0

وبینار مسیر شغلی متخصص هوش مصنوعی

وبینار مسیر شغلی متخصص هوش مصنوعی

درباره این دوره
درباره دوره: در این وبینار از مجموعه دوره‌های آموزش هوش مصنوعی و آموزش ماشین لرنینگ می‌خواهیم بدانیم هوش مصنوعی چیست و چرا باید آن را دنبال کنیم، کاربردهای آن کجای زندگی به به چشم می‌آید؟ چه مسیر شغلی را برای تبدیل شدن به یک متخصص هوش مصنوعی طی کنیم؟ در واقع هوش مصنوعی به هوشی می‌گویند که یک ماشین در شرایط مختلف از خود نشان می‌دهد. ماشینی که تلاش شده مثل انسان وقایع و اتفاقات را احساس کند، عاقلانه فکر کند، عاقلانه عمل کند، مثل انسان فکر کند و مثل انسان عمل کند. موارد بیان شده ویژگی‌های هوش مصنوعی است که برای ملموس شدن موضوع به شرح هرکدام از ویژگی‌های آن می‌پردازیم: –       مانند انسان عمل کردن (Acting humanly) –       مانند انسان فکر کردن (Thinking  humanly) –       عاقلانه فکر کردن (Think rationally) –       عاقلانه عمل کردن (Act rationally) کاربردهای هوش مصنوعی برای متخصص هوش مصنوعی سیستم‌های خبره، برنامه‌هایی كامپیوتری هستند که الگوی منطقی‌ دارند و نحوه تفكر و تصمیم‌گیری یك متخصص در یك زمینه خاص را شناسایی و شبیه‌سازی می‌كنند. شبكه‌های عصبی شبیه‌سازی شده یا كامپیوتری قادر هستند تا بخش كوچكی از خصوصیات و ویژگی‌های شبكه‌های عصبی بیولوژیك را شبیه‌سازی كنند. در حقیقت، هدف از ایجاد یك شبكه عصبی نرم‌افزاری، بیش از آنكه شبیه‌سازی مغز انسان باشد، ایجاد مكانیسمی برای حل مسائل مهندسی با الهام از الگوی رفتاری شبكه‌های بیولوژیك است. الگوریتم‌های ژنتیك الگوریتم‌هایی هستند كه دارای قدرت بسیار زیادی در یافتن جواب مسئله هستند، اما باید توجه داشت كه شاید بتوان كاربرد اصلی این الگوریتم‌ها را در مسائلی در نظر گرفت كه دارای فضای حالت بسیار بزرگ هستند و عملاً بررسی همه حالت‌ها برای انسان در زمان‌های نرمال (در حد عمر بشر) ممكن نیست. از میان همه شاخه‌های هوش مصنوعی، شاید كاربردی‌ترین آن‌ها كامپیوتری و مكانیزه كردن سیستم‌های بینایی باشد. دامنه كاربرد این شاخه از فناوری در حال رشد، بسیار وسیع است و از كاربردهای عادی و معمولی مثل كنترل كیفیت خط تولید و نظارت ویدئویی گرفته تا تكنولوژی‌های جدید مثل اتومبیل‌های بدون راننده را دربرگرفته است. پردازش‌ زبان‌های‌ طبیعی‌ به‌عنوان‌ زیرمجموعه‌ای‌ از هوش‌ مصنوعی‌، می‌تواند توصیه‌ها و بیانات‌ را با استفاده‌ از زبانی‌ که‌ شما به‌ طور طبیعی‌ در مکالمات‌ روزمره‌ به‌کار می‌برید، بفهمد و مورد پردازش‌ قرار دهد. مهم‌ترین کاربرد گراف مدل‌سازی پدیده‌های گوناگون و بررسی بر روی آن‌هاست. با گراف می‌توان به راحتی یک نقشه بسیار بزرگ یا شبکه‌ای عظیم را در درون یک ماتریس به نام ماتریس وقوع گراف ذخیره کرد و یا الگوریتم‌های‌ مناسب مانند الگوریتم دایجسترا یا الگوریتم کروسکال و غیره را بر روی آن اعمال نمود. الگوریتم کلونی مورچه الهام گرفته شده از مطالعات و مشاهدات روی کلونی مورچه‌هاست. این مطالعات نشان داده که مورچه‌ها حشراتی اجتماعی هستند که در کلونی‌ها زندگی می‌کنند و رفتار آن‌ها بیشتر در جهت بقاء کلونی است. از کاربردهای ACO می‌توان به بهینه کردن هر مسئله‌ای که نیاز به یافتن کوتاه‌ترین مسیر دارد، اشاره نمود: منطق فازی تکنولوژی جدیدی است که شیوه‌های مرسوم برای طراحی و مدل‌سازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتا پیچیده است با استفاده از مقادیر و شرایط زبانی و یا به عبارتی دانش فرد خبره و با هدف ساده‌سازی و کارآمدتر شدن طراحی سیستم جایگزین و یا تا حدود زیادی تکمیل می‌نماید. هوش مصنوعی خیلی آهسته وارد همه ابعاد زندگی ما شده‌است و جایگزین کارهای سنتی می‌شود، از آنجا که هر روز بیش از پیش با ماشین‌هایی که حاوی هوش مصنوعی هستند در ارتباط هستیم و هر روز هوش مصنوعی زندگی ما را بیشتر متحول می‌کند ضرورت دارد آن را بشناسیم تا بهتر بتوانیم از آن در جهت بهبود زندگی خود استفاه کنیم. بهتر است بدانیم هوش مصنوعی به زودی منشی‌ها و پاسخگویان تلفنی را منقرض می‌کند. گسترش هوش مصنوعی نه تنها بسیاری از مشاغل را به خطر انداخته، بلکه کیفیت کار بالاتر و هزینه بسیار پائین‌تر آن موجب خواهد شد که بسیاری مشاغل غیرپیچیده در آینده‌ای نه چندان دور منقرض شوند، از جمله این مشاغل نیز می‌توان به ویزیتورها و پاسخگویان تلفنی اشاره کرد. در یکی از آخرین تحولات در این زمینه استارتاپ Kea که اخیرا 10 میلیون دلار جذب سرمایه کرده‌است، به رستوران‌ها هوش مصنوعی خاصی ارائه می‌دهد که سفارشات مشتریان را به صورت تلفنی دریافت و ثبت می‌کند. بنا به اظهارات توسعه‌دهندگان، هوش مصنوعی فوق برخلاف پاسخگویان انسانی خسته نخواهد شد و با صدایی زیبا و با حوصله به تمامی سوالات پاسخ می‌دهد و با تسلطی کامل سفارشات را ثبت می‌کند و از دیگر سو با توجه به عدم محدودیت تعداد اپراتورهای مصنوعی می‌توان همزمان به تعداد بیشتری از مشتریان خدمات ارائه کرد. وبینار چگونه متخصص هوش مصنوعی شویم؟: 1 – وبینار چگونه متخصص هوش مصنوعی شویم؟
سرفصل‌های دوره
وبینار چگونه متخصص هوش مصنوعی شویم؟: 1 – وبینار چگونه متخصص هوش مصنوعی شویم؟
موسسه برگزارکننده
دوره آموزش وردپرس مکتب‌خونه

مکتب خونه

مدرس

حمیدرضا حسین‌خانی

دوره‌های مشابه
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
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
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
نظرات شما

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *