آموزش ملزومات هوش مصنوعی گوگل

درباره این دوره

درباره دوره: دوره Google AI Essentials از مجموعه دوره‌های آموزش هوش مصنوعی مکتب خونه یک آموزش جامع است که به شما کمک می‌کند بدون نیاز به دانش قبلی برنامه‌نویسی، مهارت‌های اساسی هوش مصنوعی را فرا بگیرید و بهره‌وری خود را در هر شغلی افزایش دهید. این دوره توسط متخصصان گوگل طراحی شده است تا شما را با کاربردهای عملی هوش مصنوعی در دنیای واقعی آشنا کند. دیگر نیازی نیست فقط درباره هوش مصنوعی بخوانید؛ شما یاد می‌گیرید که چگونه از آن برای حل مشکلات روزمره خود استفاده کنید. با شرکت در این دوره، شما به یک ابزار قدرتمند برای حل مشکلات و دستیابی به اهداف خود مجهز خواهید شد. مقدمه‌ای بر AI: 1 – مقدمه‌ای بر ملزومات هوش مصنوعی گوگل 2 – هوش مصنوعی و آینده کار 3 – یادگیری از داستان‌های موفقیت هوش مصنوعی 4 – مایا: دنیای هیجان‌انگیز هوش مصنوعی 5 – بررسی نحوه استفاده هوش مصنوعی از یادگیری ماشین 6 – اصول بنیادی هوش مصنوعی مولد 7 – درک قابلیت‌ها و محدودیت‌های هوش مصنوعی 8 – وینت: استفاده از هوش مصنوعی برای تغییر مثبت 9 – استفاده از هوش مصنوعی به عنوان یک ابزار همکاری 10 – الک: آسان‌تر کردن کارهای روزانه با هوش مصنوعی 11 – جمع‌بندی بهینه‌سازی بهره‌وری با ابزارهای هوش مصنوعی: 1 – مقدمه فصل: بهینه‌سازی بهره‌وری با ابزارهای هوش مصنوعی 2 – کشف کاربردهای هوش مصنوعی مولد 3 – تریس: روش‌های مورد علاقه من برای استفاده از هوش مصنوعی 4 – درک نحوه کار ابزارهای هوش مصنوعی 5 – متحول کردن کار خود با هوش مصنوعی مولد 6 – کار با Gemini 7 – مانویندر: روش‌هایی که من از هوش مصنوعی در کار خود استفاده می‌کنم 8 – بهره‌برداری از رویکرد انسان در حلقه برای هوش مصنوعی 9 – کتی: بررسی نحوه بهبود مدل‌های هوش مصنوعی توسط مردم 10 – تعیین اینکه آیا هوش مصنوعی مولد برای کار مناسب است؟ 11 – جمع‌بندی کشف هنر مهندسی سریع: 1 – مقدمه فصل: کشف هنر مهندسی سریع 2 – درک مدل‌های زبان بزرگ 3 – یوفنگ: آزمایش با مهندسی سریع 4 – نوشتن درخواست‌های واضح و خاص 5 – بهره‌برداری از قابلیت‌های LLM در محل کار 6 – بهبود خروجی هوش مصنوعی از طریق تکرار 7 – کشف درخواست‌های کم‌شات 8 – راچنا: بهبود درخواست‌ها از طریق اکتشاف 9 – جمع‌بندی استفاده مسئولانه از هوش مصنوعی: 1 – مقدمه فصل: استفاده مسئولانه از هوش مصنوعی 2 – درک تعصب در هوش مصنوعی 3 – شناسایی آسیب‌های هوش مصنوعی 4 – امیلیو: مسیر من برای کار در هوش مصنوعی مسئولانه 5 – خطرات امنیتی و حریم خصوصی هوش مصنوعی 6 – جالن: کار من در تیم هوش مصنوعی مسئولانه 7 – شاون: توسعه هوش مصنوعی که برای همه کار می‌کند 8 – جمع‌بندی پیشرو بودن در منحنی هوش مصنوعی: 1 – مقدمه فصل: پیشرو بودن در منحنی هوش مصنوعی 2 – شاربانی: آینده هوش مصنوعی 3 – آنوپ: تقویت با هوش مصنوعی 4 – الهام گرفتن از نوآوری هوش مصنوعی 5 – رینا: الهام گرفتن از نحوه استفاده دیگران از هوش مصنوعی 6 – مزایای به‌روز ماندن با هوش مصنوعی 7 – گرگ: ادامه اکتشاف با هوش مصنوعی 8 – جمع‌بندی 9 – نتیجه‌گیری دوره

سرفصل‌های دوره

مقدمه‌ای بر AI: 1 – مقدمه‌ای بر ملزومات هوش مصنوعی گوگل 2 – هوش مصنوعی و آینده کار 3 – یادگیری از داستان‌های موفقیت هوش مصنوعی 4 – مایا: دنیای هیجان‌انگیز هوش مصنوعی 5 – بررسی نحوه استفاده هوش مصنوعی از یادگیری ماشین 6 – اصول بنیادی هوش مصنوعی مولد 7 – درک قابلیت‌ها و محدودیت‌های هوش مصنوعی 8 – وینت: استفاده از هوش مصنوعی برای تغییر مثبت 9 – استفاده از هوش مصنوعی به عنوان یک ابزار همکاری 10 – الک: آسان‌تر کردن کارهای روزانه با هوش مصنوعی 11 – جمع‌بندی بهینه‌سازی بهره‌وری با ابزارهای هوش مصنوعی: 1 – مقدمه فصل: بهینه‌سازی بهره‌وری با ابزارهای هوش مصنوعی 2 – کشف کاربردهای هوش مصنوعی مولد 3 – تریس: روش‌های مورد علاقه من برای استفاده از هوش مصنوعی 4 – درک نحوه کار ابزارهای هوش مصنوعی 5 – متحول کردن کار خود با هوش مصنوعی مولد 6 – کار با Gemini 7 – مانویندر: روش‌هایی که من از هوش مصنوعی در کار خود استفاده می‌کنم 8 – بهره‌برداری از رویکرد انسان در حلقه برای هوش مصنوعی 9 – کتی: بررسی نحوه بهبود مدل‌های هوش مصنوعی توسط مردم 10 – تعیین اینکه آیا هوش مصنوعی مولد برای کار مناسب است؟ 11 – جمع‌بندی کشف هنر مهندسی سریع: 1 – مقدمه فصل: کشف هنر مهندسی سریع 2 – درک مدل‌های زبان بزرگ 3 – یوفنگ: آزمایش با مهندسی سریع 4 – نوشتن درخواست‌های واضح و خاص 5 – بهره‌برداری از قابلیت‌های LLM در محل کار 6 – بهبود خروجی هوش مصنوعی از طریق تکرار 7 – کشف درخواست‌های کم‌شات 8 – راچنا: بهبود درخواست‌ها از طریق اکتشاف 9 – جمع‌بندی استفاده مسئولانه از هوش مصنوعی: 1 – مقدمه فصل: استفاده مسئولانه از هوش مصنوعی 2 – درک تعصب در هوش مصنوعی 3 – شناسایی آسیب‌های هوش مصنوعی 4 – امیلیو: مسیر من برای کار در هوش مصنوعی مسئولانه 5 – خطرات امنیتی و حریم خصوصی هوش مصنوعی 6 – جالن: کار من در تیم هوش مصنوعی مسئولانه 7 – شاون: توسعه هوش مصنوعی که برای همه کار می‌کند 8 – جمع‌بندی پیشرو بودن در منحنی هوش مصنوعی: 1 – مقدمه فصل: پیشرو بودن در منحنی هوش مصنوعی 2 – شاربانی: آینده هوش مصنوعی 3 – آنوپ: تقویت با هوش مصنوعی 4 – الهام گرفتن از نوآوری هوش مصنوعی 5 – رینا: الهام گرفتن از نحوه استفاده دیگران از هوش مصنوعی 6 – مزایای به‌روز ماندن با هوش مصنوعی 7 – گرگ: ادامه اکتشاف با هوش مصنوعی 8 – جمع‌بندی 9 – نتیجه‌گیری دوره

