در دنیای امروز، یادگیری ماشین (Machine Learning) به یکی از اصلیترین نیروهای محرک در صنعت فناوری تبدیل شده است. از توصیههای محصول در فروشگاههای آنلاین تا تشخیص بیماریهای پزشکی و از خودروهای خودران تا دستیارهای ... ادامه
دکتر محمد منثوری
+ 1 مدرس دیگر
برای بهرهبردن از مزایای آموزشی این دوره، باید ابتدا تسلط کافی به زبان برنامهنویسی پایتون داشته باشید.
اگر با زبان برنامهنویسی پایتون آشنا نیستید لطفاً زمانی را جهت آموزش آن اختصاص دهید تا این دوره را با سرعت و تسلط بیشتری ادامه بدهیم. یکی از دلایل اصلی جهت انتخاب پایتون برای پیادهسازی الگوریتمهای یادگیری ماشین، وجود طیف گستردهای از کتابخانهها و پکیجهای مختلف میباشد.
لازم به ذکر است ما تمامی کدهای این دوره را در Jupyter Notebook اجرا و آموزش خواهیم داد. البته در بخش مقدمه نحوه نصب و راه اندازی آموزش داده شده است.
در دنیای امروز، یادگیری ماشین (Machine Learning) به یکی از اصلیترین نیروهای محرک در صنعت فناوری تبدیل شده است. از توصیههای محصول در فروشگاههای آنلاین تا تشخیص بیماریهای پزشکی و از خودروهای خودران تا دستیارهای هوشمند، یادگیری ماشین در قلب تمام این نوآوریها قرار دارد. تقاضای روزافزون برای متخصصان این حوزه نشاندهنده جایگاه شغلی قدرتمند و درآمدهای جذاب آن است. شرکتهای بزرگ فناوری و استارتاپهای نوپا به دنبال افرادی هستند که بتوانند از دادهها به صورت هوشمند استفاده کنند و راهکارهای مؤثری ارائه دهند؛ بنابراین، یادگیری مهارتهای مربوط به ماشین لرنینگ نه تنها به شما امکان میدهد در دنیای تکنولوژی امروزی پیشرفت کنید، بلکه آینده شغلی موفقی نیز برای شما به ارمغان خواهد آورد.
دوره آموزش یادگیری ماشین مکتبخونه، با ارائه مفاهیم اصلی و تکنیکهای کاربردی، فرصتی بینظیر برای کسانی است که میخواهند قدم در دنیای هوش مصنوعی و یادگیری ماشین بگذارند. در این دوره، از ابتداییترین مفاهیم تا پیشرفتهترین مدلها و روشهای یادگیری ماشین را خواهید آموخت و آماده میشوید تا پروژههای کاربردی در دنیای واقعی را پیادهسازی کنید.
دوره آموزش ماشین لرنینگ مکتبخونه، یک برنامه آموزشی جامع است که تمامی مبانی و تکنیکهای پیشرفتهی یادگیری ماشین را به زبانی ساده و قابل درک ارائه میدهد. این دوره بهطور کامل برای افرادی طراحی شده است که قصد دارند وارد دنیای مهیج ماشین لرنینگ شوند. با پوشش جامع مباحث پایهای مانند رگرسیون خطی و لجستیک تا موضوعات پیچیدهتری مانند شبکههای عصبی مصنوعی، ماشین بردار پشتیبان و یادگیری جمعی، این دوره هر آنچه که برای تبدیل شدن به یک متخصص ماشین لرنینگ نیاز دارید را در اختیارتان قرار میدهد.
علاوه بر مفاهیم تئوریک، در این دوره پروژههای عملی متنوعی گنجانده شده است که به شما امکان میدهد مهارتهای خود را در محیط واقعی به کار ببرید. با استفاده از کتابخانههای پیشرفته پایتون مانند TensorFlow و scikit-learn، شما میتوانید مدلهای پیشرفته ماشین لرنینگ را به راحتی پیادهسازی کنید. در انتهای دوره نیز با آموزش Pycaret و ساخت WebApp مبتنی بر یادگیری ماشین، مهارتهای شما به سطح جدیدی ارتقا پیدا میکند.
