به مقدمه هوش مصنوعی در دوره مرکز داده خوش آمدید! همانطور که می دانید، هوش مصنوعی یا AI، جامعه را از بسیاری جهات متحول می کند. از تشخیص گفتار گرفته تا بهبود مدیریت زنجیره تامین، فناوری هوش مصنوعی قدرت محاسباتی، ابزارها و الگوریتم‌هایی را در اختیار شرکت‌ها قرار می‌دهد که تیم‌هایشان برای انجام کارهای زندگی خود به آن‌ها نیاز دارند. اما هوش مصنوعی چگونه در مرکز داده کار می کند؟ چه زیرساخت های سخت افزاری و نرم افزاری مورد نیاز است؟ اینها برخی از سوالاتی است که این دوره به شما کمک می کند تا به آنها بپردازید. این دوره مقدمه ای بر مفاهیم و اصطلاحات را پوشش می دهد که به شما کمک می کند سفر به سمت محاسبات هوش مصنوعی و GPU را در مرکز داده آغاز کنید. شما در مورد موارد زیر یاد خواهید گرفت: * موارد استفاده از هوش مصنوعی و هوش مصنوعی، یادگیری ماشین، یادگیری عمیق، و نحوه انجام آموزش و استنتاج در یک گردش کار یادگیری عمیق. * تاریخچه و معماری GPU ها، تفاوت آنها با CPU ها و اینکه چگونه هوش مصنوعی را متحول می کنند. * چارچوب‌های یادگیری عمیق، پشته نرم‌افزار هوش مصنوعی، و ملاحظات در هنگام استقرار بارهای کاری هوش مصنوعی در یک مرکز داده در prem، در ابر، در یک مدل ترکیبی یا در یک محیط چند ابری. * الزامات برای خوشه‌های هوش مصنوعی چند سیستمی، ملاحظات برای برنامه‌ریزی زیرساخت، از جمله سرورها، شبکه‌ها و ذخیره‌سازی و ابزارهایی برای مدیریت، نظارت و هماهنگ‌سازی خوشه‌ها. این دوره بخشی از مواد آماده سازی برای همکار تایید شده NVIDIA - گواهی "AI در مرکز داده" است. این گواهینامه تخصص شما را به سطح بالاتری می برد و از پیشرفت حرفه ای شما پشتیبانی می کند. کی این درس را برمیدارد؟ * متخصصان فناوری اطلاعات * مدیران سیستم و شبکه * DevOps * متخصصان مرکز داده بدون نیاز به تجربه قبلی. این یک دوره مقدماتی برای محاسبات هوش مصنوعی و GPU در مرکز داده است. برای کسب اطلاعات بیشتر در مورد برنامه صدور گواهینامه NVIDIA، به این آدرس مراجعه کنید: https://academy.nvidia.com/en/nvidia-certified-associate-data-center/ پس بیایید شروع کنیم!

Ini adalah kursus pengantar pembelajaran mikro yang dimaksudkan untuk menjelaskan AI مسئول، alasan pentingnya مسئول AI، دان کار Google megimplementasikan مسئول هوش مصنوعی Dalam produknya. Kursus ini juga memperkenalkan 7 Prinsip AI Google.

این یک دوره آموزشی در سطح مقدماتی است که هدف آن توضیح این است که هوش مصنوعی مسئول چیست، چرا مهم است و چگونه گوگل هوش مصنوعی مسئول را در محصولات خود پیاده‌سازی می‌کند. همچنین 7 اصل هوش مصنوعی گوگل را معرفی می کند.

זהו קורס מבוא ממוקד שמטרתו להסביר מהי אתיקה של בינה מלאשולימות יך Google נוהגת לפי כללי האתיקה של הבינה המלאכותית במוצרים שלה. מוצגים בו גם 7 עקרונות ה-AI של Google.

این دوره مقدماتی یک کاوش جامع از هوش مصنوعی مولد، از جمله ترانسفورماتورها، ChatGPT برای تولید متن، و شبکه های متخاصم مولد (GANs)، مدل انتشار برای تولید تصاویر ارائه می دهد. در پایان این دوره، شما یک درک اساسی از این مدل های هوش مصنوعی مولد، تئوری های اساسی آنها و ملاحظات عملی به دست خواهید آورد. شما یک پایه محکم خواهید ساخت و آماده خواهید شد تا در دوره بعدی عمیق تر در موضوعات پیشرفته تر فرو بروید.

آموزش‌های میکرو شاگردی، qui s'adresse aux débutants، مشروح ce qu'est l'IA générative، décrit à quoi elle sert et souligne ce qui la distingue des méthodes of machine Learning Traditnel. Il presente aussi les outils Google qui vous aideront à développer votre propre application d'IA Générative.

