×
ribbon

مهندسی هوش مصنوعی 2025: بوت‌کمپ کامل مهندس هوش مصنوعی

مهندسان هوش مصنوعی بهترین موقعیت را برای رشد در عصر هوش مصنوعی دارند. آن‌ها به کسب‌وکارها کمک می‌کنند تا با ساخت برنامه‌های مبتنی بر هوش مصنوعی روی وب‌سایت‌ها، اپلیکیشن‌ها و پایگاه‌داده‌های موجودشان از هوش مصنوعی ... بیشتر

0 دانشجو
مقدماتی تا پیشرفته

آکادمی گرولی

+ 1 مدرس دیگر

به‌روزرسانی: ۱۴۰۴/۰۹/۲۹

محتوای دوره
درباره دوره
درباره استاد

آنچه در این دوره می‌آموزید

این دوره تمام ابزارهایی را که برای تبدیل شدن به یک مهندس هوش مصنوعی نیاز دارید، فراهم می‌کند.

مفاهیم کلیدی هوش مصنوعی را درک کنید و یک پایه محکم بسازید.

برنامه‌نویسی پایتون را شروع کنید و یاد بگیرید چگونه از آن برای NLP و هوش مصنوعی استفاده کنید.

با نشان دادن درک عمیق از حوزه هوش مصنوعی، مصاحبه‌کنندگان را تحت تأثیر قرار دهید.

مهارت‌های خود را در سناریوهای واقعی کسب‌وکار به کار بگیرید.

از قدرت مدل‌های زبانی بزرگ (LLMs) بهره ببرید.

محتوای دوره

76 فصل 419 جلسه 32 ساعت ویدیو
بخش مقدمه‌ای بر هوش مصنوعی: شروع کار
  ساخت یک ابزار هوش مصنوعی در 5 دقیقه (یک دموی سریع)
مشاهده
"10:16
  این دوره چه موضوعاتی را پوشش می‌دهد؟
مشاهده
"03:17
  هوش طبیعی در برابر هوش مصنوعی
مشاهده
"02:06
  تاریخچه مختصر هوش مصنوعی
مشاهده
"05:00
  رفع ابهام از هوش مصنوعی، علم داده، یادگیری ماشین و یادگیری عمیق
"02:27
  هوش مصنوعی ضعیف در برابر هوش مصنوعی قوی
"02:43
  آزمون شماره 1
"04:00
بخش مقدمه‌ای بر هوش مصنوعی: داده برای ساخت هوش مصنوعی ضروری است
بخش مقدمه‌ای بر هوش مصنوعی: تکنیک‌های کلیدی هوش مصنوعی
بخش مقدمه‌ای بر هوش مصنوعی: شاخه‌های مهم هوش مصنوعی
بخش مقدمه‌ای بر هوش مصنوعی: درک هوش مصنوعی مولد
بخش مقدمه‌ای بر هوش مصنوعی: چالش‌های عملی در هوش مصنوعی مولد
بخش مقدمه‌ای بر هوش مصنوعی: مجموعه فناوری‌های هوش مصنوعی
بخش مقدمه‌ای بر هوش مصنوعی: موقعیت‌های شغلی در حوزه هوش مصنوعی
بخش مقدمه‌ای بر هوش مصنوعی: نگاهی به آینده
بخش پایتون: چرا پایتون؟
بخش پایتون: راه‌اندازی محیط توسعه
بخش پایتون: متغیرها و نوع داده‌ها در پایتون
بخش پایتون: قوانین پایه‌ای پایتون
بخش پایتون: ادامهٔ مبحث اپراتورها
بخش پایتون: دستورات شرطی
بخش پایتون: توابع
بخش پایتون: دنباله‌ها
بخش پایتون: حلقه‌ها و تکرار (Iteration)
بخش پایتون: چند مفهوم و اصطلاح مهم پایتون
بخش پردازش زبان طبیعی (NLP): مقدمه
بخش پردازش زبان طبیعی (NLP): پیش‌پردازش متن
بخش پردازش زبان طبیعی (NLP): شناسایی اجزای جمله و موجودیت‌های نام‌گذاری‌شده
بخش پردازش زبان طبیعی (NLP): تحلیل احساسات
بخش پردازش زبان طبیعی (NLP): تبدیل متن به بردار
بخش پردازش زبان طبیعی (NLP): مدل‌سازی موضوعات
بخش پردازش زبان طبیعی (NLP): ساخت طبقه‌بندی متن خودتان
بخش پردازش زبان طبیعی (NLP): طبقه‌بندی اخبار جعلی (مطالعهٔ موردی)
بخش پردازش زبان طبیعی (NLP): آیندهٔ پردازش زبان طبیعی
بخش مدل‌های زبانی بزرگ (LLMs): مقدمه‌ای بر مدل‌های زبانی بزرگ
بخش مدل‌های زبانی بزرگ (LLMs): معماری ترنسفورمر
بخش مدل‌های زبانی بزرگ (LLMs): شروع کار با مدل‌های GPT
بخش مدل‌های زبانی بزرگ (LLMs): ترنسفورمرهای Hugging Face
بخش مدل‌های زبانی بزرگ (LLMs): مدل‌های پرسش و پاسخ با BERT
بخش مدل‌های زبانی بزرگ (LLMs): طبقه‌بندی متن با XLNet
بخش LangChain: مقدمه
بخش LangChain: توکن‌ها، مدل‌ها و قیمت‌ها
بخش LangChain: راه‌اندازی محیط توسعه
بخش LangChain: رابط برنامه‌نویسی OpenAI (API)
بخش LangChain: ورودی‌های مدل
بخش LangChain: تجزیه‌کننده‌های خروجی
بخش LangChain: زبان بیان LangChain
بخش LangChain: تولید تقویت‌شده با بازیابی (RAG)
بخش LangGraph : مقدمه
بخش LangGraph: راه‌اندازی محیط توسعه
بخش LangGraph: مؤلفه‌های گراف و پیاده‌سازی
بخش LangGraph: مدیریت پیام‌ها
بخش LangGraph: نگهداری داده‌ها در سطح Thread
بخش پایگاه‌ داده‌های برداری: مقدمه
بخش پایگاه‌ داده‌های برداری: مبانی فضای برداری و داده‌های با ابعاد بالا
بخش پایگاه‌ داده‌های برداری: مقدمه‌ای بر پایگاه‌ داده برداری Pinecone
بخش پایگاه‌ داده‌های برداری: جستجوی معنایی با Pinecone و سفارشی (مطالعهٔ موردی)
بخش تشخیص گفتار: مقدمه
بخش تشخیص گفتار: مبانی صدا و گفتار
بخش تشخیص گفتار: تبدیل آنالوگ به دیجیتال
بخش تشخیص گفتار: استخراج ویژگی‌های صوتی برای کاربردهای هوش مصنوعی
بخش تشخیص گفتار: اصول و عملکرد فناوری
بخش تشخیص گفتار: راه‌اندازی محیط توسعه
بخش تشخیص گفتار: تبدیل صوت به متن با استفاده از Google Web Speech API
بخش تشخیص گفتار: نویز پس‌زمینه و طیف‌نگاشت‌ها
بخش تشخیص گفتار: تبدیل صوت به متن با استفاده از OpenAI Whisper
بخش تشخیص گفتار: بحث پایانی و مسیرهای آینده
بخش مهندسی مدل‌های زبانی بزرگ (LLM) : مقدمه
بخش مهندسی مدل‌های زبانی بزرگ (LLM): مرحله برنامه‌ریزی
بخش مهندسی مدل‌های زبانی بزرگ (LLM): طراحی و آزمایش پرسش‌های هوش مصنوعی (Prompts)
بخش مهندسی مدل‌های زبانی بزرگ (LLM): آشنایی با Streamlit
بخش مهندسی مدل‌های زبانی بزرگ (LLM): توسعه نمونه اولیه
بخش مهندسی مدل‌های زبانی بزرگ (LLM): حل چالش‌های واقعی هوش مصنوعی
بخش اخلاق هوش مصنوعی: مقدمه‌ای بر اخلاق هوش مصنوعی و داده‌ها
بخش اخلاق هوش مصنوعی: اصول اساسی اخلاق در هوش مصنوعی
بخش اخلاق هوش مصنوعی: جمع‌آوری داده‌ها به‌صورت اخلاقی
بخش اخلاق هوش مصنوعی: توسعه اخلاقی هوش مصنوعی
بخش اخلاق هوش مصنوعی: استقرار اخلاقی هوش مصنوعی
بخش اخلاق هوش مصنوعی: هوش مصنوعی اخلاقی برای کاربران نهایی و کسب‌وکارها
بخش اخلاق هوش مصنوعی: هوش مصنوعی اخلاقی برای کاربران فردی
بخش اخلاق هوش مصنوعی: اخلاق ChatGPT
بخش اخلاق هوش مصنوعی: چارچوب‌های قانونی داده‌ها و هوش مصنوعی