موسسه برگزارکننده

مکتب خونه

مدرس

Google Career Certificates

دوره‌های مشابه

مقایسه

آموزش رایگان هوش مصنوعی و یادگیری عمیق پیشرفته

درباره دوره: هوش مصنوعی یکی از دروس کارشناسی رشته مهندسی کامپیوتر می‌باشد که در این درس دانشجویان به آنالیز داده‌ها یادگیری ماشین، یادگیری عمیق و .. می‌پردازند. این درس جز دروس مهم مهندسی کامپیوتر به حساب می‌آید به ویژه برای دانشجویانی که قصد ادامه دادن این رشته در کارشناسی ارشد را دارند. مقدمات اولیه: 1 - text classification Embeddings: 1 - آشنایی با Embeddings 2 - نحوه ساخت و جاسازی کلمه speech and voice: 1 - معرفی صوت سری‌های زمانی، شبکه‌های عصبی بازگشتی( RNN) و پیاده‌سازی در Keras: 1 - شبکه‌های بازگشتی RNN 2 - شبکه‌های بازگشتی RNN 3 - Tensors and model subclassing 4 - captcha 5 - Text generation with an RNN مفهوم توجه در یادگیری عمیق: 1 - توجه

مقایسه

آموزش ساخت چت‌بات‌های توانمند هوش مصنوعی بدون برنامه‌نویسی

درباره دوره: این دوره از مجموعه دوره های آموزش هوش مصنوعی به شما آموزش می‌دهد چگونه چت‌بات‌های مفید بدون نیاز به نوشتن کد ایجاد کنید. با استفاده از قابلیت‌های پردازش زبان طبیعی IBM Watson، یاد خواهید گرفت چگونه چت‌بات‌هایی را برنامه‌ریزی، پیاده‌سازی، آزمایش و مستقر کنید که کاربران شما را خوشحال کنند نه ناراحت. وفادار به وعده ما که نیازی به کد نویسی نیست، شما یاد خواهید گرفت چگونه به‌صورت بصری چت‌بات‌ها را با Watson Assistant (که قبلاً Watson Conversation نام داشت) ایجاد کنید و چگونه آنها را از طریق یک افزونه کاربردی وردپرس در وب‌سایت خود مستقر کنید. وب‌سایتی ندارید؟ نگران نباشید، یک وب‌سایت در اختیار شما قرار خواهد گرفت. چت‌بات‌ها موضوع داغی در صنعت ما هستند و قرار است به بزرگی برسند. هر روز شغل‌های جدیدی که نیاز به این مهارت خاص دارند، اضافه می‌شود، مشاوران نرخ‌های بالایی مطالبه می‌کنند و علاقه به چت‌بات‌ها به‌سرعت در حال انفجار است. گارتنر پیش‌بینی می‌کند که تا سال 2020، 85٪ از تعاملات مشتریان با شرکت‌ها از طریق روش‌های خودکار (که شامل چت‌بات‌ها و فناوری‌های مرتبط است) خواهد بود. این فرصتی است برای شما تا این مجموعه مهارت‌های بسیار پرتقاضا را با یک مقدمه ملایم به موضوع یاد بگیرید که هیچ‌چیزی را از قلم نمی‌اندازد. مقدمه‌ای بر چت‌بات‌ها: 1 - خوش آمدید 2 - مقدمه‌ای بر چت‌بات‌ها کار با Intent: 1 - کار با Intent موجودیت‌ها (Entity): 1 - کار با Entity‌ها گفت‌وگو (Dialog): 1 - همه با هم 2 - ساخت چت‌بات‌های کاربرپسند استقرار (Deployment): 1 - دیپلوی یک وب‌سایت وردپرس متغیرهای زمینه و اسلات (Context Variables & Slots): 1 - کار با متغیرهای زمینه‌ای و Slotها انحرافات (Digressions): 1 - درک انحرافات خلاصه: 1 - نتیجه‌گیری اکشن‌های واتسون (Watson Actions): 1 - خوش آمدید به دستیار واتسون 2 - ساخت اکشن‌های واتسون 3 - مهاجرت مهارت‌های گفت‌وگو به اکشن‌های واتسون آزمون نهایی: 1 - سخنان پایانی

