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