هوش مصنوعی عمل پزشکی را متحول می کند. این به پزشکان کمک می کند تا بیماران را با دقت بیشتری تشخیص دهند، در مورد سلامت آینده بیماران پیش بینی کنند و درمان های بهتری را توصیه کنند. این تخصص به شما تجربه عملی در به کارگیری یادگیری ماشینی برای مشکلات عینی در پزشکی می دهد. درمان پزشکی ممکن است بر اساس شرایط سلامت موجود بر بیماران تأثیر متفاوتی داشته باشد. در این دوره سوم، با استفاده از داده‌های کارآزمایی‌های تصادفی‌سازی شده، درمان‌هایی را توصیه می‌کنید که برای بیماران فردی مناسب‌تر هستند. در هفته دوم، روش‌های تفسیر یادگیری ماشین را برای توضیح تصمیم‌گیری در مدل‌های پیچیده یادگیری ماشین اعمال خواهید کرد. در نهایت، شما از روش‌های استخراج موجودیت زبان طبیعی و پاسخ به سؤال برای خودکار کردن کار برچسب‌گذاری مجموعه داده‌های پزشکی استفاده خواهید کرد. این دوره‌ها فراتر از پایه‌های یادگیری عمیق هستند تا تفاوت‌های ظریف را در استفاده از هوش مصنوعی در موارد استفاده پزشکی به شما آموزش دهند. اگر در یادگیری عمیق تازه کار هستید یا می خواهید پایه و اساس عمیق تری از نحوه عملکرد شبکه های عصبی به دست آورید، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

چه به تازگی کار با هوش مصنوعی (AI) را شروع کرده باشید یا از قبل تجربه هوش مصنوعی داشته باشید و در Microsoft Azure تازه کار باشید، این دوره همه چیزهایی را که برای شروع نیاز دارید در اختیار شما قرار می دهد. هوش مصنوعی (AI) راه حل ها و تجربیات جدید شگفت انگیزی را تقویت می کند. و Microsoft Azure خدماتی با کاربری آسان را برای کمک به شما در ساخت راه‌حل‌هایی ارائه می‌کند که مدت کوتاهی پیش شبیه داستان‌های علمی تخیلی به نظر می‌رسید. امکان پیشرفت های باورنکردنی در مراقبت های بهداشتی، مدیریت مالی، حفاظت از محیط زیست و سایر زمینه ها برای ساختن دنیایی بهتر برای همه. در این دوره، مفاهیم کلیدی هوش مصنوعی یادگیری ماشین، تشخیص ناهنجاری، بینایی کامپیوتر، پردازش زبان طبیعی و هوش مصنوعی مکالمه را یاد خواهید گرفت. برخی از روش‌های استفاده از هوش مصنوعی را مشاهده خواهید کرد و اصول هوش مصنوعی مسئول را بررسی خواهید کرد که می‌تواند به شما در درک برخی از چالش‌های پیش روی توسعه‌دهندگان در تلاش برای ایجاد راه‌حل‌های هوش مصنوعی اخلاقی کمک کند. این دوره به شما کمک می کند تا برای آزمون AI-900: Microsoft Azure AI Fundamentals آماده شوید. این اولین دوره از یک برنامه پنج دوره ای است که شما را برای شرکت در آزمون گواهینامه AI-900 آماده می کند. این دوره به شما مفاهیم و مهارت های اصلی را می آموزد که در حوزه های امتحانی اصول هوش مصنوعی ارزیابی می شوند. این دوره مبتدی برای پرسنل فناوری اطلاعات که تازه شروع به کار با Microsoft Azure کرده‌اند و می‌خواهند در مورد پیشنهادات Microsoft Azure بیاموزند و تجربه عملی با محصول را کسب کنند مناسب است. Microsoft Azure AI Fundamentals می تواند برای آماده شدن برای سایر گواهینامه های مبتنی بر نقش Azure مانند Microsoft Azure Data Scientist Associate یا Microsoft Azure AI Engineer Associate استفاده شود، اما پیش نیاز هیچ یک از آنها نیست. این دوره برای داوطلبان با سوابق فنی و غیر فنی در نظر گرفته شده است. علم داده و تجربه مهندسی نرم افزار مورد نیاز نیست. با این حال، برخی از دانش یا تجربه برنامه نویسی عمومی مفید خواهد بود. برای موفقیت در این دوره، باید سواد کامپیوتری اولیه و تسلط به زبان انگلیسی را داشته باشید. شما باید با مفاهیم اولیه محاسبات و اصطلاحات، مفاهیم کلی فناوری، از جمله مفاهیم یادگیری ماشین و هوش مصنوعی آشنا باشید.