این دوره آموزشی در 20 فصل طراحی شده است که هر فصل به یکی از مفاهیم کلیدی ماشین لرنینگ میپردازد. از مقدمات و آمادهسازی محیط کاری با کتابخانههای پایتون تا مدلسازی و پیادهسازی الگوریتمهای مختلف، همه چیز بهصورت گامبهگام توضیح داده میشود. سرفصلها شامل مباحثی مانند رگرسیون خطی، رگرسیون لجستیک، درخت تصمیم، شبکههای عصبی و ماشین بردار پشتیبان است. همچنین، شما با تکنیکهای پیشرفتهای مانند یادگیری جمعی و خوشهبندی نیز آشنا خواهید شد.
یکی از نقاط قوت این دوره آموزش یادگیری ماشین، تمرکز بر پیشپردازش دادهها است که به شما یاد میدهد چگونه دادههای خام را برای مدلسازی آماده کنید. در انتهای دوره نیز مباحثی مانند ساخت WebApp و استفاده از Pycaret ارائه میشود که به شما کمک میکند پروژههای یادگیری ماشین را بهصورت کاربردی و حرفهای پیادهسازی کنید.
هدف اصلی این دوره آموزش یادگیری ماشین، ارائه مهارتهای عملی و کاربردی به شما است تا بتوانید در دنیای واقعی از آنها استفاده کنید. این دوره بهگونهای طراحی شده است که شما بتوانید از یادگیری تئوریها و مفاهیم فراتر بروید و مدلهای ماشین لرنینگ را در پروژههای واقعی پیادهسازی کنید. هدف نهایی این است که شما بهعنوان یک متخصص در زمینه یادگیری ماشین، آماده ورود به بازار کار باشید و بتوانید در حوزههای مختلفی مانند تحلیل دادهها، توسعه الگوریتمهای هوشمند و بهینهسازی مدلها فعالیت کنید.
همچنین، این دوره با ارائه پروژههای عملی و کاربردی به شما این امکان را میدهد که تواناییهای خود را در محیطهای واقعی ارزیابی کرده و تجربه لازم برای حل مسائل پیچیدهی یادگیری ماشین را کسب کنید.
این دوره ماشین لرنینگ برای تمامی افرادی که علاقهمند به ورود به دنیای یادگیری ماشین هستند مناسب است، چه کسانی که تجربه قبلی در برنامهنویسی دارند و چه کسانی که تازه شروع به کار کردهاند. اگر شما یک دانشجوی کامپیوتر، مهندس داده، یا حتی یک علاقهمند به تکنولوژی هستید و میخواهید مهارتهای خود را در حوزهی یادگیری ماشین ارتقا دهید، این دوره دقیقاً برای شما طراحی شده است.
علاوه بر این، اگر به دنبال فرصتهای شغلی جدید هستید و میخواهید در زمینههای پرطرفدار مثل هوش مصنوعی، تحلیل دادهها یا توسعه نرمافزار فعالیت کنید، این دوره شما را به مهارتهایی تجهیز میکند که در بازار کار امروز بسیار ارزشمند هستند.
در این دوره آموزشی شما با تمامی اصول و مبانی یادگیری ماشین آشنا میشوید. از تکنیکهای پایهای مانند رگرسیون خطی و رگرسیون لجستیک تا مدلهای پیچیدهتری مثل شبکههای عصبی مصنوعی و ماشین بردار پشتیبان، تمامی مفاهیم کلیدی به زبانی ساده و همراه با مثالهای عملی آموزش داده میشوند. همچنین، شما میآموزید چگونه از کتابخانههای قدرتمند پایتون برای پیادهسازی و اجرای مدلهای یادگیری ماشین استفاده کنید.
یکی از مزایای این دوره، آموزش تکنیکهای پیشپردازش دادهها است که به شما کمک میکند تا دادهها را به شکل بهینه آماده کنید. در انتهای دوره، با مباحث پیشرفتهتری مانند خوشهبندی، کاهش ابعاد و ساخت WebApp مبتنی بر یادگیری ماشین نیز آشنا خواهید شد.
همچنین روشهای آموزشی استفاده شده در دوره آموزش یادگیری ماشین (Machine Learning)، ویژگیهای منحصر به فردی دارد که شما را نسبت به نتیجهی نهایی حاصل از فراگیری دوره مطمئن خواهد کرد. این ویژگیها به شرح ذیل است:
دوره آموزش یادگیری ماشین مکتبخونه بهگونهای طراحی شده است که تمامی نیازهای شما را برای تبدیل شدن به یک متخصص ماشین لرنینگ پوشش میدهد. این دوره علاوه بر محتوای تئوری، دارای پروژههای عملی و واقعی است که به شما کمک میکند مهارتهای خود را در محیط کاری پیادهسازی کنید. همچنین، مدرسین این دوره از متخصصین برجسته در این حوزه هستند که با ارائه مثالهای عملی، یادگیری را برای شما ساده و جذاب میکنند.
این دوره توسط افرادی تدریس شده است که علاوه بر سابقه ممتاز در بخش آکادمیک، سابقه فعالیتی درخشانی در صنعت داشته که در نهایت، این دوره به شما کمک خواهد کرد تا بتوانید علاوه بر دانش تئوری، نحوه پیادهسازی و اجرا را هم فرابگیرید تا در ادامه این دوره، به صورت کاملاً عملی و تجاری وارد صنعت شوید.
این دوره آموزشی حاصل سال ها تجربه تدریس در دانشگاهها و آموزشگاههای معتبر داخلی و نیز فعالیت در صنعت هوشمصنوعی در کشور بوده و با هدف کاربردیبودن در سناریوهای دنیای واقعی مطرح شده است. این دوره آموزشی، کاملاً پروژه محور بوده و مباحث تئوری یادگیری ماشین با ظرافت هرچه تمام تدریس شده است. در پایان هر فصل با انجام پروژه با دادههای واقعی و نیز دادههای مسابقات Kaggle، آموختههای خود را در دنیای واقعی محک خواهید زد.
در دنیای امروز، تسلط بر هوش مصنوعی و یادگیری ماشین تبدیل به یکی از مهمترین عوامل موفقیت در بسیاری از صنایع شده است. از خودروسازی گرفته تا مراقبتهای بهداشتی و تجارت الکترونیک، هوش مصنوعی و یادگیری ماشین نقش کلیدی در بهبود عملکرد و تصمیمگیریهای هوشمندانه دارند. همچنین، یادگیری زبانهای برنامهنویسی همچون پایتون که یکی از ابزارهای اصلی توسعه مدلهای هوش مصنوعی است، برای تمامی علاقهمندان به این حوزه ضروری است.
اگر شما به یادگیری ماشین علاقه دارید، ضروری است که مهارتهای برنامهنویسی خود را با پایتون تقویت کنید، زیرا بسیاری از کتابخانههای مهم یادگیری ماشین و یادگیری عمیق بر این زبان مبتنی هستند. همچنین، برای درک عمیقتر مدلهای پیچیدهتر مثل شبکههای عصبی و یادگیری عمیق، شما نیاز دارید ابتدا پایههای یادگیری ماشین را به خوبی فرا بگیرید. این دانش به شما امکان میدهد تا الگوریتمهای هوش مصنوعی را بهصورت حرفهای طراحی و اجرا کنید و در پروژههای پیشرفتهتری همچون پردازش تصویر یا تشخیص گفتار فعالیت کنید.
فرصت را از دست ندهید! با ثبتنام در دورههایی مانند آموزش ماشین لرنینگ، آموزش هوش مصنوعی، آموزش یادگیری عمیق و آموزش پایتون در مکتبخونه، میتوانید مسیر یادگیری خود را بهصورت یکپارچه و کامل طی کنید. این دورهها به شما کمک میکنند تا از مفاهیم پایه شروع کرده و بهتدریج به مباحث پیشرفته برسید. هر قدم در این مسیر، شما را به یک متخصص حرفهای در دنیای هوش مصنوعی تبدیل میکند. همین امروز ثبتنام کنید و قدمی بزرگ برای آینده شغلی خود بردارید!
در ادامه به عنوان مکمل دوره توضیحاتی کامل و جامع در رابطه با ماشین لرنینگ و ابعاد مختلف آن آورده شده است که میتواند چاشنی خوبی برای شروع کار و شرکت در این دوره آموزشی باشد.
یادگیری ماشین (Machine Learning) شاخهای از هوش مصنوعی محسوب میشود که هدف آن ایجاد الگوریتمها و مدلهایی است که میتوانند از دادهها بیاموزند و بهطور خودکار عملکرد خود را بهبود دهند. به بیان ساده، یادگیری ماشین به کامپیوترها این امکان را میدهد که از دادهها درس بگیرند و بدون نیاز به برنامهریزی دقیق، در مورد دادههای جدید تصمیمگیری کنند. از تحلیل دادهها تا پیشبینی روندها و شناسایی الگوها، یادگیری ماشین به کسبوکارها و صنایع کمک میکند تا هوشمندانهتر عمل کنند.
این فناوری در دنیای امروز، پایه و اساس بسیاری از سیستمهای هوشمند مانند تشخیص تصویر، تشخیص گفتار، پیشبینی بازار و ماشینهای خودران است. اگر میخواهید درک کاملی از یادگیری ماشین داشته باشید، پیشنهاد میکنیم که دوره آموزش یادگیری ماشین را در مکتبخونه دنبال کنید و با جزئیات دقیق این فناوری آشنا شوید.
یادگیری ماشین (Machine Learning) کاربردهای بسیار گستردهای در حوزههای مختلف دارد و به یکی از مهمترین ابزارهای فناوری در عصر حاضر تبدیل شده است. از تحلیل دادهها گرفته تا بهینهسازی سیستمها، این تکنولوژی میتواند به حل مسائل پیچیده و بهبود فرآیندهای مختلف کمک کند. در ادامه به برخی از مهمترین کاربردهای یادگیری ماشین در دنیای امروز میپردازیم:
یکی از شناختهشدهترین کاربردهای یادگیری ماشین در تشخیص تصویر و ویدیو است. الگوریتمهای یادگیری عمیق مانند شبکههای عصبی کانولوشن (CNN) به کامپیوترها اجازه میدهند تا تصاویر را تحلیل کنند و الگوها و اشیاء مختلف را تشخیص دهند. این فناوری در حوزههای مختلفی از جمله پزشکی (برای تشخیص بیماریها از روی تصاویر پزشکی مانند MRI)، امنیت (تشخیص چهره و ردیابی افراد در ویدیوهای نظارتی) و خودروهای خودران به کار میرود.
اگر به تشخیص تصاویر علاقهمند هستید و دوست دارید به صورت حرفهای آن را یاد بگیرید، در مکتب خونه انواع دوره آموزش پردازش تصویر برای این هدف موجود است.
پردازش زبان طبیعی یا NLP یکی از حوزههای جذاب و پرکاربرد یادگیری ماشین است که به کامپیوترها امکان میدهد زبان انسانی را درک کنند و با آن تعامل داشته باشند. این فناوری در ابزارهایی مانند دستیارهای صوتی هوشمند (مانند سیری و گوگل اسیستنت)، ترجمه ماشینی (مانند گوگل ترنسلیت) و تحلیل احساسات در شبکههای اجتماعی به کار گرفته میشود. همچنین، چتباتها و سیستمهای پاسخگویی هوشمند نیز بر اساس این تکنولوژی عمل میکنند. در مکتب خونه انواع دوره آموزش NLP موجود است.
