چهار حوزه هوش هیجانی – خودآگاهی، خود مدیریتی، آگاهی اجتماعی و مدیریت روابط – را که توسط روانشناس و نویسنده دانیل گولمن تعریف شده است، بررسی کنید. دامنه ها بر روی یکدیگر ساخته می شوند و با آگاهی بیشتر از خود و دیگران شروع می شوند و با مدیریت روابطی که برای زندگی شخصی و حرفه ای شما حیاتی هستند خاتمه می یابند. بیاموزید که چگونه به نقاط قوت، محدودیت‌ها و ارزش‌هایی که آنها را تعریف می‌کنند بیشتر توجه کنید. راه‌هایی را برای ایجاد فاصله بین خود، افکار و احساساتتان کشف کنید. بر اساس ترجیحات فردی، و همچنین عوامل اجتماعی و محیطی، آگاهی را در مورد اینکه چگونه مردم جهان را متفاوت می بینند، توسعه دهند. و از آگاهی خود و دیگران برای همکاری، نوآوری و روابط سودمند متقابل استفاده کنید.

nn ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.

"ما برای اتصال سیمی هستیم. علوم اعصاب کشف کرده است که طراحی مغز ما آن را اجتماعی می کند و هر زمان که با شخص دیگری درگیر می شویم به طور اجتناب ناپذیری به یک پیوند صمیمی مغز و مغز کشیده می شود." دانیل گولمن – مقدمه – هوش اجتماعی هوش عاطفی و اجتماعی (ESI) به عنوان مجموعه‌ای از شایستگی‌ها تعریف می‌شود که نشان‌دهنده توانایی فرد برای تشخیص رفتارها، حالات و انگیزه‌های خود و مدیریت بهترین آنها بر اساس موقعیت است. این دوره ابزارهایی را که برای داشتن هوش عاطفی و اجتماعی در محل کار خود نیاز دارید را در اختیار شما قرار می دهد. داشتن توانایی تسلط بر ESI به کارکنان مزیت مشخصی در موقعیت های خود می دهد. این اجازه می دهد تا آنها به مرکز عاطفی خود دسترسی داشته باشند در حالی که روابط خود را با اعضای تیم خود مدیریت می کنند. شایستگی های مرتبط با هوش هیجانی و اجتماعی اغلب چیزی است که یک مجری معمولی را از یک فرد عالی جدا می کند. و برخلاف هوش کلی ما، هوش هیجانی را می توان در طول زمان آموخت و بهبود بخشید. در این دوره به توضیح ارزش هوش هیجانی و اجتماعی برای موفقیت حرفه ای می پردازیم. ما مهارت‌های هوش هیجانی و اجتماعی فعلی را ارزیابی می‌کنیم و شما 4 ربع اساسی هوش هیجانی و اجتماعی (ESI) را برای درک، استفاده و مدیریت احساسات کشف خواهید کرد. ما توضیح خواهیم داد که چگونه استرس می‌تواند بر کاربرد مهارت‌های هوش هیجانی و اجتماعی تأثیر بگذارد و اقدامات لازم برای ایجاد ارتباطات و ایجاد روابط برای اثربخشی حرفه‌ای بیشتر را بررسی می‌کنیم.

 

حتی وقتی می بینیم پیشرفت های عملی که هوش مصنوعی مدرن در حال رانندگی است ، کنجکاوی جدیدی در مورد آنچه که هوش عمومی مصنوعی (AGI) ممکن است برای بشریت ، مشاغل ما و چارچوب های اجتماعی ما ایجاد شود ، در حال توسعه است. این دوره با استفاده از فرصت های احتمالی پیش رو در ضمن ارائه جهت مشخص در مورد آنچه می دانیم ، آنچه را که باید یاد بگیریم و چگونه آینده AGIT ما ممکن است به بهترین منافع بشریت خدمت کند ، AGI-نامشخص ترین مرزهای AGI-نامشخص را تغییر می دهد.

به مربی ویلا دار بپیوندید زیرا او درک اساسی از AGI ، مسیر آن و پیامدهای آن را ارائه می دهد ، و اطمینان می دهد که شما به خوبی آماده می شوید و منظره آینده را شکل می دهید. بیاموزید که چگونه AGI می تواند از خلاقیت ، همدلی و منابع الهام بخش ما پشتیبانی و گسترش دهد-و همچنین دلایلی که نسبت به تکنیک و اوتیمیسم شک و تردید داشته باشیم که AGI را به عنوان یک درمان همه برای همه مشکلات ما می بیند.

در این دوره، نحوه ارتباط داده‌های صورت‌های مالی و معیارهای غیر مالی را با عملکرد مالی بررسی خواهید کرد. پروفسور ریک لمبرت و کریس ایتنر از مدرسه وارتون این دوره را طراحی کرده اند تا به شما کمک کنند تا درک عملی از نحوه استفاده از داده ها برای ارزیابی عواملی که باعث عملکرد مالی می شود و سناریوهای مالی آینده را پیش بینی کنید به دست آورید. در مورد چارچوب‌های گزارش‌گری مالی، صورت‌های درآمد و گزارش‌دهی نقدی اطلاعات بیشتری کسب خواهید کرد و رویکردهای مختلفی را برای تجزیه و تحلیل عملکرد مالی با استفاده از مثال‌های واقعی برای مشاهده مفاهیم در عمل به کار خواهید برد. در پایان این دوره، شما مهارت‌های خود را در درک نحوه تعامل داده‌های مالی و داده‌های غیر مالی برای پیش‌بینی رویدادها تقویت خواهید کرد و می‌توانید بهترین استراتژی مالی را برای سازمان خود تعیین کنید.

 به‌عنوان یک توسعه‌دهنده Azure، مهم است که با آخرین پیشرفت‌های تکنولوژی در زمینه خود به‌روز باشید. در این دوره، مدرس سام نصر مفاهیم اساسی مدل های زبان کوچک (SLM) و مدل های زبان بزرگ (LLM) را پوشش می دهد و شما را به مهارت های اصلی مورد نیاز برای استفاده از قدرت هوش مصنوعی مجهز می کند. تفاوت های کلیدی بین هر مدل، نحوه کار آنها، و زمان مناسب استفاده از هر مدل و چرایی را بررسی کنید. در طول مسیر، سم همچنین بهترین روش‌ها برای بهبود کارایی را پوشش می‌دهد و به شما نشان می‌دهد که چگونه از اشتباهات رایج اجتناب کنید.

 در این دوره، سامی دپرز - معمار باتجربه راه حل های داده و هوش مصنوعی - ایمنی محتوای هوش مصنوعی Azure را بررسی می کند و شما را با ابزارهایی که برای ساخت راه حل های هوش مصنوعی مسئولانه نیاز دارید مجهز می کند. بیاموزید که چگونه مکانیسم های قوی فیلتر کردن محتوا را برای شناسایی و تعدیل محتوای مضر پیاده سازی کنید تا بتوانید از همسویی برنامه های خود با اصول ایمنی، اخلاقی و قابل اعتماد بودن اطمینان حاصل کنید. با استفاده از APIهای ایمنی محتوای Azure، نحوه شناسایی و مسدود کردن شاخص‌های سخنان مشوق، خشونت، محتوای جنسی و آسیب به خود را بیابید. درباره ویژگی‌های پیشرفته مانند سپرهای سریع و بررسی زمین‌خوردگی اطلاعاتی به دست آورید. برنامه های دنیای واقعی، مانند تعدیل محتوای کاربر در پلتفرم های رسانه های اجتماعی، برنامه های چت یا محتوای تولید شده توسط هوش مصنوعی را کاوش کنید. در پایان دوره، خواهید فهمید که چگونه با اطمینان برنامه های هوش مصنوعی ایمن تری را که از کاربران محافظت می کند و کیفیت محتوا را افزایش می دهد، استفاده کنید.

 این دوره به عنوان مقدمه ای اساسی برای مفاهیم و راه حل های اصلی هوش مصنوعی عمل می کند. مربی Marco Casalaina پوشش سطح مبتدی را از LLM ها، LLMOps، هوش مصنوعی چندوجهی، عوامل هوش مصنوعی و هوش مصنوعی مسئول ارائه می دهد و به شما یک نمای کلی از ملزومات هر یک و لمس ویژگی ها و عملکردهای کلیدی آنها ارائه می دهد. این دوره برای توسعه دهندگان Azure و مهندسان ابری مناسب است که به دنبال مقدمه ای با این مفاهیم مهم قبل از غواصی عمیق تر در حجم کاری و راه حل های هوش مصنوعی Azure هستند.

 مدل‌های OpenAI به شیوه‌های انقلابی صحنه فناوری را مختل می‌کنند. هر روز افراد بیشتری در مورد OpenAI و قابلیت های آن صحبت می کنند. این مهم است که بدانید این سرویس چگونه کار می کند، چه خطراتی دارد، و مهمتر از همه، چگونه می توانید از آن برای ساده کردن زندگی خود یا بهبود کسب و کار خود استفاده کنید. در این دوره، سامی دپرز، معمار راه حل داده و هوش مصنوعی، شما را با خدمات Azure OpenAI آشنا می‌کند و به مدل‌های موجود، مانند مدل‌های چت و تکمیل، مدل‌های جاسازی و مدل‌های تولید تصویر می‌پردازد. بیابید هر نوع مدل چیست و چگونه کار می کند و توصیه هایی را در مورد بهترین روش استفاده از آن بررسی کنید. بعلاوه، مسائل مربوط به حق چاپ را بررسی کنید و یاد بگیرید که چگونه مدل ها را ترکیب کنید تا بتوانید راه حل های خود را بسازید.

 بیاموزید که چگونه می توانید از راهبردی استراتژیک AI برای تقویت ارتباطات ، تصمیم گیری ، مربیگری تیم ، استخدام و موارد دیگر به عنوان مدیر استفاده کنید-همه در حالی که رهبری را انسان نگه می دارد. به مربی سلنا رضانی بپیوندید زیرا او ملزومات پیشرو باهوش تر را با هوش مصنوعی تولید می کند. در پایان این دوره ، شما آماده خواهید بود تا از طریق پیشبردهای هوش مصنوعی برای تولید بینش ، توصیه ها و پاسخ هایی که می تواند به شما در هدایت مؤثرتر به عنوان مدیر کمک کند ، تهیه کنید.

 در این دوره ، سودا جم - فناوری اطلاعات آینده نگر و نویسنده هوش مصنوعی - به شما تعلیم می دهد که چگونه محصولات AI تولیدی را برای تجارت بسازید. از آنجا که این دوره نیازی به برنامه نویسی ندارد ، ایده آل است که به متخصصان محصول و مشاغل کمک کنیم تا چگونه هوش مصنوعی تولیدی می تواند به آنها کمک کند تا از داده های خود استفاده کنند و مشکلات تجاری را بر نقش خود برطرف کنند. این دوره باعث می شود شما در سفر به یادگیری خود با برنامه های تولیدی هوش مصنوعی در محیط های بدون کد شروع کنید.

 تقاطع بازاریابی هوش مصنوعی و دیجیتال را با این دوره که شما را با دانش مجهز می کند ، برای بهینه سازی تلاش های بازاریابی خود با استفاده از Google Analytics و ابزارهای هوش مصنوعی ، کاوش کنید. برد بیتسول-یک رهبر اندیشه بازاریابی شناخته شده بین المللی-شما را از طریق مباحث اعم از درک مفاهیم اساسی هوش مصنوعی در بازاریابی گرفته تا استقرار تجزیه و تحلیل پیش بینی پیشرفته برای تصمیم گیری بهتر راهنمایی می کند. بیاموزید که چگونه داده ها را تجزیه و تحلیل کنید ، روندهای کلیدی را شناسایی کنید و رفتار مشتری را پیش بینی کنید ، به شما این امکان را می دهد تا کمپین های هدفمند را با دقت انجام دهید. تظاهرات دستی را در مورد تنظیم بینش های سفارشی ، تقویت تجربه کاربر و بهبود عملکرد کمپین از طریق استراتژی های داده محور کشف کنید. در پایان ، شما نه تنها قدرت ادغام هوش مصنوعی را با Google Analytics بلکه نحوه استفاده از این بینش ها به طور عملی درک خواهید کرد. اکنون بپیوندید و رویکرد خود را به بازاریابی دیجیتال تبدیل کنید تا کمپین های خود را موثرتر و آگاه تر کنید.

 هوش مصنوعی (AI) - زمانی که با آمادگی و نرده های محافظ به کار گرفته شود - یک رویکرد تغییر دهنده بازی برای حل مشکلات پیچیده در امنیت سایبری است. در این دوره، مربی سام سهگال، هوش مصنوعی را در زمینه امنیت اطلاعات بررسی می‌کند و موارد استفاده و مثال‌های عملی را ارائه می‌کند که به هر مفهوم یک زمینه واقعی می‌بخشد. سم به شش رشته اصلی هوش مصنوعی می پردازد و توضیح می دهد که چگونه می توان از این رشته ها برای حل مشکلات امنیتی فوری مانند چالش های داده در مقیاس و سرعت در پاسخ به تهدید استفاده کرد. او تکنیک های یادگیری ماشینی و مناسب بودن آنها برای مسائل امنیتی و همچنین محدودیت ها و خطرات کلی استفاده از هوش مصنوعی برای امنیت را پوشش می دهد. به علاوه، او نحوه آماده سازی سازمان خود را برای اعمال امنیت مبتنی بر هوش مصنوعی به اشتراک می گذارد.