هوش مصنوعی همه جا هست! با استفاده از قدرت هوش مصنوعی، کسب‌وکارها و بازاریابان پتانسیل رشد شگفت‌انگیزی دارند و فرصت‌های تقویت بازاریابی با هوش مصنوعی همیشه در حال گسترش است. اما چگونه کسب و کارها می توانند از ابزارهای هوش مصنوعی برای پیشبرد موفقیت خود و به دست آوردن مزیت های رقابتی پایدار استفاده کنند؟ کسب‌وکارها در حین پیاده‌سازی هوش مصنوعی در استراتژی‌های بازاریابی خود با چه چالش‌هایی مواجه هستند؟ در این دوره آموزشی که در دانشکده کسب و کار Darden در دانشگاه ویرجینیا توسعه یافته است و توسط استاد مدیریت بازرگانی راج ونکاتسان ارائه شده است، شما مرز مهمی از تحول دیجیتال در بازاریابی را بررسی خواهید کرد. شما سه نیروی کلیدی را بررسی خواهید کرد که هوش مصنوعی را در استراتژی‌های بازاریابی فعال می‌کنند - الگوریتم‌ها، شبکه‌ها و داده‌ها - و درک عمیق‌تری از اینکه چگونه کسب‌وکارها در صنایع مختلف می‌توانند بیشترین بهره را از این فناوری هیجان‌انگیز ببرند، به دست خواهید آورد. نمونه‌هایی در دنیای واقعی از شرکت‌های موفقی مانند فورد، نتفلیکس و واشنگتن پست خواهید دید که از هوش مصنوعی برای مقابله با رقابت به روش‌های جدید و خلاقانه استفاده می‌کنند و از کارشناسان در مورد چگونگی شکل‌دهی هوش مصنوعی به حال و آینده در صنایع مربوطه خود خواهید شنید. می‌توانید با دنبال کردن پست‌های راج در توییتر (@rajkumarvenk) و لینکدین، درباره راج اطلاعات بیشتری کسب کنید: https://www.linkedin.com/in/education-marketing.

این MOOC مقدمه ای بر هوش مصنوعی قابل اعتماد و کاربرد آن در مراقبت های بهداشتی است. این شامل ماژول هایی در زمینه مبانی هوش مصنوعی و مقدمه ای بر کاربردهای قابل اعتماد و اخلاقی هوش مصنوعی است. یک درس اختصاصی، فرآیند Z-Inspection® را برای ارزیابی هوش مصنوعی قابل اعتماد ارائه می‌کند، و مطالعات موردی در دنیای واقعی نحوه بکارگیری دانش را نشان می‌دهد. این دوره برای متخصصان مراقبت های بهداشتی، بیماران و متخصصان هوش مصنوعی برگزار می شود. نیازی به دانش قبلی در مورد هوش مصنوعی ندارد. شرکت کنندگان یاد خواهند گرفت: - سیستم های هوش مصنوعی چگونه کار می کنند و یاد می گیرند - چه کارهایی را می توان با هوش مصنوعی حل کرد - چالش های رایج برای هوش مصنوعی در مراقبت های بهداشتی - مبانی هوش مصنوعی قابل اعتماد - نحوه ارزیابی هوش مصنوعی قابل اعتماد - ارزیابی های قابل اعتماد هوش مصنوعی در عمل چگونه به نظر می رسند این دوره توسط دانشگاه گوته فرانکفورت به عنوان بخشی از پروژه تحقیقاتی "پاسخ پان اروپایی به تأثیرات کووید-19 و همه گیری ها و اپیدمی های آینده" (PERISCOPE) ایجاد شده است. PERISCOPE که توسط برنامه بودجه تحقیقاتی کمیسیون اروپا Horizon 2020 تحت موافقتنامه کمک مالی شماره 101016233 تأمین می شود، تأثیرات اجتماعی-اقتصادی و رفتاری گسترده همه گیری COVID-19 را بررسی می کند تا اروپا را انعطاف پذیرتر و برای خطرات در مقیاس بزرگ آینده آماده کند. وب سایت PERISCOPE: https://www.periscopeproject.eu/

