دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین

هوش مصنوعی یا به زبان انگلیسی Artificial intelligence حوزه‌ای پرطرفدار است که احتمالاً درباره آن شنیده یا خوانده‌اید. وقتی به‌اصطلاح هوش مصنوعی فکر می‌کنید، ممکن است در ذهن شما ربات‌ها، فناوری و عصر دیجیتال و ... ادامه

برگزارکننده:  مکتب‌خونه  مکتب‌خونه
مدرس دوره:
AI Lessons
AI Lessons
4.4 (33 رای)
سطح: مقدماتی
 رایگان
  
زمان مورد نیاز برای گذارندن دوره:  82 جلسه
مجموع محتوای آموزشی:  26 ساعت ویدئو
 (قابل دانلود می‌باشد)

پیش‌نیاز‌ها

سرفصل‌های دوره دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین

فصل اول: مقدمه

فصل اول: مقدمه

در ویدئوهای فصل اول با مفاهیم هوش مصنوعی و کاربردهای آن در کارهای روزمره آشنا می‌شوید.  به‌طور خلاصه هوش مصنوعی در هر صنعتی کاربردهای خاص خود را دارد. به عنوان مثال از نرم افزار هوش مصنوعی می‌توان برای ساخت دستیارهای مراقبت از سلامت شخصی، تولید، خرده فروشی و حتی ورزش و بازی استفاده کرد.

در این فصل همچنین به آموزش یادگیری ماشین با پایتون می‌پردازیم. برای اینکه بتوانید با هوش مصنوعی کار کنید، نیاز دارید تا یک زبان برنامه‌نویسی را فرا بگیرید. پایتون همان زبان برنامه‌نویسی موردنظر است که در این زمینه بسیار مفید عمل می‌کند. 

همچنین در این فصل شما می‌توانید با تولکیت‌ها (toolkits) یا همان جعبه ابزار یادگیری ماشین در پایتون آشنا شوید. آموزش ریاضیات هوش مصنوعی و کاربردهای هوش مصنوعی در رشته‌های مختلف مانند پزشکی، امور مالی، بازاریابی، توزیع و تدارکات و غیره از دیگر مباحثی است که در فصل اول به آن اشاره می‌شود.

 

  هوش مصنوعی چیست؟
"06:03  
  کاربرد هوش مصنوعی در کارهای روزمره
"27:46  
  اشنایی با تولکیت‌های(جعبه ابزار-toolkits) یادگیری ماشین در پایتون
"33:36  
  پایتون مقدماتی-بخش اول
"38:00  
  پایتون مقدماتی- بخش دوم
"29:01  
  پایتون مقدماتی- بخش سوم
"33:46  
  پایتون مقدماتی- بخش چهارم
"39:50  
  پایتون مقدماتی- بخش پنجم
"47:04  
  پایتون مقدماتی- بخش ششم
"42:40  
  پایتون مقدماتی- بخش هفتم
"17:53  
  کاربردهای هوش مصنوعی در رشته‌های مختلف
"06:03  
  آموزش ریاضیات هوش مصنوعی
"24:09  
فصل دوم: ریاضیات در هوش مصنوعی

فصل دوم: ریاضیات در هوش مصنوعی

برنامه نویسی هوش مصنوعی اول از هر چیز به دانستن ریاضیات و آمار و احتمال نیاز دارد. نوشتن الگوریتم‌های هوش مصنوعی و یادگیری ماشین کار چندان آسانی نیست و کار کردن با آن نیازمند این است که از دانش ریاضی زیادی برخوردار باشید. در واقع پایه و اساس برنامه نویسی هوش مصنوعی آشنایی با اصول ریاضی است.

از طرفی در دنیای مدرن امروز احتمالات و عدم اطمینان‌ها بیشتر از هر زمانی احساس می‌شوند. از آنجایی که هیچ‌کس نمی‌تواند کاملاً‌ بر اطلاعات مسلط باشد، لازم است از آمار و احتمالات در استفاده از زبان‌های برنامه‌نویسی هوش مصنوعی استفاده شود. بنابراین در فصل دوم دوره رایگان هوش مصنوعی به مباحث ریاضیات و آمار و احتمال در هوش مصنوعی می‌پردازیم.

 

  آمار و احتمال در هوش مصنوعی
"15:21  
فصل سوم: مینی پروژه‌های پایتون

فصل سوم:‌ مینی پروژه‌های پایتون

پایتون یک زبان برنامه‌نویسی بسیار راحت و قابل فهم است. از این زبان می‌توانید با  پروژه‌ها و تمرین‌های مختلفی استفاده کنید. به همین منظور در فصل سوم این دوره پنج مینی پروژه برایتان درنظر گرفته‌ایم که با آن‌ها می‌توانید به خوبی پایتون را فرا بگیرید.

 

  پروژه‌ی اول
"14:39  
  پروژه‌ی دوم
"18:22  
  پروژه‌ی سوم
"29:34  
  پروژه‌ی چهارم
"44:12  
  پروژه‌ی پنجم
"80:28  
فصل چهارم: یادگیری ماشین با پایتون

فصل چهارم: یادگیری ماشین با پایتون

در فصل چهارم از این دوره به آموزش کتابخانه نامپای (NumPy) پرداخته‌ایم. در این قسمت متدهایی از نامپای  (NumPy) به شما آموزش داده می‌شود که می‌توانید محاسبات ریاضی را به صورت عنصر به عنصر روی آرایه‌هایی از جنس نامپای انجام دهید. سایر متدهای موجود در این کتابخانه را در قالب تمرینات بیشتر به شما آموزش خواهیم داد.