Este é um curso de microaprendizagem introdutório que busca explicar a IA Generativa: o que é, como é usada e por que ela é diferente de metodos tradicionais de learning machine. O curso também aborda as ferramentas do Google que ajudam você a desenvolver apps de IA Generativa.

זהו קורס מבוא ממוקד שמטרתו להסביר מהי בינה מלאכושית ממוקד מטרתו ובמה היא שונה משיטות מסורתיות של למידת מכונה. הוא גם כולל הסבר על הכלים של Google שיעזרו לכם לפתח אפליקציות בימיתנת בית משלכם.

Este es un curso introdutorio de microaprendizaje destinado a explicar qué es la IA Generativa، como se utiliza y en qué se diferencia de los métodos de aprendizaje automátic tradicionales. También abarca las herramientas de Google para ayudarte a desarrollar tus propias aplicaciones de IA Generativa.

Ini adalah kursus pengantar pembelajaran mikro yang bertujuan untuk mendefinisikan AI Generatif, cara penggunaannya, dan perbedaannya dari metode machine learning konvensional. Kursus ini juga mencakup Alat-alat Google Yang Dapat Membantu Anda Mengembangkan Appasi AI Generatif Anda sendiri.

این برنامه، ارائه خدمات هوشمند مصنوعی (IA) و Aprendizaje Automático (AA) در Google Cloud است که می‌تواند اطلاعات مربوط به IA را در گزارش‌های پایه‌های IA، el desarrollo de la IA و راه‌حل‌های IA، پذیرفته باشد. برای ایجاد مدل‌های کانال‌های AA، کاوش در فناوری‌های مختلف، محصولات و محصولات موجود برای ایجاد مدل‌های کانال‌های AA، به‌عنوان برنامه‌های IA ژنراتیو در عملکردهای مختلف، اهداف los usuarios، como de cienterosarios. د IA.

هوش مصنوعی このコースでは、予測 AI と生成 AI および機械学習（ML）サービスについて紹介します。AI هوش مصنوعی の基盤、開発 へのライフサイクル全体で利用可能なテクノロジー. 説明するとともに、魅力的な学習体験と実践的なハンズオン演習を通 サイエンティスト、AI 開発者、ML エンジニアの方々がスキルや知識を強化でき るようサポートすることを目指しています.

این دوره، پیشنهادات هوش مصنوعی (AI) و یادگیری ماشین (ML) را در Google Cloud معرفی می کند که از چرخه عمر داده به AI از طریق پایه های AI، توسعه AI و راه حل های AI پشتیبانی می کند. این فن‌آوری‌ها، محصولات و ابزارهای موجود برای ساخت مدل ML، خط لوله ML، و یک پروژه هوش مصنوعی مولد بر اساس اهداف مختلف کاربران، از جمله دانشمندان داده، توسعه‌دهندگان هوش مصنوعی و مهندسان ML را بررسی می‌کند.

مقدمه ای بر Cloud Identity به عنوان محل شروع هر ادمین های جدید Cloud Identity، Identity/Access Management/Mobile Device Management است که سفر خود را برای مدیریت و ایجاد امنیت و بهترین شیوه های مدیریت دسترسی برای سازمان خود آغاز می کنند. این دوره یک هفته‌ای 15 تا 30 ساعته باعث می‌شود که شما برای استفاده از عملکردهای اصلی کنسول مدیریت برای مدیریت کاربران، کنترل دسترسی به سرویس‌ها، پیکربندی تنظیمات امنیتی رایج و بسیاری موارد دیگر مطمئن باشید. از طریق مجموعه‌ای از درس‌های مقدماتی، تمرین‌های عملی گام به گام، منابع دانش Google و بررسی دانش، فراگیران می‌توانند انتظار داشته باشند که این آموزش را با تمام مهارت‌هایی که برای شروع به‌عنوان مدیران جدید Cloud Identity نیاز دارند، ترک کنند. اهداف یادگیری شرکت کنندگان در پایان این دوره قادر خواهند بود: • یک دامنه Cloud Identity برای سازمان یا دامنه شخصی خود ایجاد کنید. • اضافه کردن کاربران به منظور تمرین مدیریت چرخه عمر کاربر. • مجوزهای کاربر را برای به دست آوردن درک درستی از ویژگی های اصلی Cloud Identity تغییر دهید. • دستگاه های تلفن همراه را در ماژول مدیریت Google Mobile اضافه کنید. • برای آشنایی با گزینه های محصول، مجموعه سیاست های مدیریت تلفن همراه را اصلاح کنید. • ماژول گزارش ها را پیمایش کنید، و اجرای گزارش ها را تمرین کنید. • پروتکل های امنیتی مختلف را در دامنه کاوش و اعمال کنید. مهم - قبل از ثبت نام، باید آماده باشید: • برای 14 روز آزمایشی رایگان Cloud Identity ثبت نام کنید. باید اطلاعات روش پرداخت را وارد کنید. اگر می‌خواهید نمونه Cloud Identity خود را در پایان آموزش پایان دهید و از کسر هزینه اجتناب کنید، گام به گام به شما نشان خواهیم داد که چگونه حساب خود را لغو کنید. • یک دامنه جدید بخرید یا از دامنه ای استفاده کنید که قبلاً مالک آن هستید. دامنه ای که استفاده می کنید به عنوان بخشی از آزمایش Cloud Identity گنجانده نشده است.

