختارهای موجود در میان داده‌ها را کشف کنند. یادگیری تقویت شونده (Reinforcement Learning): این نوع از الگوریتم‌ها تا حدود زیادی مشابه الگوریتم‌های بدون ناظر هستند. دریادگیری تقویت شونده یک عامل یاد می‌گیرد چگونه در محیط با انجام کارهای مختلف و مشاهده رفتار آن‌ها چطور عمل کند.   در دوره آموزش یادگیری ماشین الگوریتم‌های نظارت شده ضمن آشنایی با دسته‌بندی الگوریتم‌های مختلف یادگیری ماشین، به طور مشخص در رابطه با الگوریتم‌های نظارت شده بحث شده است. در این دوره آموزش‌های متعددی مطرح شده است. مهم‌ترین موضوعاتی که در این دوره یاد می‌گیرید عبارتند از: ساخت مدل های یادگیری ماشین در پایتون با استفاده از کتابخانه‎های NumPy و scikit-learn ساخت و آموزش مدل‌های یادگیری ماشین تحت نظارت برای پیش‌بینی و وظایف طبقه‌بندی باینری، از جمله رگرسیون خطی و رگرسیون لجستیک علاوه بر این دو مورد در دوره آموزش یادگیری ماشین الگوریتم‌های نظارت شده اصول و روش یادگیری ماشین و نحوه استفاده از تکنیک‌های machine learning برای ساخت اپلیکیشن‌های هوش مصنوعی در دنیای واقعی را خواهید آموخت. هدف از برگزاری دوره آموزش الگوریتم‌های نظارت شده در ماشین لرنینگ چیست؟ این دوره هدف‌های مختلفی را مد نظر قرار داده است. اصلی‌ترین هدف از برگزاری دوره آموزش یادگیری ماشین الگوریتم‌های نظارت شده آشنایی مخاطبان با مباحث پیشرفته ماشین لرنینگ، Deep Learning و جدیدترین موضوعات مربوط به آموزش یادگیری ماشین الگوریتم‌های نظارت شده بوده است. باتوجه به محتوای این دوره و سرفصل‌های در نظر گرفته شده برای این دوره مخاطبان این دوره در پایان دوره مهارت‌های زیر را کسب خواهند کرد: منظم‌سازی برای جلوگیری از نصب بیش از حد گرادیان نزول یادگیری تحت نظارت رگرسیون خطی رگرسیون لجستیک برای طبقه بندی این دوره به عنوان مقدمه‌ای برای آموزش ماشین لرنینگ و شروع آموزش مباحثی همچون یادگیری نظارت شده (رگرسیون خطی چندگانه، رگرسیون لجستیک، شبکه های عصبی و درختان تصمیم)، یادگیری بدون نظارت (خوشه بندی، کاهش ابعاد، سیستم های توصیه گر) و برخی از بهترین شیوه‌های مورد استفاده در آموزش یادگیری ماشین ارائه شده است. دوره آموزش الگوریتم‌های نظارت شده در ماشین لرنینگ برای چه کسانی مناسب است؟ محتوای این دوره به نحوی تهیه شده است که همه علاقه‌مندان به مباحث مربوط به هوش مصنوعی و یادگیری ماشین می‌توانند در این دوره شرکت کنند. این دوره به طور مشخص برای گروه‌های زیر طراحی شده است: همه دانشجویان رشته‌های مهندسی کامپیوتر و برنامه‌نویسی فارغ‌التحصیلان رشته‌های مهندسی کامپیوتر در گرایش‌های مختلف افرادی که قصد دارند وارد دنیای هوش مصنوعی و ماشین لرنینگ شوند همه علاقه‌مندان به فناوری‌های جدید و کسانی که می‌خواهند جدیدترین مباحث مربوط به machine learning را بیاموزند

تخصص یادگیری ماشین مجموعه سه دوره بنیادی است که با هم کاری DeepLearning.AI و استنفورد آنلاین ایجاد شده است. این تخصص توسط اندروانگ، یک متخصص هوش مصنوعی آموزش داده می‌شود که تحقیقات مهمی را در دانشگاه استنفورد و کارهای پیشگامانه‌ای در Google Brain ،Baidu و Landing.AI برای پیشرفت حوزه هوش مصنوعی انجام داده است. این دوره تخصصی یک نسخه به روز شده و گسترش یافته از دوره پیشگام یادگیری ماشینی است که از زمان راه‌اندازی در سال 2012، امتیاز 4.9 از 5 را کسب کرده و بیش از 5 میلیون کاربر آن را فراگرفته‌اند. این دوره مقدمه وسیعی برای یادگیری ماشین مدرن فراهم می‌کند، از جمله: یادگیری تحت نظارت (رگرسیون خطی چندگانه، رگرسیون لجستیک، شبکه‌های عصبی و درخت‌های تصمیم گیری)‌، یادگیری بدون نظارت (خوشه‌بندی، کاهش ابعاد، سیستم‌های توصیه‌گر‌)، و برخی از بهترین روش‌های مورد استفاده در سیلیکون‌ولی برای هوش مصنوعی و نوآوری یادگیری ماشین ( ارزیابی و تنظیم مدل ها , اتخاذ رویکرد داده محور برای بهبود عملکرد و ... ).   معرفی دوره آموزش الگوریتم‌های پیشرفته در ماشین‌لرنینگ  دوره آموزش الگوریتم‌های پیشرفته در ماشین‌لرنینگ دومین دوره از تخصص یادگیری ماشین است و به مباحثی مثل شبکه عصبی،درخت تصمیم و نکات عملی برای یادگیری‌ماشین کاربردی می‌پردازد.   