در بخش‌های دیگر این فصل به آموزش یادگیری ماشین با پایتون اشاره می‌کنیم. این بخش‌ها از مهمترین جلسات آموزش یادگیری ماشین با پایتون است. چرا که در آن به بیان جایگاه هوش مصنوعی، آموزش ماشین لرنینگ و مباحث داغی مانند شبکه‌های عصبی عمیق می‌پردازیم.

رویکردهای مختلف یادگیری ماشین مانند یادگیری بدون نظارت، بانظارت، تقویتی، آماری، برخط، چندوظیفه‌ای، تقلیدی و غیره از دیگر مباحث مهم این فصل است. با این وجود هنوز هم رویکردهای دیگری وجود دارند که از طبیعت و انسان الهام گرفته شده‌اند و در انتها به عنوان تمرین داده می‌شوند.

  مقدمه‌ای بر Numpy
"14:43  
  ایجاد ‌آرایه در Numpy
"16:29  
  چاپ آرایه‌ها در Numpy
"10:35  
  عملگرها در Numpy
"17:57  
  یونیورسال فانکشن ها (universal functions) در Numpy- پارت اول
"13:24  
  یونیورسال فانکشن ها (universal functions) در Numpy- پارت دوم
"10:52  
  indexing و slicing و iterating در Numpy‌‌
"14:20  
  مبحث shape manipulator در Numpy
"16:18  
  ذخیره(stacking) آرایه‌ها در Numpy
"15:20  
  شکستن(splitting) آرایه‌ها در Numpy
"13:13  
  کپی(copies) و نمایش(views) در Numpy
"09:44  
  broadcasting rules در Numpy
"13:54  
  جبر خطی در Numpy
"12:12  
  رویکردهای مختلف در یادگیری ماشین
"14:00  
  مقدمه‌ای بر Scikit-learn
"06:40  
  خواندن داده‌ها (dataset) با Scikit-learn
"13:21  
  واکشی(fetching) داده‌ها در Scikit-learn
"15:21  
  تولید پایگاه داده در Scikit-learn
"18:02  
  دیگر روش‌های خواندن پایگاه داده در Scikit-learn
"21:32  
  وظایف مهم (tasks) در یادگیری ماشین
"20:49  
  مدل‌های خطی در Scikit-learn
"13:39  
  رگرسیون خطی(Linear Regression) در Scikit-Learn
"14:32  
  SGD Regressor در Scikit-Learn
"17:51  
  حل مسئله‌ی SGD Regressor در Scikit-Learn
"13:43  
  رگرسیون لاسو (LASSO Regressor) در Scikit-Learn
"17:44  
  حل مسئله‌ی LASSO Regressor در Scikit-Learn
"12:07  
  Elastic-Net Regressor در Scikit-Learn
"10:52  
  حل مسئله‌ی Elastic-Net Regressor در Scikit-Learn
"17:38  
  روش‌های گروهی (Ensemble Methods) در Scikit-Learn
"14:52  
  حل مسئله‌ با Voting Regressor
"21:46  
  Logisitic Regression
"14:28  
  حل مسئله‌ با Logisitic Regression
"18:43  
  یادگیری مبتنی بر مجرم (Instance-based Learning)
"17:32  
  حل مسئله‌ با KNN
"14:57  
  یادگیری نظارت نشده و دسته‌بندی (Unsupervised Learning and Clustering)
"11:57  
  تعریفی از یادگیری تقویتی و مقایسه‌ی آن با یادگیری نظارت‌شده و نظارت‌نشده
"14:37  
  الگوریتم K-means
"19:08  
  حل مسئله‌ با الگوریتم K-means
"18:02  
  دسته‌بندی سلسله مراتبی (Hierarchical Clustering)
"17:47  
  یک نمونه ساده با Agglomerative Clustering
"15:25  
  حل مسئله‌ با استفاده از (Gaussian Mixture Model (GMM
"17:58  
  نگاهی بر کاهش بعد (Dimensionality Reduction)
"14:53  
  الگوریتم تحلیل اجزای اصلی ((Principal Component Analysis (PCA)
"15:25  
  حل مسئله‌ با ((Principal Component Analysis (PCA
"16:50  
  کاهش بعد با استفاده از LDA
"18:00  
  مقایسه PCA با LDA با یک مثال
"21:24  
  مقدمه‌ای بر انتخاب مدل و ارزیابی
"16:28  
  شکستن پایگاه داده (Dataset Splitting)
"17:29  
  معیاهای امتیازدهی
"11:56  
  دقت در امتیازدهی
"09:34  
  دقت امتیازدهی در Scikit-Learn
"12:49  
فصل پنجم: مقدمه‌ای بر Reinforcement Learning

فصل پنجم: مقدمه‌ای بر یادگیری تقویتی (Reinforcement Learning)

در این فصل به آموزش یادگیری تقویتی می‌پردازیم. یادگیری تقویتی یکی از زیرشاخه‌های یادگیری ماشین است. این علم یک عامل را قادر می‌کند تا با تعامل در یک محیط و با کمک آزمون و خطا و همچنین گرفتن بازخورد از یافته‌ها و اعمال خود بهترین رفتاری که در یک موقعیت خاص باید داشته باشد، را یاد بگیرد.

یادگیری تقویتی با یادگیری تحت نظارت متفاوت است. در واقع در یادگیری تحت نظارت داده‌های آموزشی کلید پاسخ دارند و از پاداش و تنبیه برای نشان دادن رفتار مثبت و منفی استفاده می‌شود. در حالی که در یادگیری تقویتی هیچ جوابی وجود ندارد. در این یادگیری، عامل خودش تصمیم می‌گیرد که برای انجام وظیفه‌ای که به او محول شده چه کاری انجام دهد. در این صورت عامل از تجربیات خود برای انجام کارها استفاده می‌کند.

 از یادگیری تقویتی در هدایت خودروهای خودران و کنترل ربات‌های انسان‌نما استفاده می‌شود. در این فصل می‌توانید با یادگیری تقویتی بیشتر آشنا شوید. برای اینکه عمیق‌تر این مبحث را فرا بگیرید، می‌توانید از کتاب یادگیری ماشین هم کمک بگیرید.

  Exploration و Exploitation در یادگیری تقویتی
"15:33  
  مقدار دهی در یادگیری تقویتی و مقایسه رویکرد model-based و model-free
"17:49  
  بهینه‌سازی مقادیر در multi-armed (راهزن چند دست)
"14:00  
  نگاهی به مبحث (Gaussian Mixture Model (GMM
"17:45  
  فرآیند تصمیم‌گیری ماکوف
"20:04  
  المان‌های فرآیند تصمیم‌گیری مارکوف
"21:02  
  policyهای بهینه در فرآیند تصمیم‌گیری مارکوف
"20:23  
  برنامه‌نویسی داینامیک
"16:47  
  بهبود policyها در برنامه نویسی پویا
"15:30  
  نمونه‌ای از برنامه‌نویسی پویا
"14:18  
  روش منت‌کارلو(Monte Carlo)
"16:53  
  حالت‌های مختلف منت‌کارلو (Monte Carlo)
"18:19  
  مبحث Multi-armed Bandits (راهزن چنددست)
"18:10  

درباره دوره

هوش مصنوعی یا به زبان انگلیسی Artificial intelligence حوزه‌ای پرطرفدار است که احتمالاً درباره آن شنیده یا خوانده‌اید. وقتی به‌اصطلاح هوش مصنوعی فکر می‌کنید، ممکن است در ذهن شما ربات‌ها، فناوری و عصر دیجیتال و غیره خطور کند. دوره آموزش رایگان هوش مصنوعی با هدف آموزش این ترند پرطرفدار در مکتب خونه تهیه و تدوین شده است و دانشجو را با ابعاد مختلف این فناوری آشنا خواهد کرد.

برنامه نویسی هوش مصنوعی یک پیشرفت تکنولوژیکی در علوم کامپیوتر است که شامل فناوری برنامه‌نویسی برای حل مسئله می‌شود. هوش مصنوعی اغلب شامل جنبه‌های مختلفی مانند یادگیری ماشین، یادگیری عمیق و کلان داده است. این دوره آموزش رایگان هوش مصنوعی شمارا با جنبه‌های مختلف آن آشنا می‌کند.

معرفی دوره آموزش هوش مصنوعی

امروزه هوش مصنوعی از نیازهای ضروری هر سازمان و شرکتی است و یا در آینده به آن نیاز پیدا خواهند کرد، بنابراین یادگیری هوش مصنوعی از واجبات دنیای امروزی به‌حساب می‌آید. این دوره آموزش هوش مصنوعی به‌صورت عملی جنبه‌های مختلف هوش مصنوعی را در قالب پروژه و به‌صورت عملی مورد بحث قرار می‌دهد. ازاین‌رو دانشجویانی که در رشته‌های مختلف مشغول تحصیل هستند یا صاحبان انواع کسب‌وکارها می‌توانند با یادگیری زبان‌های برنامه‌نویسی هوش مصنوعی و فراگیری یادگیری ماشین با پایتون python مهارت‌های خود را در این زمینه توسعه دهند. برای یادگیری هوش مصنوعی از مقدماتی تا پیشرفته باید مسیر زیادی را طی کنیم که این دوره، دوره بسیار مناسبی برای شروع است.

هدف دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین چیست؟

هدف از برگزاری این دوره آموزش هوش مصنوعی این است که شما را در هر سطحی که قرار دارید، چند گام بالاتر ببریم تا بتوانید زبان برنامه نویسی هوش مصنوعی را از سطوح پایین تا سطوح پیشرفته‌تر فرا بگیرید.

دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین مناسب چه کسانی است؟

از این رو دانشجویانی که در رشته‌های مختلف مشغول تحصیل هستند یا صاحبان انواع کسب‌وکارها می‌توانند با یادگیری زبان‌های برنامه نویسی هوش مصنوعی و فراگیری یادگیری ماشین با برنامه نویسی پایتون مهارت‌های خود را توسعه دهند.