>>> با ثبت نام در این دوره، با توافقنامه مجوز کاربر نهایی همانطور که در سوالات متداول ذکر شده است موافقت می کنید. پس از ثبت نام، می توانید در بخش منابع به مجوز دسترسی داشته باشید <<< این دوره، هوش مصنوعی کاربردی با یادگیری عمیق، بخشی از گواهینامه پیشرفته علم داده IBM است که IBM در حال حاضر در حال ایجاد آن است و به شما امکان دسترسی آسان به بینش های ارزشمند در مورد مدل های یادگیری عمیق را می دهد. توسط متخصصان پردازش زبان طبیعی، بینایی کامپیوتر، تجزیه و تحلیل سری های زمانی و بسیاری از رشته های دیگر استفاده می شود. ما با اصول جبر خطی و شبکه های عصبی آشنا خواهیم شد. سپس محبوب ترین فریم ورک های DeepLearning مانند Keras، TensorFlow، PyTorch، DeepLearning4J و Apache SystemML را معرفی می کنیم. Keras و TensorFlow بیشترین بخش این دوره را تشکیل می دهند. با ساختن مدل‌هایی با استفاده از Keras بر روی نمونه‌های واقعی از اینترنت اشیا (اینترنت اشیا)، داده‌های علامت‌گذاری شده مالی، ادبیات یا پایگاه‌های داده تصویر، درباره تشخیص ناهنجاری، پیش‌بینی سری‌های زمانی، تشخیص تصویر و پردازش زبان طبیعی می‌آموزیم. در نهایت، ما یاد می‌گیریم که چگونه با استفاده از Kubernetes، Apache Spark و GPUها، آن مغزهای مصنوعی را مقیاس کنیم. مهم: این دوره به تنهایی برای دریافت «گواهینامه دانشمند داده گواهی IoT IoT IBM Watson» به تنهایی کافی نیست. شما باید سه دوره دیگر را بگذرانید که دو تا از آنها در حال حاضر ساخته شده است. تخصص در اواخر بهار، اوایل تابستان 2018 آماده خواهد شد. با استفاده از این رویکردها، مهم نیست که در چه سطح مهارتی در موضوعاتی که می خواهید به آنها تسلط داشته باشید، می توانید تفکر خود را تغییر دهید و زندگی خود را تغییر دهید. اگر قبلاً یک متخصص هستید، این نگاه کردن به ایده های شما برای ایجاد موفقیت آمیز توربوشارژ و استقرار مدل های DeepLearning را ارائه می دهد. اگر در حال مبارزه هستید، گنجینه ای ساختار یافته از تکنیک های عملی را خواهید دید که شما را از کارهایی که برای رسیدن به مسیر باید انجام دهید راهنمایی می کند. اگر تا به حال می‌خواهید در هر کاری بهتر شوید، این دوره به عنوان راهنمای شما کمک خواهد کرد. پیش نیاز: برخی مهارت های کدنویسی ضروری است. ترجیحاً پایتون، اما هر زبان برنامه نویسی دیگری خوب عمل می کند. همچنین برخی از درک اولیه ریاضی (جبر خطی) یک امتیاز مثبت است، اما ما آن قسمت را در هفته اول نیز پوشش خواهیم داد. اگر این دوره را انتخاب کنید و گواهی دوره Coursera را کسب کنید، نشان دیجیتال IBM نیز دریافت خواهید کرد. برای کسب اطلاعات بیشتر در مورد نشان های دیجیتال IBM پیوند ibm.biz/badging را دنبال کنید.

