آموزش مبانی هوش مصنوعی و یادگیری ماشین

هوش مصنوعی شاخه ای از علم است که به وسیله ی آن می‌توانیم به ماشین(به معنای کامپیوتر) قابلیت هوشمندی بدهیم. از دهه ی 1950 که واژه‌ی هوش مصنوعی معرفی و این رشته به صورت جدی ... ادامه

برگزارکننده:  کلاس‌ ویژن  کلاس‌ ویژن
3 (1 رای)
سطح: مقدماتی
 پلاس
  
زمان مورد نیاز برای گذارندن دوره:  8 ساعت
مجموع محتوای آموزشی:  8 ساعت ویدئو
 (قابل دانلود می‌باشد)

آنچه در این دوره می‌آموزیم:

 بررسی تاریخ هوش مصنوعی

 آموزش الگوریتم‌های هوش مصنوعی معروف

 کتابخانه محبوب Scikit-learn

 حل مثال‌هایی از رگرسیون، طبقه بندی، خوشه‌بدی

پیش‌نیاز‌ها

این دوره به نحوی تهیه و تدوین شده است که مباحث آن به ساده‌ترین شکل ممکن بیان شوند و مخاطبان دوره بتوانند به‌سادگی متوجه موضوعات مطرح شده شوند. به همین جهت برای شرکت در این دوره هیچ پیش‌نیاز به خصوصی وجود ندارد و افراد می‌توانند از مباحث این دوره نهایت استفاده را داشته باشند.

سرفصل‌های دوره آموزش مبانی هوش مصنوعی و یادگیری ماشین

آشنایی با هوش مصنوعی و یادگیری ماشین
  تاریخچه‌ی هوش مصنوعی
"14:33  
  تعریف یادگیری ماشین
"17:23  
  هوش مصنوعی، یادگیری عمیق و یادگیری ماشین
"14:46  
  کاربردها و دستاوردهای هوش مصنوعی
"10:42  
  انواع هوش مصنوعی – هوش مصنوعی عمومی و هوش مصنوعی ضعیف
"07:02  
  زمینه‌های کاربرد هوش مصنوعی
"03:33  
  فریم ورک و چارچو‌ب‌های توسعه هوش مصنوعی
"15:47  
الگوریتم‌های یادگیری ماشین نظارت‌شده
  انواع یادگیری‌های یادگیری ماشین – نظارت‌شده، بدون ناظر، تقویتی
"06:13  
  طبقه‌بندی نزدیکترین همسایه
"28:44  
  کدها و نحوه اجرا در گوگل کولب
"20:05  
  پیاده‌سازی KNN در پایتون
"20:52  
  استفاده و لود تصویر در پایتون به عنوان داده
"10:17  
  آشنایی و پردازش داده‌های ارقام دست‌نویس فارسی
"12:50  
  طبقه‌بندی ارقام دست‌نویس فارسی
"18:36  
  رگرسیون با مدل نزدیکترین همسایه
"13:24  
  مثال رگرسیون قیمت خانه
"18:27  
  تعمیم، بیش برازش و عدم تناسب
"22:55  
  رگرسیون خطی
"13:28  
  مدل‌های خطی برای طبقه‌بندی و روش‌های جلوگیری از بیش برازش در این مدل‌ها
"16:18  
  طبقه‌بندی چند کلاسه با مدل‌های خطی
"06:29  
الگوریتم‌های یادگیری ماشین بدون ناظر
  تبدیلات
"16:38  
  تحلیل مؤلفه‌های اصلی
"12:38  
  PCA برای کاهش بعد
"13:22  
  مصورسازی داده‌ها با PCA
"14:22  
  خوشه‌بندی
"10:46  
روش‌های اعتبارسنجی و یافتن هایپرپارامترها
  روش اعتبارسنجی متقابل
"21:41  
  سایر روش‌های اعتبارسنجی در یادگیری ماشین
"23:59  
  پیچیدگی مدل‌ها و پیداکردن هایپرپارامترهای بهینه
"23:39  
  ارزیابی مدل و ماتریس درهم‌ریختگی
"11:09  
طبقه‌بندی متن و آشنایی با سایز طبقه‌بندی‌ها
  متن به عنوان داده الگوریتم یادگیری ماشین
"26:23  
  مثال طبقه بندی اسپم از غیر اسپم
"26:38  
  سایر طبقه بندها در scikit-learn
"05:31  

درباره دوره

هوش مصنوعی شاخه ای از علم است که به وسیله ی آن می‌توانیم به ماشین(به معنای کامپیوتر) قابلیت هوشمندی بدهیم. از دهه ی 1950 که واژه‌ی هوش مصنوعی معرفی و این رشته به صورت جدی شکل گرفت روش‌های و الگوریتم‌های زیادی معرفی شدند.