بعد از فراگیری دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین چه مهارت‌هایی کسب خواهید کرد؟

دانشجویانی که این دوره هوش مصنوعی را پشت سر می‌گذارند با مهارت‌های زیر آشنا خواهند شد:

  • تدلط نسبی به زبان برنامه نویسی پایتون
  • آشنایی کامل با ابزارهای یادگیری ماشین در پایتون
  • آشنایی کامل با کتابخانه نامپای (NumPy)
  • انجام پروژه‌های متعدد به زبان پایتون
  • یادگیری رویکردهای مختلف در یادگیری ماشین
  •  آشنایی با یادگیری تقویتی
  • و گیره

پیش‌نیازهای دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین

برای شرکت در دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین، بهتر است که ابتدا با الگوریتم‌های مختلف و چگونگی استفاده از آن‌ها آشنایی داشته باشید. از طرفی الگوریتم‌های هوش مصنوعی براساس ریاضیات و آمار و احتمال ساخته می‌شوند. برای فراگیری آموزش machine learning هم به آشنایی با داده کاوی و برنامه نویسی به زبان پایتون نیاز دارید.

پنج مهارت اصلی که برای برنامه نویسی هوش مصنوعی به آن نیاز دارید، عبارتند از:

  • یادگیری ماشین
  • مهندسی نرم‌افزار
  • تحلیل آماری
  • رهگیری داده‌ها
  • دیباگ کردن و بهینه‌سازی مدل‌ها 

سرفصل‌های دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین چیست؟

این دوره آموزش Ai شامل پنج فصل است که از مباحث پایه شروع شده و به مرور به مباحث پیشرفته‌تر و عملیاتی‌تر می‌رسد.

 فصل اول: مقدمه

در ویدئوهای فصل اول از این آموزش هوش مصنوعی از پایه، با مفاهیم هوش مصنوعی و کاربردهای آن در کارهای روزمره آشنا می‌شوید. به‌طور خلاصه هوش مصنوعی در هر صنعتی کاربردهای خاص خود را دارد. به عنوان مثال از نرم افزار هوش مصنوعی می‌توان برای ساخت دستیارهای مراقبت از سلامت شخصی، تولید، خرده فروشی و حتی ورزش و بازی استفاده کرد.

در این فصل همچنین به آموزش یادگیری ماشین با پایتون (Python) می‌پردازیم. برای اینکه بتوانید با هوش مصنوعی کار کنید، نیاز دارید تا یک زبان برنامه‌نویسی را فرا بگیرید. پایتون همان زبان برنامه‌نویسی موردنظر است که در این زمینه بسیار مفید عمل می‌کند. 

همچنین در این فصل شما می‌توانید با تولکیت‌ها (toolkits) یا همان جعبه ابزار یادگیری ماشین در پایتون آشنا شوید. آموزش ریاضیات هوش مصنوعی و کاربردهای هوش مصنوعی در رشته‌های مختلف مانند پزشکی، امور مالی، بازاریابی، توزیع و تدارکات و غیره از دیگر مباحثی است که در فصل اول به آن اشاره می‌شود.

 فصل دوم: ریاضیات در هوش مصنوعی

برنامه نویسی هوش مصنوعی اول از هر چیز به دانستن ریاضیات و آمار و احتمال نیاز دارد. نوشتن الگوریتم‌های هوش مصنوعی و یادگیری ماشین کار چندان آسانی نیست و کار کردن با آن نیازمند این است که از دانش ریاضی زیادی برخوردار باشید. در واقع پایه و اساس برنامه نویسی هوش مصنوعی آشنایی با اصول ریاضی است.

از طرفی در دنیای مدرن امروز احتمالات و عدم اطمینان‌ها بیشتر از هر زمانی احساس می‌شوند. از آنجایی که هیچ‌کس نمی‌تواند کاملاً‌ بر اطلاعات مسلط باشد، لازم است از آمار و احتمالات در استفاده از زبان‌های برنامه نویسی هوش مصنوعی استفاده شود. بنابراین در فصل دوم دوره رایگان هوش مصنوعی به مباحث ریاضیات و آمار و احتمال در هوش مصنوعی می‌پردازیم.

 فصل سوم:‌ مینی پروژه‌های پایتون

پایتون یک زبان برنامه‌نویسی بسیار راحت و قابل فهم است. از این زبان می‌توانید در پروژه‌ها و تمرین‌های مختلفی استفاده کنید. به همین منظور در فصل سوم این دوره پنج مینی پروژه برایتان درنظر گرفته‌ایم که با آن‌ها می‌توانید به خوبی پایتون را یاد بگیرید.

 فصل چهارم: یادگیری ماشین با پایتون

در فصل چهارم از این دوره آموزش رایگان هوش مصنوعی و یادگیری ماشین، به آموزش کتابخانه نامپای پرداخته‌ایم. در این قسمت متدهایی از NumPy به شما آموزش داده می‌شود که می‌توانید محاسبات ریاضی را به صورت عنصر به عنصر روی آرایه‌هایی از جنس نامپای انجام دهید. سایر متدهای موجود در این کتابخانه را در قالب تمرینات بیشتر به شما آموزش خواهیم داد.

در بخش‌های دیگر این فصل به آموزش یادگیری ماشین با پایتون اشاره می‌کنیم. این بخش‌ها از مهمترین جلسات آموزش رایگان یادگیری ماشین با پایتون است. چرا که در آن به بیان جایگاه هوش مصنوعی، آموزش ماشین لرنینگ و مباحث داغی مانند شبکه‌های عصبی عمیق می‌پردازیم.

رویکردهای مختلف یادگیری ماشین مانند یادگیری بدون نظارت، بانظارت، تقویتی، آماری، برخط، چندوظیفه‌ای، تقلیدی و غیره از دیگر مباحث مهم این فصل است. با این وجود هنوز هم رویکردهای دیگری وجود دارند که از طبیعت و انسان الهام گرفته شده‌اند و در انتها به عنوان تمرین داده می‌شوند.