این کلاس به شما اصول واقعیت افزوده (AR) و نحوه ایجاد یک تجربه AR با استفاده از ARCore را آموزش می دهد. از طریق دوره چهار هفته ای، یاد خواهید گرفت: - نحوه شناسایی انواع مختلف تجربیات AR - ابزارها و پلتفرم های مورد استفاده در چشم انداز AR - چه چیزی AR را "واقعی" می کند - موارد استفاده محبوب برای AR - نحوه ایجاد یک جریان استفاده از AR - تجربیات AR چگونه کار می کنند - ابزارهایی مانند Google Poly و Unity برای ایجاد تجربیات AR - مراحل بعدی برای شروع ساختن یک تجربه AR با استفاده از ARCore و ابزارهای دیگر این دوره مفاهیم پیچیده AR را تجزیه می کند تا درک آنها را آسان کند، در حالی که نکات و دانش متخصصان تیم ARCore Daydream را به اشتراک می گذارد. این دوره برای مبتدیانی که به تازگی با AR یا ARCore شروع کرده اند عالی است.

این دوره شما را با واقعیت مجازی (VR) آشنا می کند. این دوره همه چیز را از اصول VR - سخت افزار و تاریخچه VR - تا کاربردهای مختلف VR، روانشناسی واقعیت مجازی و چالش های رسانه به شما آموزش می دهد. این دوره برای افرادی طراحی شده است که به تازگی با VR به عنوان یک رسانه آشنا هستند. ممکن است قبلاً مقداری واقعیت مجازی را تجربه کرده باشید و ممکن است کمی سخت افزار داشته باشید - اما این دوره برای افرادی که هرگز واقعیت مجازی را تجربه نکرده اند و کسانی که سخت افزار زیادی ندارند مناسب است - ما واقعیت مجازی موبایل و همچنین دستگاه هایی مانند Oculus Rift را توضیح خواهیم داد. و HTC Vive. مقدمه ای بر واقعیت مجازی اولین دوره تخصصی در زمینه واقعیت مجازی است. یک زبان آموز بدون تجربه قبلی در واقعیت مجازی و/یا برنامه نویسی بازی می تواند برنامه های کاربردی VR موجود را ارزیابی کند و تا پایان دوره تخصصی، تجربیات/بازی های VR خود را با استفاده از Unity طراحی، آزمایش و پیاده سازی کند.

یادگیری عمیق تکنیکی است که برای بسیاری از کاربردها، از پردازش زبان طبیعی گرفته تا زیست پزشکی، مورد استفاده قرار می گیرد. یادگیری عمیق می تواند انواع مختلفی از داده ها مانند تصاویر، متون، صدا/صدا، نمودارها و غیره را مدیریت کند. این دوره اصول اولیه DL از جمله نحوه ساخت و آموزش پرسپترون چندلایه، شبکه های عصبی کانولوشن (CNN)، شبکه های عصبی تکراری (RNN)، رمزگذارهای خودکار (AE) و شبکه های متخاصم مولد (GAN) را پوشش می دهد. این دوره شامل چندین پروژه عملی، از جمله تشخیص سرطان با CNN، RNN در توییت‌های بلایا، و تولید تصاویر سگ با GAN است. دانش کدنویسی یا برنامه نویسی قبلی مورد نیاز است. ما در طول دوره به طور گسترده از پایتون استفاده خواهیم کرد. توصیه می کنیم دو دوره قبلی در زمینه تخصصی، مقدمه یادگیری ماشین: یادگیری نظارت شده و الگوریتم های بدون نظارت در یادگیری ماشین را بگذرانید، اما نیازی به آنها نیست. مهارت های ریاضی در سطح دانشگاه، از جمله حساب دیفرانسیل و انتگرال و جبر خطی، مورد نیاز است. برخی از بخش های کلاس نسبتا فشرده ریاضی خواهد بود. این دوره را می توان برای اعتبار آکادمیک به عنوان بخشی از مدرک کارشناسی ارشد CU Boulder در علوم داده یا کارشناسی ارشد در علوم کامپیوتر ارائه شده در پلت فرم Coursera گذراند. این مدارک تحصیلات تکمیلی کاملاً معتبر دوره های هدفمند، جلسات کوتاه 8 هفته ای و شهریه پرداختی را ارائه می دهند. پذیرش بر اساس عملکرد در سه دوره مقدماتی است، نه سابقه تحصیلی. مدارک CU در Coursera برای فارغ التحصیلان اخیر یا متخصصان شاغل ایده آل است. بیشتر بدانید: کارشناسی ارشد در علم داده: https://www.coursera.org/degrees/master-of-science-data-science-boulder کارشناسی ارشد در علوم کامپیوتر: https://coursera.org/degrees/ms-computer-science-boulder تصویر لوگوی دوره توسط رایان والاس در Unsplash.