به "مبانی طراحی مکالمه CCAI"، اولین دوره از مجموعه "تجارب مشتری با هوش مصنوعی مرکز تماس" خوش آمدید. در این دوره آموزشی، نحوه طراحی راه حل های مکالمه مشتری با استفاده از هوش مصنوعی مرکز تماس (CCAI) را بیاموزید. شما با CCAI و سه رکن آن (Dialogflow، Agent Assist و Insights) و مفاهیم پشت تجارب مکالمه و چگونگی تأثیر مطالعه آنها بر طراحی عامل مجازی شما آشنا خواهید شد. پس از گذراندن این دوره، شما آماده خواهید بود که طراحی عامل مجازی خود را به سطح بعدی مکالمه هوشمند ببرید. این یک دوره مبتدی است که برای یادگیرندگان با انواع نقش های زیر در نظر گرفته شده است: • طراحان مکالمه: تجربه کاربری یک دستیار مجازی را طراحی می کند. الزامات تجاری برند را به جریان های گفتگوی طبیعی ترجمه می کند. • توسعه دهندگان شهروند: با استفاده از محیط های توسعه سطح بالا و زمان اجرا، برنامه های تجاری جدیدی را برای مصرف دیگران ایجاد می کند. • توسعه دهندگان نرم افزار: نرم افزار کامپیوتر را به زبان برنامه نویسی (مانند C++، Python، Javascript) و اغلب با استفاده از SDK/API کدگذاری می کند. • متخصصان عملیات: بر عملیات سیستم نظارت می کند و مشکلات را عیب یابی می کند. ابزارهای شبکه و سیستم را نصب، پشتیبانی و نگهداری می کند. پیش نیاز: برای موفقیت در این دوره، زبان آموزان باید Google Cloud Product Fundamentals را تکمیل کرده باشند یا تجربه ای معادل داشته باشند.

این دوره آموزشی یک هفته‌ای، مقدمه‌ای بر اصول هوش مصنوعی مسئول و نحوه هماهنگی آن اصول با فضای هوش مصنوعی یا GenAI ارائه می‌دهد. همچنین دانش آموزان را در مورد چالش های مختلفی که هوش مصنوعی مولد به همراه دارد، آگاه می کند. شما اصول اساسی هوش مصنوعی مسئول را بررسی خواهید کرد و نیاز به توسعه ابزارهای هوش مصنوعی مولد را به طور مسئولانه درک خواهید کرد. در پایان این دوره، شما قادر خواهید بود در مورد چالش های ایجاد شده توسط هوش مصنوعی و اصول هوش مصنوعی پاسخگو صحبت کنید.

در هوش مصنوعی مولد با مدل‌های زبان بزرگ (LLM)، اصول اولیه نحوه عملکرد هوش مصنوعی مولد و نحوه استقرار آن در برنامه‌های کاربردی دنیای واقعی را خواهید آموخت. با گذراندن این دوره، یاد خواهید گرفت: - درک عمیق هوش مصنوعی مولد، توصیف مراحل کلیدی در چرخه عمر AI مولد مبتنی بر LLM، از جمع‌آوری داده‌ها و انتخاب مدل، تا ارزیابی عملکرد و استقرار - معماری ترانسفورماتور را که به LLM ها نیرو می دهد، نحوه آموزش آنها و اینکه چگونه تنظیم دقیق LLM ها را قادر می سازد تا با انواع موارد استفاده خاص سازگار شوند را با جزئیات شرح دهید. - از قوانین مقیاس‌گذاری تجربی برای بهینه‌سازی تابع هدف مدل در اندازه مجموعه داده، بودجه محاسبه و الزامات استنتاج استفاده کنید. - برای به حداکثر رساندن عملکرد مدل ها در محدودیت های خاص پروژه خود، آموزش، تنظیم، استنتاج، ابزارها و روش های پیشرفته را به کار ببرید. - بحث در مورد چالش ها و فرصت هایی که هوش مصنوعی مولد برای مشاغل پس از شنیدن داستان هایی از محققان و متخصصان صنعت ایجاد می کند. توسعه دهندگانی که درک بنیادی خوبی از نحوه کار LLM و همچنین بهترین شیوه های آموزش و استقرار آنها دارند، می توانند تصمیمات خوبی برای شرکت خود بگیرند و با سرعت بیشتری نمونه های اولیه کار را بسازند. این دوره از زبان آموزان در ایجاد شهود عملی در مورد نحوه بهترین استفاده از این فناوری جدید هیجان انگیز پشتیبانی می کند. این یک دوره متوسط ​​است، بنابراین باید تجربه کدنویسی در پایتون را داشته باشید تا از آن نهایت استفاده را ببرید. همچنین باید با اصول یادگیری ماشینی، مانند یادگیری تحت نظارت و بدون نظارت، توابع از دست دادن، و تقسیم داده ها به مجموعه های آموزشی، اعتبار سنجی و آزمایش آشنا باشید. اگر تخصص یادگیری ماشین یا تخصص یادگیری عمیق را از DeepLearning.AI گرفته اید، آماده گذراندن این دوره و غوطه ور شدن عمیق تر در اصول هوش مصنوعی مولد هستید.

