آشنایی با هوش مصنوعی

مدرس Doug Rose

انتشار 2024/11/21

مدت زمان 2h 26m

سطح مناسب همه

فایل تمرینی دارد

آموزش Introduction to Artificial Intelligence

دانشمندان رایانه فقط بخش کوچکی از افرادی هستند که در هوش مصنوعی کار می کنند (AI). بیشتر افرادی که با هوش مصنوعی کار می کنند دقیقاً مثل شما هستند. آنها متخصص ، معلمان و دانش آموزانی هستند که می خواهند از هوش مصنوعی برای تقویت محصولات ، خلاقیت و حرفه خود استفاده کنند. هوش مصنوعی بیش از نیم قرن است. علیرغم پیشرفت های عظیم در هوش مصنوعی پیش بینی کننده و مولد ، مفاهیم اصلی هوش مصنوعی هنوز در دسترس هستند. ابتدا بیاموزید که برای یک سیستم برای نمایش "هوش" چه معنی دارد. سپس ، تفاوت بین AI پیش بینی کلاسیک و AI جدیدتر AI را کشف کنید. در مرحله بعد ، یک مرور کلی از الگوریتم های یادگیری ماشین ، شبکه های عصبی مصنوعی ، مدل های بنیاد و یادگیری عمیق دریافت خواهید کرد. از AI کنجکاو تا حرفه ای AI ، این دوره به شما کمک می کند تا با سیستم های هوشمند شروع به کار کنید. مایکروسافت.

سواد هوش مصنوعی Artificial Intelligence (AI)

Introduction

Why you need to know about artificial intelligence ()

1. What Is Artificial Intelligence?

Define general intelligence ()

The general problem-solver ()

Strong vs. weak AI ()

2. Popular Uses for Artificial Intelligence

Predictive AI ()

Generative AI ()

3. The Rise of Machine Learning

Machine learning ()

Artificial neural networks ()

4. Common AI Systems

Searching for patterns in data ()

Robotics ()

Natural language processing ()

The internet of things ()

Generative systems ()

5. Learn from Data

Labeled and unlabeled data ()

Massive datasets ()

Data models ()

6. Identify Patterns

Classify data ()

Cluster data ()

Reinforcement learning ()

7. Machine Learning Algorithms

Common algorithms ()

K-nearest neighbor ()

K-means clustering ()

Regression ()

Naive Bayes ()

8. Fit the Algorithm

Select the best algorithm ()

Follow the data ()

Overfitting and underfitting ()

9. Artificial Neural Networks

Build a neural network ()

Weighing the connections ()

The activation bias ()

10. Improve Accuracy

Learning from mistakes ()

Step through the network ()

11. The Rise of Generative AI

Self-supervised learning ()

Foundation models ()

Large language models (LLM) ()

Image diffusion models ()

12. Generative AI Architecture

Generative adversarial networks (GAN) ()

Variational autoencoder (VAE) ()

Transformers ()

13. Ethical and Legal Challenges

The alignment problem ()

Decision traceability ()

Privacy concerns ()

14. Where to Go from Here

Using AI systems ()

Applying AI to solve problems ()

Glossary_IntroArtificialIntelligence.zip (41 KB)

دانلود فایل فشرده

با توجه به امکانات آموزش و همچنین امکانات بسته انتخاب شده لینک دانلود فایل فشرده آماده خواهد شد. با در نظر داشتن این شرایط لطفا بسته مورد نظر خود را انتخاب کرده و روی دکمه درخواست لینک دانلود کلیک کنید

در حال به روزرسانی اطلاعات

درخواست لینک دانلود

در حال به روزرسانی اطلاعات

لطفا قبل از فعالسازی لینک دانلود به موارد زیر توجه کنید:

پسورد فایل‌های فشرده است.
لینک‌های آماده شده تا 8 روز پس از فعالسازی منقضی خواهند شد.
حجم فایل‌ها تخمینی هستند.
در صورتی که لینک دانلود تا 15دقیقه پس از درخواست آماده نشد، از بخش پشتیبانی پیگیری نمایید.

مسیرهای یادگیری آموزش آشنایی با هوش مصنوعی

یکی از مهمترین مشکلات افرادی که از آموزش های آنلاین استفاده می‌ کنند این است به دلیل تعداد زیاد این آموزش ها، کاربر دچار سردرگمی شده و نمی داند از کدام آموزش بهتر است شروع کند و یا با کدام آموزش ها مهارت های خود را ارتقا دهد. داشتن یک برنامه آموزشی گام به گام میتواند کاربران را از این مشکلات رها کند. در واقع مسیرهای یادگیری مجموعه ای از آموزش ها هستند که به ترتیب اولویت در کنار هم قرار گرفته اند تا کاربران را از این سردرگمی ها نجات دهند. این مسیرها در موضوعات مختلفی دسته بندی شده‌اند که در زیر، لیستی از همه دسته بندی مسیرهایی که توسط سایت لیندا ارائه شده اند را می توانید مشاهده کنید.

آموزش Introduction to Artificial Intelligence در 4 مسیر آموزشی قرار دارد. تخصص مورد نظر خود را انتخاب کنید، با مسیر یادگیری آن همراه شوید و حرفه ای شوید.

این مسیر یادگیری جامع هوش مصنوعی و پتانسیل تحول آفرین آن را در صنایع معرفی می کند. پایه‌های هوش مصنوعی، از جمله هوش مصنوعی پیش‌بینی‌کننده و مولد را بیاموزید و پیشرفت‌های یادگیری ماشین، شبکه‌های عصبی و یادگیری عمیق را کشف کنید. مهارت های عملی در مدیریت پروژه، همکاری فنی و اجرای هوش مصنوعی اخلاقی به دست آورید تا هوش مصنوعی را به طور موثر در استراتژی کسب و کار خود ادغام کنید. سفر خود را برای تسلط بر مفاهیم هوش مصنوعی و رهبری نوآوری آغاز کنید.

آموزش آشنایی با هوش مصنوعی ، ایستگاه شماره 1 در مسیر یادگیری استفاده از هوش مصنوعی به عنوان یک رهبر فناوری ، است.

مسیر یادگیری استفاده از هوش مصنوعی به عنوان یک رهبر فناوری

در چشم انداز فناوری امروزی که به سرعت در حال تغییر است، درک هوش مصنوعی برای حرفه ای ها در هر صنعتی ضروری است. این مسیر یادگیری ساختاریافته به شما این امکان را می دهد که هوش مصنوعی را در کار خود ادغام کنید و بهره وری و نوآوری را افزایش دهید. بیاموزید که چگونه تشخیص دهید که هوش مصنوعی کجا می‌تواند کمک کند، وظایف را ساده کنید و کیفیت را افزایش دهید. مهارت های عملی را در ایجاد اعلان های موثر، استفاده از ابزارهای هوش مصنوعی و همکاری با سیستم های هوش مصنوعی به دست آورید. سفر خود را شروع کنید تا نحوه کار با هوش مصنوعی را متحول کنید.

آموزش آشنایی با هوش مصنوعی ، ایستگاه شماره 1 در مسیر یادگیری ایجاد سواد هوش مصنوعی ، است.

مسیر یادگیری ایجاد سواد هوش مصنوعی

هوش مصنوعی مولد در حال تغییر شکل صنایع با تغییر نحوه انجام کار است. این مسیر یادگیری شما را در خط مقدم این انقلاب خلاقانه قرار می دهد، که شامل تولید محتوا، مدل های کلیدی، روندهای آینده، ملاحظات اخلاقی و ابزارهایی مانند Microsoft Copilot می شود. مهارت های ضروری را برای مهار هوش مصنوعی مولد در حرفه خود به دست آورید. از امروز شروع کنید تا بتوانید در این دوران تحول آفرین رهبری کنید.

آموزش آشنایی با هوش مصنوعی ، ایستگاه شماره 6 در مسیر یادگیری الزامات شغلی در هوش مصنوعی تولیدی توسط مایکروسافت و لینکدین ، است.

مسیر یادگیری الزامات شغلی در هوش مصنوعی تولیدی توسط مایکروسافت و لینکدین

قدرت علم داده را با این گواهینامه حرفه ای جامع باز کنید. مهارت‌های ضروری را برای ایجاد بینش تجاری، تصمیم‌گیری مبتنی بر داده و استفاده از فناوری‌های هوش مصنوعی به دست آورید. مهارت های فنی و غیر فنی را برای یک حرفه موفق در علم داده توسعه دهید. وارد شوید، امتحان نهایی را قبول کنید و گواهینامه خود را دریافت کنید.

آموزش آشنایی با هوش مصنوعی ، ایستگاه شماره 3 در مسیر یادگیری گواهی حرفه ای علم داده توسط KNIME ، است.