در دنیای مالی، یادگیری ماشین به منظور پیشبینی قیمتها، تحلیل بازارهای مالی و تشخیص تقلب بهکار میرود. الگوریتمهای یادگیری ماشین میتوانند الگوهای پیچیده در دادههای مالی را شناسایی کنند و به پیشبینی قیمت سهام، نرخ ارز و حتی نوسانات اقتصادی کمک کنند. همچنین، این تکنولوژی در بانکداری نیز برای شناسایی رفتارهای مشکوک و جلوگیری از تقلب بهکار گرفته میشود.
در حوزه بهداشت و درمان، یادگیری ماشین به پزشکان کمک میکند تا بیماریها را سریعتر و با دقت بیشتری تشخیص دهند. الگوریتمهای پیشرفته میتوانند با تحلیل دادههای پزشکی، الگوهای بیماریها را شناسایی کنند و به پزشکان کمک کنند تا تصمیمات بهتری برای درمان بیماران بگیرند. همچنین، در توسعه داروهای جدید و بهبود فرآیندهای درمانی نیز یادگیری ماشین نقش مؤثری ایفا میکند.
در تجارت الکترونیک، یادگیری ماشین به شرکتها کمک میکند تا تجربه خرید را برای مشتریان شخصیسازی کنند. الگوریتمها میتوانند بر اساس الگوهای خرید کاربران، پیشنهادات خاص و سفارشیسازی شدهای را ارائه دهند که باعث افزایش رضایت مشتری و درآمد شرکت میشود. همچنین، یادگیری ماشین به مدیریت موجودی و بهینهسازی زنجیره تأمین نیز کمک میکند.
یکی از پیشرفتهترین کاربردهای یادگیری ماشین در صنعت خودروسازی و توسعه ماشینهای خودران است. این فناوری با استفاده از سنسورها و دوربینها، دادههای محیطی را تحلیل میکند و بر اساس آن تصمیمات لازم برای رانندگی خودکار را میگیرد. الگوریتمهای یادگیری عمیق به ماشینها کمک میکنند تا تابلوها و علائم راهنمایی را تشخیص دهند، مسیر را پیشبینی کرده و از برخوردها جلوگیری کنند.
یادگیری ماشین به طور گسترده در طراحی و بهبود بازیهای کامپیوتری نیز استفاده میشود. هوش مصنوعی در بازیها میتواند رفتارهای بازیکنان را تحلیل کند و تجربه بازی را بر اساس رفتارهای آنها تغییر دهد. همچنین، در برخی بازیها الگوریتمهای یادگیری ماشین میتوانند به عنوان حریفهای هوشمند عمل کنند که سطح بازی را ارتقا میدهند.
در حوزه بازاریابی دیجیتال، یادگیری ماشین به شرکتها کمک میکند تا کمپینهای تبلیغاتی خود را بهینهسازی کنند. با تحلیل دادههای کاربران، الگوریتمهای ماشین لرنینگ میتوانند بهصورت هوشمندانهای تبلیغات مناسب را به مخاطبان هدف نشان دهند و نرخ تبدیل را افزایش دهند. همچنین، این تکنولوژی در تحلیل رفتار مشتریان و مدیریت روابط مشتری (CRM) نقش مؤثری دارد.
الگوریتمهای یادگیری ماشین به دو دسته کلی تقسیم میشوند:
در یادگیری نظارتشده، مدلها بر اساس دادههای دارای برچسب آموزش میبینند و به پیشبینی خروجیهای جدید میپردازند. الگوریتمهای نظارتشده شامل رگرسیون خطی، رگرسیون لجستیک و ماشین بردار پشتیبان (SVM) هستند.