 فصل پنجم: مقدمه‌ای بر Reinforcement Learning

در این فصل به آموزش یادگیری تقویتی می‌پردازیم. یادگیری تقویتی یکی از زیرشاخه‌های یادگیری ماشین است. این علم یک عامل را قادر می‌کند تا با تعامل در یک محیط و با کمک آزمون و خطا و همچنین گرفتن بازخورد از یافته‌ها و اعمال خود بهترین رفتاری که در یک موقعیت خاص باید داشته باشد، را یاد بگیرد.

یادگیری تقویتی با یادگیری تحت نظارت متفاوت است. در واقع در یادگیری تحت نظارت داده‌های آموزشی کلید پاسخ دارند و از پاداش و تنبیه برای نشان دادن رفتار مثبت و منفی استفاده می‌شود. در حالی که در یادگیری تقویتی هیچ جوابی وجود ندارد. در این یادگیری، عامل خودش تصمیم می‌گیرد که برای انجام وظیفه‌ای که به او محول شده چه کاری انجام دهد. در این صورت عامل از تجربیات خود برای انجام کارها استفاده می‌کند.

از یادگیری تقویتی در هدایت خودروهای خودران و کنترل ربات‌های انسان‌نما استفاده می‌شود. در این فصل از دوره آموزش رایگان Artificial intelligence می‌توانید با یادگیری تقویتی بیشتر آشنا شوید. برای اینکه عمیق‌تر این مبحث را فرا بگیرید، می‌توانید از کتاب یادگیری ماشین هم کمک بگیرید.

درباره استاد

maktabkhooneh-teacher AI Lessons

ما جمعی از متخصصین و محققین هوش مصنوعی از سرتا سر دنیا هستیم و در نظر داریم در گام اول هوش مصنوعی را از صفر تا 100 به زبان فارسی آموزش دهیم.

نظرات کاربران

تا کنون نظری برای این دوره ثبت نشده است. برای ثبت نظر باید ابتدا در دوره ثبت نام کرده و دانشجوی دوره باشید.
1403-01-23
سلام دوره شما را دیدم بسیار خوب و مفید بود. فقط یک مورد این که با توجه به این که تمام اسلاید ها انگلیسی بود، بهتر بود که شما کمتر از اصطلاحات انگلیسی استفاده کنید. زیرا نحوه ارایه مطالب با هدف گفته شده کمی تضاد داشته است چون یک فرد که اصلا زبان برنامه نویسی بلد نیست مطمئنا اصطلاحات انگلیسی آن را هم نمی داند. در کل برای من مفید بوده و از شما دوست عزیز کمال تشکر را دارم
1403-01-14
سپاسگزارم از سایت خوب مکتب خانه من هرجایی که میخواستم دوره هوش مصنوعی را آموزش ببینم باید هزینه پرداخت میکردم ولی ممنونم ازشما که این آموزش های مفید را در این سایت قرار دادید .
شهلا مراادی 1402-12-19
درود بی پایان بر متخصصین ومحققین شریف و بزرگوار ایران زمین گروه آی لسنزو سپاس فراوان که تجربیات ودانش خودتون رو در اختیار دوستداران این علم میگذارید
1402-11-15
سلام من در نصب sklearn مشکل دارم و هر بار که نصب می کنم خطا میده
سمیرا کومالکی 1402-07-22
سلام تا اینجا بسیار استفاده کردم و بسیار سپاسگزارم مخصوصا از استاد عزیز. در مینی پروژه 5 گفته شده فایلهای مورد نیاز در کانال قرار داده میشه. ممکنه بفرمایید این فایلها کجا قابل دسترس هستند؟ سپاسگزار
مکتب‌خونه
همراه عزیز؛ در صورت وجود و ارائه فایل مورد نیاز توسط استاد، در دوره بارگذاری شده است در غیر این صورت فایلی ارائه نشده است.
1402-07-07
از آقای خانی بسیار متشکرم. بسیار عالی بود
1402-06-23
قسمتای اولشم که خوبه تا این جا ولی کاش فایل word یا pdfاش هم در دسترس بود، برای یادداشت اضافه کردن خوب بود.
مکتب‌خونه
همراه عزیز؛ در صورت وجود و ارائه فایل مورد نیاز توسط استاد، در دوره بارگذاری شده است در غیر این صورت فایلی ارائه نشده است.
آتوسا رئیسی 1402-05-12
ممنون از شما استاد عزیز. خیلی عالی تا اینجا پیش رفتم به خاطر تسلط خوبتون. این نکته رو دلم نیومد نگم دو قسمت آخر فصل اول باید به ابتدای فصل منتقل بشن.
1402-01-07
سلام استاد بابت دوره خیلی ممنون
1401-12-18
همین که دوره رایگان هست واقعا جای تشکر داره ممنون بخاطر زحماتی که برای جمع آوری این دوره کشیدین
1401-02-23
خیلی عالی بود. استاد خیلی روان و ساده تدریس می کنند. خداقوت
بابک لطفی 1400-11-19
بسیار عالی لطفا ریاضیات رو تکمیل کنید
سارا سلمانیان 1400-11-07
من مباحث کاهش بُعد و PCA را دیدم که عالی بودند و استاد خیلی باسواد و دقیق بودند. در حالیکه در بعضی جاها حتی آموزشهای خارج از کشور این مطالب به درستی درک و ارائه نشده در این مبحث به خوبی تفاوت روش های LDA و PCA و کاربرد آنها بیان شده. منتظر مطالب بیشتر از این دوره هستیم. از اساتید این دوره و همچنین سایت مکتب خونه تشکر می کنم. یک پیشنهاد هم دارم و آن این است که چه خوب است که بتوان دوره ای تخصصی تر را برگزار کرد که الگوریتم های مربوط به یادگیری ماشین را به صورت دقیق تر و کامل ارائه داده و اجرا کرد بدون اینکه از پکیج های آماده در پایتون استفاده شود. اینکار به درک بهتر الگوریتم و کاربرد آن کمک می کند و افراد را برای ارائه الگوریتم های جدید یا تغییر الگوریتم های موجود آماده می کند
مکتب‌خونه
همراه عزیز؛ لطفا سوالات و پیشنهادات خود را از طریق ایمیل پشتیبانی info@maktabkhooneh.org مطرح نمایید.
ایمان اکبری 1400-09-14
دوره خوبیه ولی فصل ریاضیات رو ناقص بارگزاری کردید
آریا رشیدی نژاد میبدی 1400-05-15
دوره خوبیه
1
2

دوره‌های پیشنهادی

سوالات پرتکرار

آیا ممکن است که درسی ناقص ضبط شده باشد؟
ما همواره تلاش کرده­‌ایم که دروس را به طور کامل ضبط نماییم و در اختیار شما دوستان قرار دهیم. اما گاهی برخی ناهماهنگی ها سبب می شود که یک یا تعدادی از جلسات یک درس ضبط نشود. توضیح این گونه نواقص در توضیح درس­ ها آمده است.

سوالات پرتکرار

اگر لینک دانلود یا پخش ویدئو مشکل داشت چه باید کرد؟
در صورتی که با هر گونه مشکلی رو به رو شدید می توانید از طریق صفحه ارتباط با ما به ما اطلاع دهید تا ما سریعا مشکل را پیگیری و برطرف نماییم.

سوالات پرتکرار

آیا امکان دریافت فیلم های یک درس به صورت سی دی یا دی وی دی وجود دارد؟
در حال حاضر امکان ارسال دروس به صورت سی دی یا دی وی دی وجود ندارد.

هوش مصنوعی چیست؟

به زبان ساده هوش مصنوعی (Artificial intelligence) تئوری و توسعه برنامه‌های کامپیوتری به‌حساب می‌آید که قادر به انجام وظایف و حل مسائلی است که معمولاً به هوش انسانی نیاز دارد. چیزهایی مانند ادراک بصری، تشخیص گفتار، تصمیم‌گیری و ترجمه کلمات، همه‌چیزهایی هستند که معمولاً به هوش انسانی نیاز دارند، اما اکنون برنامه‌های کامپیوتری می‌توانند از هوش و توانایی خود برای حل این وظایف استفاده کنند.

این نوع فن‌آوری در ژوئن سال 1965 متولد شد، جایی که گروهی از دانشمندان و ریاضیدانان در دارتموث گرد هم آمدند تا در مورد ایده کامپیوتری که واقعاً می‌تواند فکر کند، بحث و گفتگو کنند. آن‌ها نمی‌دانستند اسمش را چه بگذارند، اما صحبت‌هایشان در آنجا سروصدایی را ایجاد کرد و بعدها چیزی به نام هوش مصنوعی از آن به وجود آمد.

هوش مصنوعی چه تفاوتی باهوش انسانی دارد؟

سوال جالبی است، هوش مصنوعی چه تفاوتی باهوش انسانی دارد؟ هوش مصنوعی و الگوریتم‌هایی که این هوش را اجرا می‌کنند توسط انسان‌ها طراحی‌شده‌اند و درحالی‌که کامپیوتر می‌تواند از محیط اطراف خود یاد بگیرد و سازگار شود یا رشد کند، درنهایت توسط انسان ساخته شد. هوش انسان ظرفیت بسیار بیشتری برای انجام چندوظیفگی، تعاملات اجتماعی و خودآگاهی دارد.

هوش مصنوعی I.Q ندارد که این ویژگی، آن را باهوش انسان و انسان بسیار متفاوت می‌کند. جنبه‌های زیادی از تفکر و تصمیم‌گیری وجود دارد که هوش مصنوعی به‌سادگی نمی‌تواند بر آن‌ها مسلط شود. محاسبات احساسات چیزی نیست که ما بتوانیم یک ماشین را آموزش دهیم، صرف‌نظر از اینکه این ماشین چقدر هوشمند است. همچنین شما نمی‌توانید چندوظیفه‌ای را خودکار کرده یا روابط مستقلی ایجاد کنید. یادگیری شناختی و یادگیری ماشینی همیشه منحصربه‌فرد و جدا از یکدیگر خواهند بود.