به دنبال شروع حرفه ای در یادگیری عمیق هستید؟ دیگر نگاه نکنید. این دوره شما را با زمینه یادگیری عمیق آشنا می کند و به شما کمک می کند به بسیاری از سوالاتی که امروزه مردم می پرسند پاسخ دهید، مانند یادگیری عمیق چیست و مدل های یادگیری عمیق چگونه با شبکه های عصبی مصنوعی مقایسه می شوند؟ شما با مدل های مختلف یادگیری عمیق آشنا خواهید شد و اولین مدل یادگیری عمیق خود را با استفاده از کتابخانه Keras خواهید ساخت. پس از اتمام این دوره، فراگیران قادر خواهند بود: • توضیح دهید که شبکه عصبی چیست، مدل یادگیری عمیق چیست و تفاوت بین آنها چیست. • درکی از مدل های یادگیری عمیق بدون نظارت مانند رمزگذارهای خودکار و ماشین های محدود بولتزمن نشان دهید. • نشان دادن درک درستی از مدل های یادگیری عمیق تحت نظارت مانند شبکه های عصبی کانولوشن و شبکه های تکراری. • با استفاده از کتابخانه Keras، مدل ها و شبکه های یادگیری عمیق بسازید.

این دوره به شما مقدمه ای برای یادگیری ماشین با زبان برنامه نویسی پایتون می دهد. شما در مورد یادگیری تحت نظارت، یادگیری بدون نظارت، یادگیری عمیق، پردازش تصویر و شبکه های متخاصم مولد خواهید آموخت. شما مدل‌های یادگیری ماشین را با استفاده از پایتون پیاده‌سازی خواهید کرد و با بسیاری از کاربردهای یادگیری ماشینی که امروزه در صنعت استفاده می‌شود آشنا خواهید شد. همچنین در مورد الگوریتم های مختلف یادگیری ماشینی برای ایجاد مدل های خود یاد خواهید گرفت و از آنها استفاده خواهید کرد. برای یادگیری مطالب در این دوره نیازی به پیشینه برنامه نویسی یا علوم کامپیوتر ندارید. این دوره برای همه کسانی که علاقه مند به یادگیری نحوه کدنویسی و نوشتن برنامه در پایتون هستند آزاد است. ما بسیار هیجان زده هستیم که با ما یاد خواهید گرفت و امیدواریم از این دوره لذت ببرید!

یادگیری ماشینی (ML) به ما این امکان را می‌دهد که به رایانه‌ها آموزش دهیم تا بر اساس داده‌ها پیش‌بینی و تصمیم بگیرند و از تجربیات بیاموزند. در سال‌های اخیر، بهینه‌سازی‌های باورنکردنی برای الگوریتم‌های یادگیری ماشین، چارچوب‌های نرم‌افزاری و سخت‌افزار تعبیه‌شده انجام شده است. به لطف این، اجرای شبکه های عصبی عمیق و سایر الگوریتم های پیچیده یادگیری ماشینی در دستگاه های کم مصرف مانند میکروکنترلرها امکان پذیر است. این دوره به شما یک نمای کلی از نحوه کار یادگیری ماشین، نحوه آموزش شبکه های عصبی و نحوه استقرار آن شبکه ها در میکروکنترلرها را ارائه می دهد که به عنوان یادگیری ماشین جاسازی شده یا TinyML شناخته می شود. برای گذراندن این دوره نیازی به دانش قبلی یادگیری ماشین ندارید. آشنایی با آردوینو و میکروکنترلرها برای درک برخی از موضوعات و همچنین مقابله با پروژه ها توصیه می شود. مقداری ریاضی (خواندن نمودار، حساب، جبر) نیز برای آزمون ها و پروژه ها مورد نیاز است. ما مفاهیم و واژگان لازم برای درک اصول یادگیری ماشین و همچنین ارائه نمایش ها و پروژه هایی را برای ارائه تجربه عملی به شما پوشش خواهیم داد.