با آموزش اندرو نگ، پیشگام هوش مصنوعی، هوش مصنوعی مولد برای همه دیدگاه منحصر به فرد خود را در توانمندسازی شما و کارتان با هوش مصنوعی مولد ارائه می دهد. اندرو شما را در مورد نحوه عملکرد هوش مصنوعی مولد و کارهایی که می تواند (و نمی تواند) انجام دهد، راهنمایی می کند. این شامل تمرین‌های عملی است که در آنها یاد می‌گیرید از هوش مصنوعی مولد برای کمک به کارهای روزمره و دریافت نکاتی در مورد مهندسی سریع مؤثر استفاده کنید، و همچنین یاد می‌گیرید که چگونه فراتر از درخواست برای استفاده‌های پیشرفته‌تر از هوش مصنوعی بروید. بینش هایی در مورد آنچه که هوش مصنوعی مولد می تواند انجام دهد، پتانسیل و محدودیت های آن به دست خواهید آورد. شما به برنامه های دنیای واقعی کاوش خواهید کرد و موارد استفاده رایج را یاد خواهید گرفت. شما با پروژه‌های هوش مصنوعی مولد وقت خواهید داشت تا دانش خود را عملی کنید و بینشی از تأثیر آن بر تجارت و جامعه کسب کنید. این دوره برای اطمینان از اینکه همه می توانند در آینده مبتنی بر هوش مصنوعی ما شرکت کنند ایجاد شده است.

ما شاهد بسیاری از گزارش‌های خبری از ابزارهای هوش مصنوعی Generative، مانند ChatGPT هستیم که اشتباه می‌کنند و اطلاعات نادرست تولید می‌کنند. بسیاری از این اشتباهات به این دلیل اتفاق می‌افتند که انسان‌ها از ابزارها به روشی اشتباه استفاده می‌کنند - تلاش برای حل مشکلات نامناسب و عدم فکر کردن به خطر. توهم یک اشکال نیست، این ویژگی زمانی است که به درستی به مشکلات برخورد کنید. این دوره تکنیک‌هایی را برای تعیین اینکه آیا مشکلی با قابلیت‌های هوش مصنوعی مولد مطابقت دارد، چارچوب‌بندی مشکلات برای کاهش ریسک، مهندسی سریع برای اعتماد و مشارکت انسانی مناسب در فرآیند را آموزش می‌دهد. دانش‌آموزان طرح‌های سریع، نحوه بررسی خروجی‌ها، نحوه استفاده از هوش مصنوعی مولد برای ایده‌پردازی و خلق، راه‌هایی برای تقویت مهارت‌های انسانی، و کاربردهای اخلاقی‌تر و مفیدتر را می‌آموزند. این دوره نشان می دهد که چگونه می توانید: - از تکنیک های مهندسی سریع برای تولید خروجی های مطمئن تر استفاده کنید - استاد روش‌ها برای تأیید و اعتبارسنجی خروجی‌ها - مشکلات را به روش های جایگزین برای کاهش ریسک چارچوب بندی کنید - از هوش مصنوعی مولد برای ایده پردازی خلاقانه استفاده کنید - از هوش مصنوعی مولد به روشی استفاده کنید که به جای جایگزینی استدلال و خلاقیت انسان، تقویت شود

این دوره برای همه طراحی شده است، از جمله متخصصان، مدیران اجرایی، دانش‌آموزان و علاقه‌مندان به استفاده از تکنیک‌های مهندسی سریع و مؤثر برای باز کردن پتانسیل کامل ابزارهای هوش مصنوعی (AI) مانند ChatGPT. مهندسی سریع فرآیندی است برای هدایت موثر مدل‌های هوش مصنوعی مولد و کنترل خروجی آنها برای تولید نتایج دلخواه. در این دوره، تکنیک ها، رویکردها و بهترین روش ها برای نوشتن اعلان های موثر را خواهید آموخت. شما در مورد تکنیک های سریع مانند شات صفر و چند شات، که می تواند قابلیت اطمینان و کیفیت مدل های زبان بزرگ (LLM) را بهبود بخشد، آشنا خواهید شد. شما همچنین رویکردهای مهندسی سریع مختلف مانند الگوی مصاحبه، زنجیره فکر و درخت فکر را بررسی خواهید کرد که هدف آنها ایجاد پاسخ های دقیق و مرتبط است. شما با ابزارهای مهندسی سریع مانند IBM watsonx Prompt Lab، Spellbook و Dust آشنا خواهید شد. آزمایشگاه‌های عملی موجود در این دوره فرصتی برای بهینه‌سازی نتایج با ایجاد اعلان‌های مؤثر در کلاس درس هوش مصنوعی IBM ارائه می‌دهند. همچنین از زبان پزشکان در مورد ابزارها و رویکردهای مورد استفاده در مهندسی سریع و هنر نوشتن اعلان های مؤثر خواهید شنید.