هوش مصنوعی (AI) نحوه تعامل بازاریابان با مشتریان خود را تغییر می دهد. اما چگونه می توانید به عنوان یک بازاریاب از این فناوری بهره ببرید بدون اینکه یک شرکت چند میلیارد دلاری باشید؟ در این دوره پر عمل از مربی جیم استرن، بیاموزید که هوش مصنوعی چگونه بازاریابی را تغییر می دهد و چگونه می توانید از ابزارهای جدید و نوآورانه بهره ببرید. کشف کنید که هوش مصنوعی چگونه کار می کند و چگونه می توان از آن استفاده کرد. بیاموزید که چگونه هوش مصنوعی با یادگیری ماشینی متفاوت است و یادگیری ماشینی در کجا می تواند کمک کند. به‌علاوه، نکات مربوط به استفاده از فناوری‌ها در هوش مصنوعی را دریافت کنید و یاد بگیرید که چگونه می‌توانید از این ماشین‌ها به بهترین شکل ممکن استفاده کنید.

این دوره توسط Madecraft. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

این دوره در زمینه هوش مصنوعی (AI) برای توسعه نرم افزار به بررسی استفاده از مدل های زبان بزرگ هوش مصنوعی مانند ChatGPT، Bard و سایرین و مزایا و چالش های بالقوه آنها می پردازد. از طریق مثال‌ها و فعالیت‌های عملی، درک درستی از روش‌هایی ایجاد خواهید کرد که هوش مصنوعی می‌تواند وظایف توسعه نرم‌افزار را سرعت بخشد و زمان را برای کارهای خلاقانه‌تر و استراتژیک‌تر آزاد کند. ویژگی های منحصر به فرد این دوره - کاوش چندین ابزار هوش مصنوعی مبتنی بر مرورگر - فعالیت های عملی و در عین حال ساده که نیازی به نصب نرم افزار ندارند - تاکید بر استفاده مسئولانه و اخلاقی از هوش مصنوعی - دوستانه مبتدی برای کسانی که می خواهند با استفاده از ابزارهای هوش مصنوعی مولد شروع کنند - ایده های مفید برای چگونگی استفاده از ابزارها برای بهتر و کارآمدتر کردن کار شما - راهبردهای آزمایش شده و آزمایش شده برای استفاده از ابزارهای هوش مصنوعی توسط دانشمندان داده و توسعه دهندگان نرم افزار علمی - یک رویکرد سرگرم کننده و بازیگوش برای یادگیری کلمات کلیدی هوش مصنوعی (AI)، ChatGPT، هوش مصنوعی مولد، مدل‌های زبان بزرگ (LLM)، توسعه نرم‌افزار، کدنویسی، علم داده مخاطب مورد نظر - افراد حرفه ای که به دنبال بهبود کارایی هستند - دانش آموزانی که امیدوارند در مورد برنامه نویسی بیشتر بیاموزند - هر کسی کنجکاو است که چگونه می توان از هوش مصنوعی برای فناوری استفاده کرد توجه: کسانی که کاملاً در برنامه نویسی جدید هستند، استفاده از ابزارهای هوش مصنوعی برای ایجاد راه حل های نرم افزاری را در این زمان چالش برانگیز خواهند یافت. داشتن مقداری دانش اساسی برای نوشتن اعلان های مناسب و تشخیص زمانی که کد طبق انتظار کار نمی کند مفید است. ما به تازه کارها توصیه می کنیم به دنبال بررسی متخصص باشند. اهداف یادگیری - مبانی هوش مصنوعی و پتانسیل آن برای بهبود گردش کار توسعه نرم افزار را توضیح دهید - پیاده سازی استراتژی برای نوشتن و اشکال زدایی کد با استفاده از ابزارهای مبتنی بر هوش مصنوعی - مزایای بازسازی کد با استفاده از تکنیک های مبتنی بر هوش مصنوعی، مانند خوانایی کد، مختصر نگه داشتن آن، و بهینه سازی کد را شرح دهید. - بهترین شیوه ها را برای حاشیه نویسی کد با استفاده از هوش مصنوعی اعمال کنید - شناخت استراتژی‌هایی برای استفاده از ابزارهای مبتنی بر هوش مصنوعی برای درک و تجزیه و تحلیل کد، مانند درک کد زبان‌ها یا توابع ناآشنا - در مورد چالش ها و پیامدهای اخلاقی استفاده از هوش مصنوعی برای جنبه های مختلف توسعه نرم افزار بحث کنید قابلیت دسترسی ما متعهد هستیم که محتوای خود را در دسترس و در دسترس همه قرار دهیم. ما از هرگونه بازخوردی که ممکن است در https://forms.gle/3sTZpctxzYyhj74NA داشته باشید استقبال می کنیم. سوالات مربوط به اقامتگاه های دسترسی باید به https://studentserviceportal.force.com/s/ هدایت شود. نسخه PDF این دوره را می توانید در https://leanpub.com/courses/fredhutch/ai_for_software بیابید.