مقایسه

آموزش رایگان داده‌کاوی

درباره دوره: آموزش رایگان داده‌کاوی پیش رو در یکی از کلاس‌های دانشگاه شریف ضبط شده است. داده‌کاوی یکی از مهم‌ترین و جذاب‌ترین درس‌های رشته مهندسی کامپیوتر در گرایش نرم‌افزار محسوب می‌شود. داده‌کاوی در واقع فرایندی است که شرکت‌ها برای تبدیل داده‌های خام به اطلاعات مفید انجام می‌دهند. متخصصان داده‌کاوی با جستجو میان داده‌ها، الگوهای خاصی پیدا کرده و از آن‌ها برای کسب اطلاعات بیشتر در مورد مشتریان، استراتژی‌های بازاریابی مؤثر، فروش بیشتر و ... استفاده می‌کنند. داده‌کاوی به جمع‌آوری مؤثر داده‌ها، نگهداری از آن‌ها و پردازش کامپیوتری بستگی دارد. از آنجایی که در سال‌های اخیر حجم داده‌ها به شکل چشمگیری افزایش یافته است، اهمیت آموزش رایگان داده‌کاوی هم روزبه‌روز بیشتر می‌شود. یکی از مهم‌ترین کاربردهای داده‌کاوی در بازاریابی است. با کمک این علم می‌توانید مشتریان سودآور و مشتریان وفادار و قدیمی‌تان خود را بشناسید، سبد محصول خود را بهینه کنید، طول عمر مشتری را بسنجید، عملکرد یک برنامه بازاریابی را بررسی کرده و با کشف الگو و روند خرید مشتریان، فروش خود را پیش‌بینی کنید. در دوره آموزش رایگان داده‌کاوی علاوه بر یادگیری این علم تا حدودی با دیتا ساینس یا علوم داده هم آشنا می‌شوید. امروزه داده‌ها بیشتر از هر چیز دنیا را گرفته‌اند. با استفاده از داده‌ها می‌توان به اطلاعات بسیار خوبی دست یافت و آن‌ها را در صنایع گوناگون به کار برد. هدف از یادگیری آموزش رایگان داده‌کاوی این است که دانشجویان کارشناسی ارشد و دکترا و سایر علاقه‌مندان به این زمینه کار با داده‌های بزرگ و تحلیل آن‌ها را یاد بگیرند و الگوهای میان داده‌ها را کشف کنند. کار با داده‌ها پایه و اساس یادگیری ماشین محسوب می‌شود؛ بنابراین اگر می‌خواهید در زمینه یادگیری ماشین، یادگیری عمیق و همچنین علوم داده‌ها فعالیت داشته باشید، باید به داده‌کاوی مسلط باشید. دوره آموزش رایگان داده‌کاوی ابتدا به توضیح مفاهیم پیش‌پردازش داده‌ها و معرفی انبار داده می‌پردازد. سپس مباحث مرتبط با داده‌کاوی را به شما آموزش می‌دهد. فصل اول: آموزش رایگان داده‌کاوی: 1 - جلسه اول 2 - جلسه دوم 3 - جلسه سوم 4 - جلسه چهارم 5 - جلسه پنجم 6 - جلسه ششم 7 - جلسه هفتم 8 - جلسه هشتم 9 - جلسه نهم 10 - جلسه دهم 11 - جلسه یازدهم 12 - جلسه دوازدهم 13 - جلسه سیزدهم 14 - جلسه چهاردهم 15 - جلسه پانزدهم 16 - جلسه شانزدهم 17 - جلسه هفدهم 18 - جلسه هجدهم 19 - جلسه نوزدهم 20 - جلسه بیستم 21 - جلسه بیست‌ویکم 22 - جلسه بیست و دوم 23 - جلسه بیست و سوم 24 - جلسه بیست و چهارم 25 - جلسه بیست و پنجم 26 - جلسه بیست و ششم 27 - جلسه و بیست و هفتم 28 - بیست و هشت 29 - بیست و نه

آموزش ملزومات هوش مصنوعی گوگل

آموزش ملزومات هوش مصنوعی گوگل

درباره این دوره

سرفصل‌های دوره

موسسه برگزارکننده

مکتب خونه

مدرس

Google Career Certificates

دوره‌های مشابه

آموزش رایگان هوش مصنوعی و یادگیری عمیق پیشرفته

آموزش ساخت چت‌بات‌های توانمند هوش مصنوعی بدون برنامه‌نویسی

آموزش رایگان داده‌کاوی

نظرات شما

دیدگاهتان را بنویسید لغو پاسخ