این دوره برای همه علاقه مندان و شاغلان با علاقه واقعی به زمینه به سرعت در حال توسعه هوش مصنوعی مولد است که دنیای ما را متحول می کند. این دوره بر مفاهیم اصلی و مدل‌های هوش مصنوعی مولد تمرکز دارد که بلوک‌های سازنده هوش مصنوعی مولد را تشکیل می‌دهند. شما یادگیری عمیق و مدل های زبان بزرگ (LLM) را کشف خواهید کرد. با GAN ها، VAE ها، ترانسفورماتورها و مدل های انتشار آشنا خواهید شد. بلوک های سازنده هوش مصنوعی مولد با مفهوم مدل های فونداسیون آشنا می شوید. همچنین با قابلیت‌های مدل‌ها و پلتفرم‌های از پیش آموزش‌دیده‌شده برای توسعه برنامه‌های هوش مصنوعی و نحوه استفاده مدل‌های بنیادی از آن‌ها برای تولید متن، تصاویر و کد آشنا خواهید شد. پلتفرم های مختلف هوش مصنوعی مانند IBM watsonx و Hugging Face را بررسی خواهید کرد. آزمایشگاه‌های عملی، که در این دوره گنجانده شده‌اند، فرصتی را برای کشف موارد استفاده از هوش مصنوعی مولد از طریق کلاس درس هوش مصنوعی مولد IBM و پلتفرم‌هایی مانند IBM watsonx فراهم می‌کنند. در این دوره، مدل های مختلفی مانند IBM Granite، OpenAI GPT، Google flan و Meta Llama را بررسی خواهید کرد. همچنین از پزشکان متخصص در مورد قابلیت ها، برنامه ها و ابزارهای هوش مصنوعی مولد خواهید شنید.  

این دوره برای همه - حرفه ای ها، مدیران اجرایی، دانشجویان و علاقه مندان - که علاقه مند به یادگیری در مورد هوش مصنوعی مولد و استفاده از قابلیت های آن در کار و زندگی خود هستند طراحی شده است. این اولین قدم شما به سمت درک قدرت هوش مصنوعی مولد است که توسط مدل هایی مانند مدل های زبان بزرگ (LLM) هدایت می شود. در این دوره، اصول و تکامل هوش مصنوعی مولد را با خواندن های اضافی و بینش های تخصصی که دید عمیق تری از تاریخچه و پیشرفت های آن ارائه می دهد، خواهید آموخت. قابلیت‌های آن را در متن، تصویر، صدا، ویدیو، دنیای مجازی، کد و داده با نکات کلیدی و خلاصه‌های پیشرفته در پایان هر بخش برای تقویت یادگیری بررسی خواهید کرد. شما کاربردهای هوش مصنوعی مولد را در صنایعی مانند فناوری اطلاعات، مالی، مراقبت های بهداشتی، آموزشی، سرگرمی و منابع انسانی درک خواهید کرد. همچنین ویژگی‌های ابزارها و مدل‌های محبوب، از جمله GPT، DALL-E، Stable Diffusion و Synthesia را خواهید دید. آزمایشگاه‌های عملی فرصت‌هایی را برای تمرین با استفاده از کلاس IBM Generative AI و ابزارهایی مانند ChatGPT فراهم می‌کنند. همچنین از متخصصان صنعت که بینش‌های دنیای واقعی را به اشتراک می‌گذارند خواهید شنید. فعالیت‌های تعاملی، پادکست‌ها و تمرین‌های مبتنی بر سناریو به شما کمک می‌کنند تا مفاهیم را به کار ببرید، در حالی که یک پروژه عملی نهایی، مهارت‌های شما را با تولید و اصلاح خروجی‌ها در قالب‌های مختلف تثبیت می‌کند.