هوش مصنوعی چگونه کار می‌کند؟

دانستن اینکه هوش مصنوعی چیست با درک عملکردهای اساسی آن چیزی متفاوت است. هوش مصنوعی با پردازش داده‌ها از طریق الگوریتم‌های پیشرفته عمل می‌کند. مجموعه داده‌های بزرگ را با الگوریتم‌های خود ترکیب می‌کند و از الگوها یا ویژگی‌های موجود در داده‌ها یاد می‌گیرد. تئوری‌ها و زیرشاخه‌های زیادی در سیستم‌های هوش مصنوعی وجود دارد ازجمله:

یادگیری ماشین یا machine learning

یادگیری ماشینی از شبکه‌های عصبی برای یافتن بینش‌های پنهان از داده‌ها استفاده می‌کند، بدون اینکه برنامه‌ریزی شود که به دنبال چه چیزی بگردیم یا چه نتیجه‌ای بگیریم. یادگیری ماشینی روشی رایج برای برنامه‌ها برای یافتن الگوها و افزایش هوش ماشین در طول زمان است که از تکتنیک هایی مانند خوشه بندی، طبقه بندی و غیره برای پیش بینی استفاده میکند. در دوه آموزش هوش مصنوعی بحث یادگیری ماشین به طور مفصل به صورت عملی ارائه شده است.

یادگیری عمیق

یادگیری عمیق از شبکه‌های عصبی عظیم با لایه‌های زیاد استفاده می‌کند و از اندازه آن برای پردازش مقادیر عظیمی از داده‌ها با الگوهای پیچیده استفاده می‌کند. یادگیری عمیق یکی از عناصر یادگیری ماشینی است، فقط با مجموعه داده‌های بزرگتر و لایه‌های بیشتر کار می‌کند.

بینایی کامپیوتر

در هوش مصنوعی، بینایی کامپیوتر از تشخیص الگو و یادگیری عمیق برای درک یک تصویر یا ویدیو استفاده می‌کند. این بدان معناست که دستگاه می‌تواند به اطراف نگاه کند و عکس یا فیلم را در زمان واقعی بگیرد و محیط اطراف را تفسیر کند.

هدف کلی هوش مصنوعی ساختن نرم‌افزاری است که بتواند در مورد یک ورودی یاد بگیرد و نتیجه را با خروجی آن توضیح دهد. هوش مصنوعی فعل‌وانفعالاتی شبیه انسان ایجاد می‌کند، اما به این زودی‌ها جایگزین انسان‌ها نخواهد شد.

کاربردهای هوش مصنوعی

هوش مصنوعی به صدها روش در اطراف ما استفاده می‌شود. امروزه این فن‌آوری دنیای ما را تغییر داده و زندگی ما را راحت‌تر و جالب‌تر کرده است. در دوره آموزش رایگان هوش مصنوعی ما با کاربردهای عملی این فن آوری در قالب پروژه های کوچک آشنا خواهیم شد. برخی از کاربردهای متعدد هوش مصنوعی که ممکن است بدانید عبارت‌اند از:

ماشین‌های خودران

یادگیری ماشین و تشخیص چهره در وسایل نقلیه خودران استفاده می‌شود تا به خودرو کمک کند محیط اطراف خود را درک کند و بتواند بر اساس آن واکنش نشان دهد. سیستم‌های تشخیص چهره و بیومتریک به خودروهای خودران کمک می‌کنند افراد را بشناسند و آن‌ها را ایمن نگه‌دارند. این خودروها می‌توانند الگوهای ترافیکی، علائم و موارد دیگر را یاد بگیرند و با آن‌ها سازگار شوند. همچنین امروزه تغییر چهره با هوش مصنوعی هم بسیار رایج است.

چت بات

بسیاری از شرکت‌ها از هوش مصنوعی برای تقویت گروه‌های خدمات مشتری خود استفاده می‌کنند. چت بات می‌تواند با مشتریان تعامل داشته باشد و بدون نیاز به استفاده از زمان واقعی انسان، به سؤالات عمومی پاسخ دهد. آن‌ها می‌توانند یاد بگیرند و با پاسخ‌های خاصی سازگار شوند، اطلاعات بیشتری را برای کمک به تولید خروجی متفاوت به دست آورند و موارد دیگر. این سیستم خبره می‌تواند تعاملی در سطح انسانی به مشتریان بدهد. بسیاری از این چت بات ها برای تبدیل متن به عکس با هوش مصنوعی هم استفاده میشوند.

خرید آنلاین

سیستم‌های خرید آنلاین از الگوریتم‌هایی برای کسب اطلاعات بیشتر در مورد ترجیحات شما و پیش‌بینی آنچه می‌خواهید خرید کنید، استفاده می‌کنند. سپس آن‌ها می‌توانند آن موارد را درست در مقابل شما قرار دهند (رکومندیشن سیستم‌ها). آمازون و سایر خرده‌فروشان به‌طور مداوم روی الگوریتم‌های خودکار می‌کنند تا درباره کاربر و آنچه ممکن است بخرد بیشتر بدانند.

فناوری مراقبت‌های بهداشتی

هوش مصنوعی نقش بزرگی در فناوری مراقبت‌های بهداشتی ایفا می‌کند زیرا ابزارهای جدیدی برای تشخیص، توسعه دارو، نظارت بر بیماران و موارد دیگر در حال استفاده هستند. این فناوری می‌تواند همان‌طور که استفاده می‌شود یاد بگیرد و توسعه یابد، اطلاعات بیشتری در مورد بیمار یا دارو بیاموزد و باگذشت زمان برای بهتر شدن و بهبود سازگار شود.

سیستم‌های کارخانه و انبار

صنایع حمل‌ونقل و خرده‌فروشی به لطف نرم‌افزارهای مرتبط باهوش مصنوعی با انقلاب بزرگی روبه‌رو شده‌اند. برای مثال سیستم‌هایی از هوش مصنوعی وجود دارد که کل فرآیند حمل‌ونقل را خودکار می‌کنند و در حین حرکت یاد می‌گیرند و کارها را سریع‌تر و کارآمدتر می‌کنند. کل این سیستم‌ها نحوه اداره انبارها و کارخانه‌ها را تغییر می‌دهند و آن‌ها را ایمن‌تر و پربازده‌تر می‌کنند.