از سوی دیگر، در یادگیری بدون نظارت، مدلها بدون برچسبهای مشخص به کشف الگوها و دستهبندی دادهها میپردازند. خوشهبندی (Clustering) و کاهش ابعاد (Dimensionality Reduction) دو مثال برجسته از الگوریتمهای بدون نظارت هستند. هر کدام از این الگوریتمها کاربردهای خاص خود را دارند و برای حل مسائل مختلف استفاده میشوند. در دوره آموزش یادگیری ماشین مکتبخونه، تمامی این الگوریتمها بهصورت کامل و کاربردی آموزش داده میشوند.
هوش مصنوعی (Artificial Intelligence) به معنای ایجاد سیستمها و ماشینهایی است که قادر به تقلید از رفتار هوشمندانه انسان هستند، در حالی که یادگیری ماشین یکی از زیرمجموعههای هوش مصنوعی است که بر توانایی سیستمها در یادگیری و بهبود خودکار از طریق دادهها متمرکز است؛ به عبارت دیگر، یادگیری ماشین راهی است برای دستیابی به هدفهای هوش مصنوعی.
هوش مصنوعی شامل مباحث گستردهای مانند پردازش زبان طبیعی، رباتیک و سیستمهای خبره است، در حالی که یادگیری ماشین بر ایجاد الگوریتمها و مدلهایی تمرکز دارد که میتوانند از دادهها الگو یاد بگیرند و پیشبینیهای جدید انجام دهند. اگر علاقهمندید که هم تفاوتها و هم شباهتهای این دو حوزه را بهخوبی درک کنید، دوره یادگیری ماشین مکتبخونه میتواند یک منبع ارزشمند برای شما باشد.
یادگیری عمیق (Deep Learning) یکی از شاخههای پیشرفته یادگیری ماشین است که از شبکههای عصبی مصنوعی چندلایه استفاده میکند. این مدلها با الهام از ساختار مغز انسان طراحی شدهاند و قابلیت یادگیری از دادههای بسیار پیچیده و حجیم را دارند. در یادگیری عمیق، دادهها از طریق لایههای متعدد پردازش میشوند و هر لایه اطلاعات جدیدی را از دادهها استخراج میکند. این تکنیک برای کاربردهایی نظیر تشخیص تصویر، پردازش زبان طبیعی و ترجمه خودکار بسیار موفق است، زیرا میتواند الگوهای پیچیدهتری را نسبت به مدلهای سادهتر یادگیری ماشین شناسایی کند.
تفاوت اصلی یادگیری عمیق با یادگیری ماشین در ساختار و پیچیدگی مدلها و حجم دادههای مورد نیاز است. یادگیری ماشین معمولاً از مدلهای سادهتر و الگوریتمهای مبتنی بر ویژگی استفاده میکند که برای کاربردهای با دادههای کم مناسبتر هستند. در مقابل، یادگیری عمیق به حجم عظیمی از دادههای آموزش و به قدرت پردازش بالاتری احتیاج دارد. همچنین، در یادگیری ماشین معمولاً نیاز به استخراج دستی ویژگیها است، در حالی که یادگیری عمیق به صورت خودکار ویژگیهای دادهها را شناسایی و تحلیل میکند.
در دنیای امروز، یادگیری ماشین یکی از مهمترین مهارتهایی است که میتواند در درازمدت به پیشرفت حرفهای و کسب درآمد بالا کمک کند. شرکتهای بزرگ فناوری و حتی کسبوکارهای کوچک به دنبال افراد ماهر در یادگیری ماشین هستند تا بتوانند از دادهها استفاده بهینه کنند و تصمیمات هوشمندانهتری بگیرند. تسلط بر این فناوری نهتنها شما را در بازار کار متمایز میکند، بلکه به شما اجازه میدهد تا پروژههای خلاقانه و تأثیرگذاری را راهاندازی کنید.
همچنین، یادگیری ماشین میتواند در حل مسائل پیچیده و تحلیل دادههای حجیم به شما کمک کند. با شرکت در دوره آموزش یادگیری ماشین مکتبخونه، میتوانید مهارتهای لازم برای به کارگیری این فناوری را از صفر تا صد بیاموزید و به متخصصی در این حوزه تبدیل شوید. همین امروز شروع کنید و از این فرصت برای آیندهای روشنتر بهرهمند شوید!
