- درباره آکادمی
- مدارس تخصصی
- خرید اشتراک
مبانی هوش مصنوعی و یادگیری عمیق
هوش مصنوعی فناوری است که در آن به ماشین‌ها توانایی انجام کارهایی داده می‌شود که معمولاً نیاز به تفکر انسانی دارند. انواع هوش مصنوعی شامل یادگیری ماشین و شبکه‌های عصبی است که طیف وسیعی از کاربردها در حمل و نقل، مراقبت‌های بهداشتی، سرگرمی، آموزش، کشاورزی، تولید، امنیت سایبری و دفاع ملی را دارد. در این دوره ابتدا با انواع هوش مصنوعی آشنا خواهیم شد و تفاوت هوش مصنوعی، یادگیری ماشین و یادگیری عمیق را درک می‌کنیم. سپس نوع خاصی از هوش مصنوعی که الگوریتم های یادگیرنده یا اصطلاحا یادگیری ماشین هستند با مثال و پیاده سازی در محیط پایتون بیان می‌شوند و در نهایت یادگیری عمیق و تفاوت نگرش حل مساله با یادگیری ماشین تشریح می‌گردد.
مشخصات دوره
مطالب دوره
اطلاعات تکمیلی دوره
اهداف کلی دوره شامل؛ آشنایی با هوش مصنوعی و انواع آن، آشنایی با یادگیری ماشین و انواع الگوریتم ها، استفاده از الگوریتم های یادگیری ماشین در پایتون، آشنایی با انواع الگوریتم های یادگیری عمیق و پیاده سازی الگوریتم های مقدماتی یادگیری عمیق می‌باشد. بنابراین در پایان دوره، با فریم ورک های موجود در زبان پایتون حل مساله انجام داده و فهم عمیقی درباره هوش مصنوعی و کاربردهای آن به دست می‌آورید.
مخاطبان:
دانشجویان و فارغ‌التحصیلان رشته‌های کامپیوتر برای آشنایی با Software2 به عنوان نوعی مهارت حل مساله.
دانشجویان و فارغ‌التحصیلان رشته‌های صنایع، برق، معماری، مکانیک و ... که قصد دارند از الگوریتمهای هوش مصنوعی برای حل مسائل مربوط به رشته خود استفاده کنند.
متخصصین فعال در حوزه بینایی کامپیوتر
کارآفرینانی که علاقه‌مند به راه‌اندازی کسب‌و‌کار در این حوزه هستند و یا می‌خواهند از این تکنولوژی برای رشد و توسعه کسب‌و‌کار خویش استفاده نمایند.
پیش‌نیاز:
آشنایی به مقدمات زبان برنامه‌نویسی پایتون الزامی است.
آشنایی به مبانی ریاضیات شامل ماتریس ها، جبر خطی و مشتق مطلوب است.
نحوه ارزیابی دوره:
100 درصد آزمون نهایی دوره
منابع اصلی تدریس دوره:
کتاب Deep Learning with Python, Second Edition (Francois Chollet)
داکیومنت های سایت TensorFlow ،Keras و scikit-learn
مدرس دوره