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. یادگیری ماشینی ابزاری قدرتمند برای پیش آگهی است، شاخه ای از پزشکی که در پیش بینی سلامت آینده بیماران تخصص دارد. در این دوره دوم، نمونه‌های متعددی از کارهای پیش‌آگهی را مرور خواهید کرد. سپس از درخت‌های تصمیم برای مدل‌سازی روابط غیرخطی، که معمولاً در داده‌های پزشکی مشاهده می‌شوند، استفاده می‌کنید و آنها را برای پیش‌بینی دقیق‌تر میزان مرگ و میر به کار می‌گیرید. در نهایت، یاد خواهید گرفت که چگونه داده های از دست رفته را مدیریت کنید، یک چالش کلیدی در دنیای واقعی. 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. این دوره بر یادگیری ماشینی مبتنی بر درخت تمرکز دارد، بنابراین برای این دوره به پایه ای در یادگیری عمیق نیازی نیست. با این حال، پایه ای در یادگیری عمیق برای دوره 1 و 3 این تخصص بسیار توصیه می شود. شما می توانید با استفاده از تخصص یادگیری عمیق که توسط deeplearning.ai ارائه شده و توسط Andrew Ng تدریس می شود، پایه ای در یادگیری عمیق کسب کنید.

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. به عنوان یک پزشک هوش مصنوعی، شما این فرصت را دارید که به این تحول در پزشکی مدرن بپیوندید. اگر قبلاً با برخی از ریاضیات و کدنویسی پشت الگوریتم‌های هوش مصنوعی آشنا هستید و مشتاق هستید که مهارت‌های خود را برای مقابله با چالش‌های صنعت مراقبت‌های بهداشتی بیشتر توسعه دهید، پس این تخصص برای شما مناسب است. هیچ تخصص پزشکی قبلی لازم نیست! این برنامه به شما تجربه عملی در به کارگیری تکنیک های پیشرفته یادگیری ماشینی برای مشکلات عینی در پزشکی مدرن می دهد: - در دوره 1، شما مدل های طبقه بندی و تقسیم بندی تصویر شبکه عصبی کانولوشنال را برای تشخیص اختلالات ریوی و مغز ایجاد خواهید کرد. - در دوره 2، با استفاده از روش های آماری و پیش بینی جنگل تصادفی برای تعیین پیش آگهی بیمار، مدل های خطر و برآوردگرهای بقا را برای بیماری های قلبی می سازید. - در دوره 3، شما یک پیش بینی کننده اثر درمان می سازید، تکنیک های تفسیر مدل را اعمال می کنید و از پردازش زبان طبیعی برای استخراج اطلاعات از گزارش های رادیولوژی استفاده می کنید. این دوره ها فراتر از پایه های یادگیری عمیق هستند تا به شما بینشی در مورد تفاوت های ظریف استفاده از هوش مصنوعی در موارد استفاده پزشکی ارائه دهند. به عنوان یک یادگیرنده، اگر از قبل با برخی از ریاضیات و کدنویسی پشت الگوریتم های هوش مصنوعی راحت باشید، برای موفقیت در این برنامه آماده خواهید شد. لازم نیست شما یک متخصص هوش مصنوعی باشید، اما دانش کاری شبکه های عصبی عمیق، به ویژه شبکه های کانولوشن، و مهارت در برنامه نویسی پایتون در سطح متوسط ​​ضروری است. اگر در یادگیری ماشین یا شبکه های عصبی نسبتاً تازه کار هستید، توصیه می کنیم ابتدا تخصص یادگیری عمیق را که توسط deeplearning.ai ارائه شده و توسط Andrew Ng آموزش داده شده است، استفاده کنید. تقاضا برای پزشکان هوش مصنوعی با مهارت ها و دانش برای مقابله با بزرگترین مسائل در پزشکی مدرن به طور تصاعدی در حال افزایش است. در این تخصص به ما بپیوندید و سفر خود را به سوی ساختن آینده مراقبت های بهداشتی آغاز کنید.