اطلاعات بیشتر
از مجموع 217 امتیاز
65 نظرنظرات بیشتر
پس از گذراندن محتوای دوره به صورت آنلاین (بدون دانلود) در سایت مکتبخونه، در صورتی که حد نصاب قبولی در دوره را کسب و تمرین ها و پروژه های الزامی را ارسال کنید، گواهینامه رسمی پایان دوره توسط مکتبخونه به اسم شما صادر شده و در اختیار شما قرار میگیرد.
قابل اشتراکگذاری در
دکتر محمد منثوری، متولد سال ۱۳۶۲ شهرستان خوی آذربایجان غربی، دانش آموخته مهندسی برق ورودی سال ۱۳۸۰ دانشگاه شیراز است. ایشان پس از گذراندن دوره کارشناسی با درجه عالی، دوره کارشناسی ارشد خود را در دانشگاه خواجه نصیر الدین طوسی و در رشته مهندسی برق گرایش کنترل گذراند و در نهایت مدرک دکتری تخصصی (PhD) خود را در سال ۱۳۹۴ از دانشگاه خواجه نصیر الدین طوسی اخذ نمود.
ایشان هم اکنون به عنوان هیئت علمی دانشگاه شاهد در مقام استادیار مشغول به فعالیت است. شایان ذکر است ایشان در دانشگاه های تراز اول کشور از قبیل دانشگاه خواجه نصیرالدین طوسی، دانشگاه آزاد واحد علوم تحقیقات و دانشگاه آزاد واحد تهران شمال به تدریس دورههای یادگیری ماشین، یادگیری عمیق و شبکههای عصبی میپردازد.
در زمینه فعالیتهای کاری ایشان، میتوان به حضور چندین ساله به عنوان مشاور فنی در شرکتهای مختلفی از قبیل آسیاتک، صنایع الکترونیک شیراز، پژوهشکده دریایی دانشگاه امام حسین (ع) و شرکت محک توان انرژی اشاره نمود. همچنین راه اندازی اولین روبات در رستوران روباتیکی از جمله فعالیتهای ایشان در حوزه صنعت است.
علاوه بر این، دکتر منثوری همبنیانگذار آکادمی یادگیری ماشین ایران (Iran Machine learning) است که با هدف ارائه راهکارهای هوشمصنوعی و آموزش آن در ایران فعالیت میکند.
اطلاعات بیشتر
سهیل تهرانیپور، دانش آموخته رشته کامپیوتر ورودی سال ۱۳۸۶ دانشگاه خواجه نصیر الدین طوسی است. وی دوره کارشناسی ارشد خود را در رشته هوش مصنوعی و رباتیک طی نموده و هم اکنون دارای مدرک دکتری (PhD) رشته هوش مصنوعی است.
ایشان بیش از 5 سال، سابقه برگزاری دورههای آموزشی یادگیری ماشین، یادگیری عمیق و دیتاساینس را در سازمانهای بزرگی مانند وزارت نفت، همراه اول و شرکت مخابرات ایران در کارنامه خود دارد. همکاری با جهاد دانشگاهی شریف، یوتک و نیز برگزاری دورههای مختلف در دانشگاه تهران و بهشتی از زمره فعالیتهای آموزشی ایشان به شمار میرود.
ایشان هم اکنون مدیرعامل و عضو هیئت مدیره شرکت ساعیان ارتباط است که در حوزه مخابرات نسل جدید و ارائه راهکارهای هوشمصنوعی در صنعت مخابرات فعال است.
همچنین وی همبنیانگذار آکادمی یادگیری ماشین ایران (Iran Machine learning) است که با هدف ارائه راهکارهای هوشمصنوعی و آموزش آن در ایران فعالیت میکند.
اطلاعات بیشتر