این دوره ابتدا به تاریخچه‌ی هوش مصنوعی پرداخته و پس از معرفی معرفی هوش مصنوعی، انواع آن و کاربردهای آن پرداخته و سپس در ماژول دوم به دسته ای از الگوریتم‌های هوش مصنوعی معروف به یادگیری ماشین یا اصطلاحات Machine Learning می‌پردازد.الگوریتم‌های یادگیری ماشین به نگرش حل مساله‌ای در هوش مصنوعی گفته می‌شود که به ماشین بدون کد نویسی صریح برای یک مساله خاص و به صورت ضمنی و با در اختیار گذاشتن نمونه یا مثال‌هایی قابلیت یادگیری بدهیم.

بر این اساس هوش مصنوعی دیپ‌بلو شرکت آی.بی.ام که در شطرنج اول شده بود یادگیری ماشین به حساب نمی‌آمد چرا که برای آن مساله خاص کد نویسی شده بود و تمام شرایط و انتخاب‌های شطرنج درنظرگرفته شده‌بود. در این ماژول به پیاده سازی انواع این الگوریتم‌ها در پایتون و کتابخانه محبوب Scikit-learn پرداخته شده و مثال‌هایی از رگرسیون، طبقه بندی، خوشه بدی و … پیاده سازی شده اند.

درباره استاد

maktabkhooneh-teacher علیرضا اخوان‌پور

علیرضا اخوان پور، مدیر فنی مجموعه دانش بنیان شناسا، از سال ۹۴ مدرس دانشگاه شهید رجایی است که از سال ۹۵ تدریس تخصصی هوش مصنوعی و یادگیری عمیق را شروع کرده است.

وی به عنوان مدرس هوش مصنوعی و یادگیری عمیق با ۵ سال سابقه تدریس در موسسه‌ها و دانشگاه‌های برتر نظیر سابقه ارائه کارگاه‌های آموزشی در دانشگاه امیرکبیر، دانشگاه شریف، یازدهمین کنفرانس ملی و اولین کنفرانس بین المللی بینایی ماشین و پردازش تصویر ایران، صندوق نوآوری شکوفایی، رویداد فیس کاپ، دوره های تخصصی معاونت علمی و فناوری ریاست جمهوری و سابقه تدریس در جهاد دانشگاه شریف و دوره‌های آزاد دانشگاه تهران را در رزومه‌ی خود دارد.

تدریس دوره‌های مختلف هوش‌مصنوعی در دیجی‌نکس (دیجی‌کالا)، مجموعه دانش بنیان پارت (بانک رسالت)، دوره علم داده جهاد دانشگاهی شریف، دوره های تخصصی کارمندان در بانک قوامین و سپه، دوره های جامع ۳۵۰ ساعته دانشگاه تهران و ... از دیگر موارد سابقه تدریسی ایشان است.

ایشان همچنین مدیر سایت class.vision هستند که یک سایت تخصصی در حوزه‌ی هوش مصنوعی، دیپ لرنینگ، بینایی کامپیوتر و یادگیری ماشین است.

 

مشاهده پروفایل و دوره‌‌های استاد

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.
1402-08-24
سلام. من تازه شروع کردم و هنوز کامل جلسات رو ندیدم.بنظرم مدرس خیلی تند صحبت میکنند. برای منی که در این خصوص دانشی ندارم تطبیق سرعت کار سختیه.

دوره‌های پیشنهادی

سوالات پرتکرار

پس از سپری شدن زمان دوره، به محتوای دوره دسترسی خواهم داشت؟
بله؛ پس از سپری شدن مدت زمان دوره شما به محتوای دوره دسترسی خواهید داشت و می توانید از ویدئوها، تمارین، پروژه و دیگر محتوای دوره در صورت وجود استفاده کنید ولی امکان تصحیح تمارین توسط پشتیبان و دریافت گواهی نامه برای شما وجود نخواهد داشت.
poster
  
برگزار کننده:  کلاس‌ ویژن
  
زمان مورد نیاز برای گذارندن دوره:  8 ساعت
مجموع محتوای آموزشی:  8 ساعت ویدئو
 (قابل دانلود می‌باشد)