درباره دوره

مهندسان هوش مصنوعی بهترین موقعیت را برای رشد در عصر هوش مصنوعی دارند. آن‌ها به کسب‌وکارها کمک می‌کنند تا با ساخت برنامه‌های مبتنی بر هوش مصنوعی روی وب‌سایت‌ها، اپلیکیشن‌ها و پایگاه‌داده‌های موجودشان از هوش مصنوعی مولد بهره‌برداری کنند. بنابراین، تعجبی ندارد که تقاضا برای مهندسان هوش مصنوعی در بازار کار به شدت افزایش یافته است.

با این حال، عرضه بسیار کم بوده و کسب مهارت‌های لازم برای استخدام شدن به عنوان مهندس هوش مصنوعی می‌تواند چالش‌برانگیز باشد.

پس راه‌حل چیست؟

دانشگاه‌ها در ایجاد برنامه‌های تخصصی و عملی در حوزه مهندسی هوش مصنوعی کند عمل کرده‌اند. تعداد کمی از برنامه‌هایی که وجود دارند نیز معمولاً هزینه‌بر و زمان‌بر هستند.

بیشتر دوره‌های آنلاین تنها ترفندهای ChatGPT و مهارت‌های فنی پراکنده را آموزش می‌دهند و ادغام این مهارت‌ها با یکدیگر همچنان دشوار است.

راه‌حل

مهندسی هوش مصنوعی یک حوزه میان‌رشته‌ای است که شامل موارد زیر می‌شود:

  • اصول و کاربردهای عملی هوش مصنوعی
  • برنامه‌نویسی پایتون
  • پردازش زبان طبیعی با پایتون
  • مدل‌های زبانی بزرگ و ترنسفورمرها
  • توسعه برنامه‌ها با ابزارهای ارکستریشن مانند LangChain
  • پایگاه‌داده‌های برداری با Pinecone

ساخت اپلیکیشن‌های مبتنی بر هوش مصنوعی

هر موضوع بر اساس موضوع قبلی بنا می‌شود و رد شدن از مراحل می‌تواند باعث سردرگمی شود. برای مثال، استفاده از مدل‌های زبانی بزرگ نیازمند آشنایی با LangChain است. همان‌طور که یادگیری پردازش زبان طبیعی بدون مهارت‌های پایه پایتون دشوار خواهد بود.

به همین دلیل ما بوت‌کمپ مهندسی هوش مصنوعی 2025 را ایجاد کردیم تا مؤثرترین، سریع‌ترین و ساختارمندترین آموزش مهندسی هوش مصنوعی آنلاین را ارائه دهیم. این برنامه آموزشی پیشرو بزرگ‌ترین مانع ورود به حوزه مهندسی هوش مصنوعی را از بین می‌برد: جمع‌آوری تمام منابع ضروری در یک مکان.

دوره ما به‌گونه‌ای طراحی شده تا موضوعات مرتبط را به‌طور یکپارچه آموزش دهد و تمام آنچه برای تبدیل شدن به یک مهندس هوش مصنوعی نیاز دارید، با هزینه و زمان کمتر نسبت به برنامه‌های سنتی، فراهم کند.

مهارت‌هایی که در طی این دوره می‌آموزید:

1. مقدمه‌ای بر هوش مصنوعی

داده ساختاریافته و غیرساختاریافته، یادگیری ماشین نظارت‌شده و بدون‌نظارت، هوش مصنوعی مولد و مدل‌های بنیادی این اصطلاحات آشنا دقیقاً به چه معنا هستند؟

چرا باید هوش مصنوعی بخوانیم؟

در این بخش، درک عمیقی از اصول هوش مصنوعی، اهمیت داده باکیفیت، تکنیک‌های مهم، هوش مصنوعی مولد و توسعه مدل‌های پیشرفته مانند GPT، Llama، Gemini و Claude به دست می‌آورید.

2. برنامه‌نویسی پایتون

تسلط بر پایتون برای تبدیل شدن به یک توسعه‌دهنده هوش مصنوعی ماهر ضروری است ابزارهای بدون کدنویسی کافی نیستند.

