پایتون-زبان محبوب و بسیار قابل خواندن شیء گرا-یادگیری قدرتمند و نسبتاً آسان است. این که آیا شما در برنامه نویسی تازه کار هستید یا یک توسعه دهنده با تجربه ، این دوره می تواند به شما در شروع کار با پایتون کمک کند. جو مارینی مروری بر فرآیند نصب ، نحو اساسی پایتون و نمونه ای از نحوه ساخت و اجرای یک برنامه ساده پایتون ارائه می دهد. یاد بگیرید که با تاریخ و زمان کار کنید ، پرونده ها را بخوانید و بنویسید ، و داده های JSON و XML را از وب بازیابی و تجزیه کنید.

این دوره شامل چالش های کد است که توسط CoderPad تهیه شده است. چالش های کد تمرینات برنامه نویسی تعاملی با بازخورد در زمان واقعی است ، بنابراین می توانید برای پیشبرد مهارت های برنامه نویسی خود ، در کنار محتوای دوره ، تمرین کدگذاری دستی را انجام دهید.

تاریخ طراحی گرافیک تاریخچه بیان فرهنگی است ، که منعکس کننده هر دو آنچه مردم در یک دوره زمانی فکر می کردند و هم چگونه احساس می کنند. این که آیا شما در مورد توسعه طراحی کنجکاو هستید یا به دنبال الهام بخش برای خلاقیت های خود هستید ، می توانید واژگان بصری خود را در این مقدمه جامع در تاریخ طراحی گرافیک گسترش دهید. مربی شان آدامز معاون هنر تجسمی و ارتباطات در کالج طراحی Artcenter ، یکی از مدارس طراحی بالاترین رتبه در جهان است - و در این دوره ، او هر جنبش طراحی ، از جمله سبک های خاص ، تکنیک ها و ژانرها را برجسته می کند.

شان به بررسی نیاز به طراحی در تبلیغات عصر صنعتی ، استفاده از طراحی گرافیک به عنوان تبلیغ در طول دو جنگ جهانی و ظهور مدرسه بائوهوس بسیار تأثیرگذار می پردازد. او به توسعه پوستر ، فیلمبرداری ، مجله و طراحی پوشش آلبوم می پردازد. تغییر رابطه بین طراحی و تایپوگرافی ؛ و نقش طراحی گرافیک در حرکات مختلف هنری ، از Art Nouveau گرفته تا New Wave.

مهارت های یادگیری ماشین خود را با scikit-learn رشد دهید و نحوه استفاده از این کتابخانه محبوب Python را برای آموزش مدل ها با استفاده از داده های برچسب گذاری شده کشف کنید. در این دوره، شما یاد خواهید گرفت که چگونه پیش‌بینی‌های قدرتمندی انجام دهید، مانند اینکه آیا مشتری از کسب‌وکار شما خارج می‌شود یا خیر، آیا یک فرد مبتلا به دیابت است یا خیر، و حتی نحوه طبقه‌بندی ژانر یک آهنگ. با استفاده از مجموعه داده‌های دنیای واقعی، نحوه ساخت مدل‌های پیش‌بینی، تنظیم پارامترهای آن‌ها و تعیین میزان عملکرد آنها با داده‌های دیده نشده را خواهید یافت.

این مقدمه در سطح مبتدی برای یادگیری ماشین، چهار مورد از رایج‌ترین الگوریتم‌های طبقه‌بندی را پوشش می‌دهد. شما با درک اساسی از نحوه نزدیک شدن هر الگوریتم به یک کار یادگیری و همچنین توابع R مورد نیاز برای اعمال این ابزارها در کار خود خواهید آموخت.

در این دوره آموزشی در مورد یادگیری تقویتی از بازخورد انسانی، کارایی هوش مصنوعی تولیدی را با درک تخصص انسانی ترکیب کنید. شما یاد خواهید گرفت که چگونه مدل‌های GenAI را واقعاً منعکس‌کننده ارزش‌ها و ترجیحات انسانی کنید، در حالی که تجربه عملی با LLM کسب می‌کنید. همچنین پیچیدگی‌های مدل‌های پاداش را بررسی می‌کنید و یاد می‌گیرید که چگونه بر اساس LLMها برای تولید هوش مصنوعی که نه تنها یاد می‌گیرد بلکه با سناریوهای دنیای واقعی سازگار می‌شود، بسازید.

سفری را برای توانمندسازی ماشین‌ها از طریق یادگیری تقویتی عمیق (DRL) آغاز کنید. این دوره تجربه عملی با الگوریتم های قدرتمند با استفاده از PyTorch و Gymnasium را ارائه می دهد. با پایه های DRL و یادگیری تقویتی سنتی شروع کنید، سپس Deep Q-Networks (DQN) را با اصلاحات پیشرفته مانند تکرار تجربه اولویت دار پیاده سازی کنید. قبل از بهینه‌سازی مدل‌های خود با استفاده از Optuna، مهارت‌های خود را با روش‌های مبتنی بر سیاست ارتقا دهید و الگوریتم‌های استاندارد صنعتی مانند بهینه‌سازی سیاست پروگزیمال (PPO) را بررسی کنید.