هدف از این دوره ارائه دانش به دانشجویان از رویکردهای پردازش هوش مصنوعی برای تشخیص سرطان سینه است. دانش‌آموزان آزمون‌ها را می‌گیرند و در جلسات بحث شرکت می‌کنند تا مفاهیم مهمی را که در ماژول‌ها منتقل می‌شوند، تقویت کنند. تکالیف خواندن، از جمله مقالات مجلات برای درک موضوعات در ماژول ها، ارائه خواهد شد. این دوره برای دانشجویانی طراحی شده است که به حرفه توسعه محصول با استفاده از هوش مصنوعی علاقه مند هستند و می خواهند بدانند چگونه می توان هوش مصنوعی را در ماموگرافی به کار برد. محتوای دوره بر روی پارادایم پردازش هوش مصنوعی همراه با دانش حوزه تصویربرداری سینه متمرکز شده است. این رویکرد درسی منحصر به فرد است و به جای توجه به یک روش پیاده سازی خاص، چشم انداز وسیعی از هوش مصنوعی در اختیار دانش آموزان قرار می دهد. دانش‌آموزانی که این دوره را تکمیل می‌کنند نه تنها از دانش خود در یک شغل ابتدایی در زمینه هوش مصنوعی بهره می‌برند، بلکه در پروژه‌ها نیز عملکرد خوبی خواهند داشت، زیرا درک کاملی از پارادایم پردازش هوش مصنوعی دارند.

 آگاهی از ابزار AI برای اثبات آینده شغلی در توسعه دهندگان React بسیار مهم است و درک مجموعه Vercel ابزارهای AI یک سطح شیب دار قابل دسترسی برای هر کسی است که با واکنش واکنش نشان دهد. این پشته باعث می شود پارادایم های جدید هوش مصنوعی تولیدی و پخش رابط های کاربر در یک برنامه React را آسان تر کنیم. در این دوره ، نگاهی دقیق تر به Vercel AI SDK بیندازید و ببینید که چگونه این امر می تواند به توسعه دهندگان به ایجاد رابط های جریان با JavaScript و TypeScript کمک کند. به مربی Eve Porcello بپیوندید تا دریابید که چگونه می توانید عملکردهای پیشرفته AI را به برنامه های خود اضافه کنید زیرا او شما را از طریق ایجاد یک برنامه React با Next.js. راهنمایی می کند. در مورد کار با جریان ها ، استفاده از توابع تولید کننده هوش مصنوعی ، کار با مؤلفه ها ، تولید داده های ساختاری و موارد دیگر اطلاعات کسب کنید و دانش و مهارت مورد نیاز خود را برای سوار شدن به این موج جدید فناوری دریافت کنید.

هوش مصنوعی زمینه ای رو به رشد برای آینده شغلی است. با این حال، شروع یادگیری در مورد هوش مصنوعی با توجه به گستردگی موضوع می تواند بسیار دشوار باشد. در این دوره، Jim Sterne، یک تحلیلگر بازاریابی قدیمی که علاقه زیادی به پیشرفت هوش مصنوعی دارد، اصول اولیه آنچه را که برای شروع استفاده از هوش مصنوعی باید بدانید را به اشتراک می گذارد. ابتدا، جیم اصول اولیه چیستی هوش مصنوعی را بررسی می کند. او سپس برخی از مفاهیم اضافی مرتبط با هوش مصنوعی، مانند پردازش زبان طبیعی، بینایی کامپیوتر، و یادگیری ماشین را بررسی می کند. سپس، جیم برنامه های کاربردی یادگیری ماشین، هوش مصنوعی و نحوه کار این دو با هم را به اشتراک می گذارد. او همچنین رابطه بین انسان ها و هوش مصنوعی را بررسی می کند و اینکه چگونه می توانید از هوش مصنوعی به نفع خود استفاده کنید. او با بررسی وضعیت آینده هوش مصنوعی پایان می دهد. پس از اتمام این دوره، شما یک پایه دانش قوی برای شروع استفاده از هوش مصنوعی به نفع خود خواهید داشت.nn ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.

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.