در این دوره آموزشی با مبانی هوش مصنوعی و یادگیری ماشینی و نحوه اعمال آنها در سناریوهای دنیای واقعی در AI for Good space آشنا می شوید. همچنین با چارچوبی برای حل مشکل آشنا خواهید شد که در آن هوش مصنوعی بخشی از راه حل است. این دوره با یک مطالعه موردی شامل سه آزمایشگاه نوت بوک Jupyter که در آن شما یک برنامه نظارت بر کیفیت هوا برای شهر بوگوتا، کلمبیا ایجاد خواهید کرد، به پایان می رسد.

در این دوره، شما با مروری بر مکانیسم‌های پشت سر تغییرات آب و هوایی انسانی و تأثیر آن بر دمای جهانی و الگوهای آب و هوایی شروع می‌کنید. شما از طریق دو مطالعه موردی کار خواهید کرد، یکی با استفاده از تحلیل سری های زمانی برای پیش بینی نیروی باد و دیگری با استفاده از بینایی کامپیوتری برای نظارت بر تنوع زیستی. هر دو مطالعه موردی نمونه‌هایی هستند که در آن تکنیک‌های هوش مصنوعی می‌توانند بخشی از راه‌حل برای کاهش تغییرات اقلیمی و سازگاری با آن باشند.

آیا هوش مصنوعی به زودی از انسان پیشی خواهد گرفت؟ این به سرعت در حال تبدیل شدن به یکی از سؤالات اصلی زمان ما است -- اما سؤال اشتباهی است. در این دوره، نگاهی غیرفنی به این موضوع خواهیم داشت که هوش مصنوعی از کجا آمده است و به کجا می‌رود. خواهیم دید که هیچ دلیلی وجود ندارد که انتظار داشته باشیم هوش مصنوعی از انسان پیشی بگیرد. در عوض، چیزی که ما یاد می‌گیریم با هوش مصنوعی بسازیم، توهم هوش است. هوش مصنوعی قرن‌هاست که در زمینه‌هایی مانند فلسفه، زبان‌شناسی و علوم شناختی مورد بحث قرار گرفته است. ما نشان خواهیم داد که این دیدگاه ها به روشن کردن پیشرفت های فعلی در هوش مصنوعی، از جمله سیستم های اخیر چشمگیر مانند GPT-3 کمک می کند.