آنچه در دوره آموزش الگوریتم‌های پیشرفته در ماشین‌لرنینگ خواهید آموخت با ثبت نام در این دوره آموزشی شما با مفاهیم زیر آشنا خواهید شد: ساخت و آموزش یک شبکه عصبی با TensorFlow برای انجام طبقه‌بندی چند‌طبقه بهترین روش‌ها برای توسعه یادگیری‌ماشین به منظور تعمیم مدل‌های شما به داده‌ها و وظایف در دنیای واقعی ساخت و استفاده از درختان تصمیم‌گیری و روش‌های دسته‌بندی درختان از جمله random forests و boosted trees این تخصص توسط اندرو انگ آموزش داده می‌شود.   دوره آموزش الگوریتم‌های پیشرفته در ماشین‌لرنینگ برای چه کسانی مناسب است؟ این دوره آموزشی برای تمامی افرادی که در زمینه هوش مصنوعی و یادگیری ماشین تحقیقات انجام می‌دهند مناسب است. همچنین این دوره آموزش الگوریتم‌های پیشرفته در ماشین‌لرنینگ برای دانشجویان کارشناسی، کارشناسی ارشد و دکتری رشته‌های مهندسی کامپیوتر بسیار دوره مناسبی به‌حساب می‌آید. در پایان این تخصص، شما بر مفاهیم کلیدی تسلط خواهید داشت و دانش عملی برای به‌کارگیری سریع و قدرتمند یادگیری ماشین در مسائل چالش‌برانگیز دنیای واقعی را به دست خواهید آورد. اگر به دنبال ورود به دنیای هوش مصنوعی و یادگیری ماشین هستید، این دوره جدید یادگیری ماشین بهترین مکان برای شروع است.

با پیشرفت در آمار و علوم کامپیوتر و همچنین مجموعه داده‌های بهتر و رشد شبکه‌های عصبی، یادگیری ماشین در سال‌های اخیر پیشرفت زیادی کرده است. امروزه یادگیری ماشین در همه‌جا وجود دارد، از جمله  ترجمه خودکار، تشخیص تصویر، فناوری جستجوی صوتی، خودروهای خودران و هر چیزی که فکرش را بکنید. دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ یکی از پیشرفته‌ترین دوره‌های موجود برای آموزش این سه مبحث در یادگیری ماشین و هوش مصنوعی به‌حساب می‌آید که توسط مکتب خونه تهیه شده است. در ادامه به معرفی دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ خواهیم پرداخت و در کنار آن در رابطه با این سه مبحث مهم به صحبت خواهیم کرد. دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ  این دوره، سومین دوره از مجموعه تخصص یادگیری ماشین با تدریس Andrew NG است. دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ یک دوره آنلاین اساسی به حساب می آید که با همکاری DeepLearning.AI و Stanford Online تهیه شده است. در دوره آموزشی یادگیری عمیق کاربران، اصول یادگیری ماشین و نحوه استفاده از این تکنیک‌ها برای ساخت اپلیکیشنهای هوش مصنوعی در دنیای واقعی را خواهند آموخت. دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ به زبان انگلیسی و با زیرنویس فارسی و روان هم‌اکنون در مکتب‌خونه در دسترس است.  آنچه در دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ خواهید آموخت با ثبت نام در این دوره آموزشی شما با مفاهیم زیر آشنا خواهید شد: یادگیری تکنیک‌های یادگیری بدون نظارت: از جمله خوشه‌بندی و تشخیص ناهنجاری. ساخت سیستم‌های توصیه‌گر با رویکرد فیلتر مشترک و روش یادگیری عمیق مبتنی بر محتوا. ساخت مدل‌های یادگیری تقویتی عمیق. این تخصص توسط اندرو انگ، یک آینده‌نگر هوش مصنوعی که تحقیقات انتقادی را در دانشگاه استنفورد و کارهای پیشگامانه در Google Brain ،Baidu و Landing.AI برای پیشرفت در زمینه هوش مصنوعی رهبری کرده است، آموزش داده می‌شود. این دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی مقدمه گسترده‌ای برای یادگیری ماشین مدرن، از جمله یادگیری نظارت شده (رگرسیون خطی چندگانه، رگرسیون لجستیک، شبکه‌های عصبی و درختان تصمیم)، یادگیری بدون نظارت (خوشه‌بندی، کاهش ابعاد، سیستم‌های توصیه گر) است.  دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی در ماشین‌لرنینگ برای چه کسانی مناسب است؟ این دوره آموزشی برای تمامی افرادی که در زمینه هوش مصنوعی و یادگیری ماشین تحقیقات انجام می‌دهند مناسب است. همچنین این دوره آموزش نظارت‌نشده‌ها، توصیه‌گرها و یادگیری تقویتی برای دانشجویان کارشناسی، کارشناسی ارشد و دکتری رشته‌های مهندسی کامپیوتر بسیار دوره مناسبی به‌حساب می‌آید. در پایان این تخصص، شما بر مفاهیم کلیدی تسلط خواهید داشت و دانش عملی برای به‌کارگیری سریع و قدرتمند یادگیری ماشین در مسائل چالش‌برانگیز دنیای واقعی را به دست خواهید آورد. اگر به دنبال ورود به دنیای هوش مصنوعی و یادگیری ماشین هستید، این دوره جدید یادگیری ماشین بهترین مکان برای شروع است.