پایتون یک زبان مدرن، همه‌منظوره و مناسب برای ساخت وب‌اپلیکیشن‌ها، بازی‌ها و پروژه‌های داده‌محور است. کتابخانه‌های گسترده آن، این زبان را برای توسعه مدل‌های هوش مصنوعی ایده‌آل می‌کند.

چرا باید پایتون یاد بگیریم؟

پایتون ابزار اصلی شما برای ارتباط با مدل‌های هوش مصنوعی و ادغام توانایی آن‌ها در محصولاتتان خواهد بود.

3. مقدمه‌ای بر NLP با پایتون

کاوش در پردازش زبان طبیعی و یادگیری تکنیک‌هایی که به کامپیوترها اجازه می‌دهد زبان انسان را درک، تولید و دسته‌بندی کنند.

چرا باید NLP یاد بگیریم؟

NLP پایه مدل‌های پیشرفته هوش مصنوعی مولد است و این برنامه مهارت‌های ضروری برای ساخت سیستم‌های هوش مصنوعی مبتنی بر زبان را به شما آموزش می‌دهد.

4. مقدمه‌ای بر مدل‌های زبانی بزرگ

این بخش، مهارت‌های NLP شما را با آموزش استفاده از توانایی‌های قدرتمند LLMها ارتقا می‌دهد. ابزارهایی مانند معماری ترنسفورمر، GPT، LangChain، HuggingFace، BERT و XLNet را فرا خواهید گرفت.

چرا باید LLMها را یاد گرفت؟

این ماژول دروازه‌ای است به سمت درک نحوه عملکرد مدل‌های زبانی بزرگ و کاربرد آن‌ها برای حل مسائل پیچیده زبانی.

5. ساخت اپلیکیشن با LangChain

LangChain چارچوبی برای توسعه آسان اپلیکیشن‌های هوش مصنوعی از طریق اتصال اجزای مختلف است.

چرا باید LangChain یاد بگیریم؟

چون به شما می‌آموزد چگونه برنامه‌هایی بسازید که بتوانند استدلال کنند و اجزایی مانند مدل‌های زبانی، پایگاه‌داده‌ها و الگوریتم‌های استدلال را به هم متصل کنید.

6. پایگاه‌داده‌های برداری

با رشد فناوری‌های هوش مصنوعی، اهمیت داده‌های برداری و پایگاه‌داده‌های برداری به‌طور چشمگیری افزایش می‌یابد. در این ماژول با Pinecone، یکی از برترین پایگاه‌داده‌های برداری، آشنا می‌شوید.

چرا باید پایگاه‌داده‌های برداری را یاد بگیریم؟

زیرا برای مدیریت و جست‌وجوی مؤثر حجم عظیمی از داده‌های چندبعدی ضروری هستند و برای ساخت اپلیکیشن‌های هوش مصنوعی بهینه‌سازی‌شده حیاتی‌اند.

7. تشخیص گفتار با پایتون

در این بخش وارد دنیای جذاب تشخیص گفتار می‌شوید و یاد می‌گیرید سیستم‌های هوش مصنوعی چگونه گفتار را به متن و اطلاعات قابل استفاده تبدیل می‌کنند.

چرا باید تشخیص گفتار یاد بگیریم؟

زیرا پایه دستیارهای صوتی، ابزارهای تبدیل گفتار به متن و رابط‌های صوتی است.

آنچه پس از اتمام این دوره به دست می‌آورید:

  • مهارت‌های ضروری برای استخدام در مهندسی هوش مصنوعی
  • گواهی پایان دوره
  • به‌روزرسانی‌های آینده
  • حل مسائل واقعی کسب‌وکار برای آمادگی شغلی

ما مشتاقیم که به شما کمک کنیم از صفر تبدیل به یک مهندس هوش مصنوعی شوید

با محتوای عالی دوره و بدون هیچ ریسکی، مطمئنیم که از آن لذت خواهید برد.

چرا تأخیر؟ هر روز یک فرصت از دست‌رفته است. دکمه "افزودن به سبد خرید" را بزنید و به برنامه مهندسی هوش مصنوعی ما بپیوندید.