درباره این دوره این دوره چهار هفته‌ای با عنوان هوش مصنوعی و قانون به بررسی روشی می‌پردازد که در آن استفاده فزاینده از فناوری‌های هوشمند مصنوعی (AI) بر روی عمل و اجرای قانون به معنای وسیع تعریف شده تأثیر می‌گذارد. موضوعات مورد بحث شامل ارتباط بین هوش مصنوعی و قانون در زمینه مسئولیت قانونی، قانونگذاری، اجرای قانون، قانون جزایی، بخش پزشکی و قانون مالکیت معنوی است. هدف از این دوره، تجهیز عموم مردم به توانایی اولیه برای درک پتانسیل معنادار هوش مصنوعی برای زندگی خود است. هدف از این دوره نیز این است که عموم مردم را قادر سازد تا عواقب استفاده از هوش مصنوعی را درک کنند و به آنها اجازه دهد تا با هوش مصنوعی به شیوه ای مسئولانه، مفید و با وجدان تعامل داشته باشند. لطفا توجه داشته باشید که قانون و محتوای ارائه شده در این دوره از تاریخ شروع این دوره جاری است. در پایان این دوره، شما یک درک اولیه از نحوه انجام موارد زیر خواهید داشت: • اهمیت حقوقی نرم افزار و سخت افزار هوشمند مصنوعی را درک کنید. • درک تأثیر ظهور هوش مصنوعی بر کاربرد و اجرای قانون در بخش عمومی در ارتباط با اجرای قوانین جزایی، الگوبرداری از قانون و در زمینه حقوق اداری. • ارتباط قانونی استفاده از نرم افزارهای هوشمند مصنوعی در بخش خصوصی در ارتباط با نوآوری و حقوق مالکیت معنوی مرتبط، در بخش خدمات مالی و هنگام پیش بینی نتایج دادرسی های قانونی را درک کنید. • اهمیت هوش مصنوعی برای رشته های حقوقی منتخب، از جمله قانون کار، قانون رقابت و قانون سلامت را درک کنید. برنامه درسی و قالب این دوره شامل چهار ماژول است که یک ماژول نشان دهنده حدود یک هفته مطالعات پاره وقت است. یک ماژول شامل تعدادی سخنرانی و خواندن است، و با یک ارزیابی به پایان می رسد - یک مسابقه و/یا یک تکلیف درجه بندی شده توسط همتایان. هدف از ارزیابی ها تشویق یادگیری و اطمینان از درک مطالب دوره است. شرکت در بحث های انجمن داوطلبانه است. ماژول ها ماژول 1. هوش مصنوعی و قانون ماژول 2. هوش مصنوعی قانونی در بخش عمومی ماژول 3. هوش مصنوعی قانونی در بخش خصوصی ماژول 4. چالش های انتخاب شده دانشگاه لوند دانشگاه لوند در سال 1666 تأسیس شد و چندین سال است که در بین 100 دانشگاه برتر جهان رتبه بندی شده است. این دانشگاه 47700 دانشجو و 7500 کارمند مستقر در لوند سوئد دارد. دانشگاه لوند سنت را با نمایه ای مدرن، پویا و بسیار بین المللی متحد می کند. لوند با هشت دانشکده مختلف و مراکز تحقیقاتی و موسسات تخصصی متعدد، قوی‌ترین دانشگاه تحقیقاتی سوئد و یکی از بزرگترین مؤسسات آموزشی و پژوهشی اسکاندیناوی است. این دانشگاه سالانه تعداد زیادی از دانشجویان بین المللی را جذب می کند و طیف گسترده ای از دوره ها و برنامه های آموزشی را به زبان انگلیسی ارائه می دهد. Faulty of Law یکی از چهار دانشکده اصلی دانشگاه لوند است که قدمت آن به سال 1666 باز می گردد. این دانشکده مدرن با مشخصات بین المللی است که پذیرای دانشجویان بین المللی و سوئدی است. آموزش، پژوهش و تعامل با جامعه اطراف محور اصلی کار دانشکده است. ارتباط بین این سه به ویژه در برنامه ها و دوره های ارائه شده توسط دانشگاه، از جمله دوره MOOC دانشگاه در قانون تجارت اروپا آشکار است. دانشجویان این شانس را دارند که خود را در مطالعات حقوقی سنتی غرق کنند، در حالی که با محققان و وکلای فعال حرفه ای با شرایط و تجربه در زمینه های مختلف حقوق تعامل دارند. این دانشکده سه مقطع کارشناسی ارشد بین المللی ارائه می دهد: دو برنامه 2 ساله کارشناسی ارشد در حقوق بین الملل حقوق بشر و حقوق تجارت اروپا و یک دوره کارشناسی ارشد 1 ساله در حقوق مالیاتی اروپا و بین المللی. دانش‌آموزان از حدود 40 کشور در برنامه‌هایی شرکت می‌کنند که تخصص موضوعی منحصربه‌فردی را در هر زمینه ارائه می‌دهند، با محققان بسیار ماهر و متخصصان حقوقی حرفه‌ای که در تدریس مشغول هستند.

در این دوره با چهار مرحله از چرخه مدیریت بلایا آشنا می شوید. کاهش، آماده سازی، پاسخ و بازیابی. شما در این دوره از طریق دو مطالعه موردی کار خواهید کرد. در مرحله اول، از بینایی کامپیوتری برای تجزیه و تحلیل تصاویر ماهواره ای طوفان هاروی در سال 2017 برای شناسایی آسیب در مناطق آسیب دیده استفاده خواهید کرد. در مرحله دوم، از تکنیک‌های پردازش زبان طبیعی برای بررسی روند درخواست‌های کمک پس از زلزله 2010 در هائیتی استفاده خواهید کرد.

هدف از این دوره کمک به دانشجویان برای درک مفاهیم حقوقی مربوط به طراحی و استفاده از سیستم های هوش مصنوعی، ارائه یک نمای کلی از خطرات و حمایت های قانونی قابل پیش بینی و ارائه یک نمای کلی از قوانین و اصول حقوقی قابل اجرا در حال حاضر در مورد سیستم های هوش مصنوعی است. موضوع به طور خاص، مشخصات مسئولیت مدنی و کیفری، حمایت از نظر مالکیت معنوی و تأثیرات هوش مصنوعی بر حقوق اساسی افراد - از جمله حریم خصوصی و حق عدم تبعیض - مورد بررسی قرار خواهد گرفت.

این دوره غیرفنی مروری بر پیشرفت‌های هوش مصنوعی و چالش‌های اخلاقی که اکنون در توسعه، پیاده‌سازی و استفاده جهانی از هوش مصنوعی با آن مواجه هستیم، ارائه می‌کند.