ابزار آموزشی

هوش مصنوعی در آموزش کاربرد بسیار گسترده‌ای دارد. مواردی مانند بررسی‌کننده سرقت ادبی می‌تواند به دانشجویان کمک کند تا از هوش مصنوعی برای تقویت مقالات و تحقیقات استفاده کنند. سیستم‌های هوش مصنوعی می‌توانند کلمات استفاده‌شده را بخوانند و از پایگاه داده‌های خود برای تحقیق در مورد هر آنچه می‌دانند در یک‌چشم به هم زدن استفاده کنند. این به آن‌ها امکان می‌دهد املا، دستور زبان، محتوای سرقت شده و غیره را بررسی کنند.

هر روز کاربردهای دیگری از هوش مصنوعی در اطراف پیاده سازی می‌شوند، این حوزه فناوری با سرعتی سریع در حال پیشرفت است و به‌طور مداوم نحوه زندگی ما را تغییر می‌دهد، بنابراین نیاز به یادگیری آن با یک دوره آموزش هوش مصنوعی جامع و کامل از هر زمانی بیشتر احساس می‌شود. دوره آموزش رایگان هوش مصنوعی مکتب خونه برای شروع ایده بسیار خوبی است. همچنین امروزه انواع ابزار نقاشی با هوش مصنوعی هم موجود است که به عنوان ابزار آموزشی از آن استفاده میشود. همچنین انواع کاربرد دیگر هوش مصنوعی میتوان به موارد زیر اشاره کرد:

آینده هوش مصنوعی چیست؟

سیستم‌های هوش مصنوعی در حال حاضر بر نحوه زندگی ما تأثیر می‌گذارند و درهای آینده برای اینکه چگونه در آینده بر ما تأثیر بگذارد کاملاً باز است. فناوری مبتنی بر هوش مصنوعی احتمالاً به بهبود کارایی و بهره‌وری ادامه خواهد داد و در طول زمان به صنایع بیشتری گسترش خواهد یافت.

امروزه توسعه‌دهندگان و برنامه نویسان زیادی به حوزه هوش مصنوعی روی آورده‌اند و تقریباً این فنّاوری به تمام جنبه‌ای مهم زندگی اجتماعی، اقتصادی و... انسان وارد شده است. ما باید برای پوشش نیازهای آینده خود در زمینه فنّاوری حتماً باهوش مصنوعی آشنایی پیدا کنیم که در این رابطه دوره آموزش رایگان هوش مصنوعی ارائه شده می‌تواند به ما خیلی کمک کند.

بسیاری از مردم نگران این هستند که ربات‌ها درنهایت شغل آن‌ها را بگیرند، حقیقت این است که بسیاری از زمینه‌ها نسبتاً از این اتفاق ایمن هستند. زمینه‌هایی مانند فناوری اطلاعات برای پذیرش فناوری‌های جدید و سیستم‌های امنیتی که باعث اجرای هوش مصنوعی می‌شوند، همچنان موردنیاز خواهند بود. متخصصان مراقبت‌های بهداشتی و معلمان نمی‌توانند با روبات‌ها جایگزین شوند. کاری که آن‌ها مستقیماً با بیماران و کودکان انجام می‌دهند چیزی است که نمی‌توان آن را با ماشین انجام داد. به‌طور مشابه در تجارت، برخی از فرآیندها را می‌توان خودکار کرد، اما غریزه انسانی، تصمیم‌گیری و روابط همیشه برای آینده حیاتی خواهد بود. هوش مصنوعی در حال دگرگونی شیوه جهان است و باگذشت زمان این کار را ادامه خواهد داد.

دوره هوش مصنوعی

اگر به فکر یادگیری هوش مصنوعی هستید و دوست دارید روی آینده خود سرمایه‌گذاری کنید همین الان با استفاده از دوره‌های هوش مصنوعی مکتب خونه اولین و مهم‌ترین قدم خود را در این راستا بردارید. در مکتب خونه انواع دوره آموزش هوش مصنوعی در دسته‌های زیر موجود است.

با ثبت نام در دوره و یادگیری آموزش هوش مصنوعی از صفر مدنظر خود می‌توانید اولین قدم خود را در این راستا بردارید و یا اگر از قبل با هوش مصنوعی آشنایی دارید می‌توانید به مجموعه مهارت‌های خود بیفزایید. امروزه به علت کاربردهای گسترده‌ای که هوش مصنوعی در زمینه‌هایی مانند آموزش، بازاریابی، اینترنت اشیا، پزشکی، استارتاپ، بلاکچین و غیره دارد از مهم‌ترین مهارت‌هایی محسوب می‌شود که کاربران روی آن سرمایه‌گذاری می‌کنند. با انواع دوره جامع هوش مصنوعی در مکتب خونه سعی کنید مهارت‌های هوش مصنوعی را برای آینده‌ای بهتر یاد بگیرید

صفحات پربازدید
poster
  
برگزار کننده:  مکتب‌خونه
  
زمان مورد نیاز برای گذارندن دوره:  82 جلسه
مجموع محتوای آموزشی:  26 ساعت ویدئو
 (قابل دانلود می‌باشد)
  
امتیاز شما:  0 %