این دوره برای چه کسانی مناسب است؟

  • اگر می‌خواهید مهندس هوش مصنوعی شوید یا با این حوزه آشنا شوید
  • اگر به‌دنبال یک شغل عالی هستید
  • این دوره برای مبتدیان نیز ایده‌آل است، زیرا از مبانی شروع شده و به‌تدریج مهارت‌هایتان را ارتقا می‌دهد 
 

اطلاعات بیشتر

گواهی‌نامه

مهندسی هوش مصنوعی 2025: بوت‌کمپ کامل مهندس هوش مصنوعی

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

linkdin

درباره استاد

آکادمی گرولی
85 دوره
24,584 دانشجو

آکادمی گرولی با هدف توانمندسازی و توسعه حرفه‌ای افراد در حوزه‌های مختلف شغلی  فعالیت می‌کند. دوره‌ها و وبینارهایی که گرولی ارائه می‌کند، به شما در جهت ارتقای مهارت‌های فنی و  نرم در حوزه‌های تخصصی مانند مدیریت محصول، بازاریابی دیجیتال، رشد (Growth) و توسعه کسب‌وکار  و دیگر حوزه‌های شغلی دسته‌بندی می‌شوند. آکادمی گرولی، اولین مجموعه در ایران است که دوره‌های حرفه‌ای شرکت بین‌المللی ریفورج  که شامل ۲۱ دوره با محتوای کاربردی در کلاس جهانی می‌باشد را با زیرنویس فارسی ارائه کرده است.

اطلاعات بیشتر

دیگر دوره‌های آکادمی گرولی

365 Careers
3 دوره
381 دانشجو

365 Careers ارائه‌دهنده شماره ۱ دوره‌های کسب‌وکار، مالی و علم داده در Udemy است. دوره‌های این شرکت توسط بیش از ۳,۰۰۰,۰۰۰ دانشجو در ۲۱۰ کشور گرفته شده‌اند. افرادی که در شرکت‌های برتر جهان مانند اپل، پی‌پال و سیتی‌بانک مشغول به کار هستند، آموزش‌های 365 Careers را تکمیل کرده‌اند.

در حال حاضر، 365 در Udemy بر روی موضوعات زیر تمرکز دارد:

مالی – مبانی مالی، مدل‌سازی مالی در اکسل، ارزش‌گذاری، حسابداری، بودجه‌بندی سرمایه‌ای، تحلیل صورت‌های مالی (FSA)، بانکداری سرمایه‌گذاری (IB)، خرید اهرمی (LBO)، برنامه‌ریزی و تحلیل مالی (FP&A)، بودجه‌بندی شرکتی، کاربرد پایتون در مالی، مطالعه موردی ارزش‌گذاری تسلا، CFA، ACCA، و CPA

علم داده – آمار، ریاضیات، احتمال، SQL، برنامه‌نویسی پایتون، پایتون برای مالی، هوش تجاری، R، یادگیری ماشین، تنسرفلو، تبلو، ادغام SQL و تبلو، ادغام SQL، پایتون، تبلو، پاور بی‌آی، مدل‌سازی ریسک اعتباری و تحلیل اعتباری، سواد داده، مدیریت محصول، Pandas، Numpy، استراتژی داده

کارآفرینی – استراتژی کسب‌وکار، مدیریت و مدیریت منابع انسانی، بازاریابی، تصمیم‌گیری، مذاکره و متقاعدسازی، استراتژی و بازاریابی تسلا

بهره‌وری در دفتر – مایکروسافت اکسل، پاورپوینت، مایکروسافت ورد، و مایکروسافت اوت‌لوک

بلاکچین برای کسب‌وکار

تمام دوره‌های ما دارای ویژگی‌های زیر هستند:

  • از پیش‌نوشته‌شده
  • عملی
  • متمرکز و دقیق
  • جذاب
  • آزمایش شده در دنیای واقعی

با انتخاب 365 Careers، مطمئن می‌شوید که از کارشناسان اثبات‌شده‌ای که به تدریس علاقه دارند و می‌توانند شما را در کوتاه‌ترین زمان ممکن از سطح مبتدی به حرفه‌ای برسانند، یاد خواهید گرفت.

اگر می‌خواهید تحلیل‌گر مالی، دانشمند داده، تحلیل‌گر کسب‌وکار، تحلیل‌گر داده، تحلیل‌گر هوش تجاری، مدیر کسب‌وکار، مدیر مالی، تحلیل‌گر FP&A، بانکدار سرمایه‌گذاری یا کارآفرین شوید، دوره‌های 365 Careers بهترین مکان برای شروع هستند.

اطلاعات بیشتر

دیگر دوره‌های 365 Careers