Course catalog

Course duration

Course provider

Topic

Categories

Showing 261-280 of 409 items.

coursera مدیریت پروژه های یادگیری ماشینی (Mitalearn-237096)

  • 4 hours 16 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jon Reifschneider
درباره این دوره:

این دوره دوم از تخصص مدیریت محصول هوش مصنوعی توسط دانشکده مهندسی پرت دانشگاه دوک بر جنبه های عملی مدیریت پروژه های یادگیری ماشین تمرکز دارد. این دوره از طریق مراحل کلیدی یک پروژه ML از چگونگی شناسایی فرصت های خوب برای ML از طریق جمع آوری داده ها، ساخت مدل، استقرار و نظارت و نگهداری سیستم های تولید می پردازد. شرکت کنندگان در مورد فرآیند علم داده و نحوه اعمال فرآیند برای سازماندهی تلاش های ML، و همچنین ملاحظات و تصمیمات کلیدی در طراحی سیستم های ML یاد خواهند گرفت. در پایان این دوره، شما باید بتوانید: 1) فرصت هایی را برای اعمال ML برای حل مشکلات کاربران شناسایی کنید 2) از فرآیند علم داده برای سازماندهی پروژه های ML استفاده کنید 3) تصمیمات کلیدی فناوری را در طراحی سیستم ML ارزیابی کنید 4) پروژه های ML را از ایده پردازی تا تولید با استفاده از بهترین شیوه ها هدایت کنید

coursera مشکلات کسب و کار را با هوش مصنوعی و یادگیری ماشین حل کنید (Mitalearn-333418)

  • 2 hours 4 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Renée Cummings
درباره این دوره:

هوش مصنوعی (AI) و یادگیری ماشین (ML) به بخشی ضروری از مجموعه ابزار برای بسیاری از سازمان‌ها تبدیل شده‌اند. هنگامی که این ابزارها به طور مؤثر مورد استفاده قرار می گیرند، بینش عملی ارائه می دهند که تصمیمات حیاتی را هدایت می کند و سازمان ها را قادر می سازد محصولات و خدمات هیجان انگیز، جدید و نوآورانه ایجاد کنند. این اولین دوره از چهار دوره در گواهینامه حرفه ای متخصص هوش مصنوعی (CAIP) است. این دوره به عنوان نقطه ورود به دنیای AI/ML در نظر گرفته شده است. در مورد مشکلات تجاری که AI/ML می تواند حل کند و همچنین فناوری های AI/ML خاصی که می تواند آنها را حل کند، آشنا خواهید شد. علاوه بر این، یک نمای کلی از گردش کار کلی مربوط به یادگیری ماشین، و همچنین ابزارها و سایر منابعی که از آن پشتیبانی می‌کنند، دریافت خواهید کرد. این دوره همچنین اهمیت اخلاق در AI/ML را ترویج می کند و تکنیک هایی را برای رسیدگی به چالش های اخلاقی در اختیار شما قرار می دهد. در نهایت، این دوره شما را در مورد "چرا؟" فکر می کند. از AI/ML، و تضمین می کند که کارهای فنی بیشتر شما در دوره های بعدی با اهداف تجاری واضح در ذهن انجام می شود.

datacamp مفاهیم MLOps (Mitalearn-400568)

  • 50 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Folkert Stijnman
درباره این دوره:

درک عملیات یادگیری ماشین (MLOps) برای هر دانشمند داده، مهندس یا رهبر برای تبدیل مدل های یادگیری ماشین از یک نوت بوک محلی به یک مدل کارآمد در تولید ضروری است. این دوره شما را با فرآیندها، مراحل و سطوح کلیدی MLO ها از جمله طراحی، توسعه، استقرار و نظارت آشنا می کند. خواهید فهمید که چگونه اتوماسیون سازمان ها را قادر می سازد تا مدل های یادگیری ماشینی خود را به طور موثر راه اندازی، نظارت و به روز کنند.

linkedin مقدمه ای بر AWS DeepLens (Mitalearn-190941)

  • 33 minutes
  • متوسط
  • Release date: 22 June 2026
  • Author: Jonathan Fernandes
درباره این دوره:

AWS DeepLens اولین دوربین فیلمبرداری با قابلیت یادگیری عمیق در جهان برای توسعه دهندگان است. در این دوره عملی، مربی جاناتان فرناندز به شما کمک می کند تا با این ابزار جدید هیجان انگیز شروع کنید. جاناتان این دوره را با آشنایی شما با نحوه عملکرد DeepLens، نحوه تنظیم آن و نحوه عیب یابی مشکلات رایج آغاز می کند. سپس، او شما را از طریق انواع پروژه های موجود با DeepLens، از جمله پروژه هایی که با تشخیص اشیا سروکار دارند، راهنمایی می کند. برای جمع بندی، جاناتان یک نمای کلی از پروژه های آینده ارائه می دهد که می توانید در نظر بگیرید.

datacamp مقدمه ای بر MLflow (Mitalearn-401724)

  • 55 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Weston Bassler
درباره این دوره:

مدیریت چرخه حیات یک برنامه یادگیری ماشینی می‌تواند برای دانشمندان داده، مهندسان و توسعه‌دهندگان کار دلهره‌آوری باشد. برنامه‌های یادگیری ماشینی پیچیده هستند و سابقه اثبات شده‌ای دارند که ردیابی آنها دشوار است، بازتولید آن دشوار است و راه‌اندازی آن مشکل است.

در این دوره آموزشی، یاد خواهید گرفت که MLflow چیست و چگونه تلاش می کند تا مشکلات چرخه حیات یادگیری ماشین مانند ردیابی، تکرارپذیری و استقرار را ساده کند. پس از یادگیری MLflow، درک بهتری از نحوه غلبه بر پیچیدگی‌های ساخت برنامه‌های یادگیری ماشین و نحوه پیمایش مراحل مختلف چرخه زندگی یادگیری ماشین خواهید داشت.

linkedin مقدمه ای بر MLSecOps (Mitalearn-440501)

  • 1 hours 2 minutes
  • مناسب همه
  • Release date: 4 April 2024
  • Author: Diana Kelley
درباره این دوره: 

 

هر چه بیشتر به هوش مصنوعی (AI) و یادگیری ماشین (ML) تکیه کنیم، بیشتر به آن سیستم‌ها نیاز داریم که قابل اعتماد و انعطاف‌پذیر باشند. در این دوره - که برای مهندسان ML، دانشمندان داده، متخصصان AppSec یا MLSec و رهبران کسب و کار طراحی شده است - به مدرس Diana Kelley بپیوندید تا با تمرکز بر تاثیرگذارترین مسائل امنیتی و استراتژی‌های پیشگیری با استفاده از چارچوب MLSecOps و MLSecOps، مروری کلی از نحوه ایجاد امنیت در یادگیری ماشین و هوش مصنوعی ارائه دهد.

DevSecOps برای پیدا کردن اینکه چگونه و کجا امنیت را می توان در خط لوله ML بافته کرد. دیانا به شما نشان می‌دهد که چگونه می‌توانید مدل‌های یادگیری ماشین را ایمن کنید، ارزیابی‌های ریسک آگاه از هوش مصنوعی را انجام دهید، زنجیره‌های تامین را ممیزی و پایش کنید، طرح‌های واکنش به حادثه را اجرا کنید، و تیم رویایی MLSecOps خود را بسازید. در پایان این دوره، شما آماده خواهید بود که به افراد و سازمان ها کمک کنید تا در مورد ایمن سازی سیستم های هوش مصنوعی و ML خود فعال تر باشند.


coursera مقدمه ای بر PyMC3 برای مدل سازی و استنتاج بیزی (Mitalearn-329661)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Srijith Rajamohan
درباره این دوره:

هدف از این دوره معرفی PyMC3 برای مدل سازی و استنتاج بیزی است، شرکت کنندگان با یادگیری اصول اولیه PyMC3 شروع می کنند و یاد می گیرند که چگونه استنتاج مقیاس پذیر را برای مسائل مختلف انجام دهند. این دوره نهایی در یک تخصص از سه دوره خواهد بود. از نوت بوک های پایتون و ژوپیتر در طول این دوره برای نشان دادن و انجام مدل سازی بیزی با PyMC3 استفاده می شود. وب سایت دوره در آدرس https://sjster.github.io/introduction_to_computational_statistics قرار دارد. /docs/index.html. دفترچه های دوره را می توان با دنبال کردن دستورالعمل های صفحه https://sjster.github.io/introduction_to_computational_statistics/docs/getting_started.html از این وب سایت دانلود کرد. مدرس این دوره دکتر Srijith Rajamohan خواهد بود.

coursera مقدمه ای بر TensorFlow برای هوش مصنوعی، یادگیری ماشینی و یادگیری عمیق (Mitalearn-309924)

  • 1 hours 16 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Laurence Moroney
درباره این دوره:

اگر توسعه‌دهنده نرم‌افزاری هستید که می‌خواهید الگوریتم‌های مقیاس‌پذیر مبتنی بر هوش مصنوعی بسازید، باید بدانید که چگونه از ابزارهای ساخت آنها استفاده کنید. این دوره بخشی از DeepLearning.AI TensorFlow Developer Specialization است و بهترین روش ها برای استفاده از TensorFlow، یک چارچوب منبع باز محبوب برای یادگیری ماشین را به شما آموزش می دهد. دوره یادگیری ماشین و تخصص یادگیری عمیق از Andrew Ng مهمترین و اساسی ترین اصول یادگیری ماشین و یادگیری عمیق را آموزش می دهد. این تخصص توسعه‌دهنده DeepLearning.AI TensorFlow به شما می‌آموزد که چگونه از TensorFlow برای پیاده‌سازی این اصول استفاده کنید تا بتوانید شروع به ساخت و استفاده از مدل‌های مقیاس‌پذیر برای مشکلات دنیای واقعی کنید. برای ایجاد درک عمیق تر از نحوه عملکرد شبکه های عصبی، توصیه می کنیم که تخصص یادگیری عمیق را انتخاب کنید.

datacamp مقدمه ای بر TensorFlow در پایتون (Mitalearn-402302)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Isaiah Hull
درباره این دوره:

چندی پیش، الگوریتم‌های بینایی کامپیوتری پیشرفته نمی‌توانستند بین تصاویر گربه‌ها و سگ‌ها تفاوت قائل شوند. امروزه، یک دانشمند داده ماهر که به چیزی بیش از یک لپ تاپ مجهز نیست، می تواند ده ها هزار شی را با دقتی بیشتر از چشم انسان طبقه بندی کند. در این دوره، از TensorFlow 2.6 برای توسعه، آموزش و پیش‌بینی مدل‌هایی استفاده خواهید کرد که پیشرفت‌های عمده‌ای را در سیستم‌های توصیه، طبقه‌بندی تصاویر و فین‌تک انجام داده‌اند. شما هم API های سطح بالا را یاد خواهید گرفت که به شما امکان می دهد مدل های یادگیری عمیق را در 15 خط کد طراحی و آموزش دهید و هم API های سطح پایین را که به شما امکان می دهد فراتر از روال های معمولی بروید. همچنین یاد خواهید گرفت که قیمت مسکن، پیش‌فرض‌های کارت اعتباری وام گیرنده، و تصاویر حرکات زبان اشاره را به‌طور دقیق پیش‌بینی کنید.

coursera مقدمه ای بر بینایی کامپیوتری و پردازش تصویر (Mitalearn-326550)

  • 2 hours 3 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Aije Egwaikhide,Joseph Santarcangelo
درباره این دوره:

Computer Vision یکی از هیجان انگیزترین زمینه ها در یادگیری ماشینی و هوش مصنوعی است. در بسیاری از صنایع مانند اتومبیل های خودران، روباتیک، واقعیت افزوده و بسیاری موارد دیگر کاربرد دارد. در این دوره آموزشی مبتدی، بینایی کامپیوتر را درک خواهید کرد و با کاربردهای مختلف آن در بسیاری از صنایع آشنا خواهید شد. به عنوان بخشی از این دوره، شما از Python، Pillow و OpenCV برای پردازش اولیه تصویر و انجام طبقه بندی تصویر و تشخیص اشیا استفاده خواهید کرد. این یک دوره عملی است و شامل چندین آزمایشگاه و تمرین است. آزمایشگاه‌ها آزمایشگاه‌های Jupyter و Computer Vision Learning Studio (CV Studio) را که یک ابزار آموزشی رایگان برای بینایی کامپیوتر است، ترکیب می‌کنند. CV Studio به شما امکان آپلود، آموزش و آزمایش مدل‌های تشخیص و طبقه‌بندی تصویر سفارشی خود را می‌دهد. در پایان دوره، برنامه وب بینایی کامپیوتر خود را ایجاد کرده و آن را در Cloud مستقر خواهید کرد. این دوره نیازی به تجربه قبلی در زمینه یادگیری ماشین یا کامپیوتر ندارد. با این حال، دانش کمی از زبان برنامه نویسی پایتون و ریاضی دبیرستان ضروری است.

datacamp مقدمه ای بر پردازش زبان طبیعی در R (Mitalearn-399106)

  • 57 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Kasey Jones
درباره این دوره:

همانند هر دوره آموزشی دیگری، مقدمه ای بر پردازش زبان طبیعی در R طراحی شده است تا شما را به ابزارهای لازم برای شروع ماجراجویی در تجزیه و تحلیل متن مجهز کند. پردازش زبان طبیعی (NLP) یک زمینه دائماً در حال رشد در علم داده است که با پیشرفت‌های بسیار هیجان‌انگیزی در دهه گذشته انجام شده است. این دوره به مبانی این مباحث می پردازد و شما را برای گسترش قابلیت های تحلیل خود آماده می کند. ما در عبارات منظم، مدل‌سازی موضوع، شناسایی موجودیت نام‌گذاری شده و موارد دیگر غوطه‌ور می‌شویم، در حالی که نمونه‌های کاملی را ارائه می‌کنیم که می‌توانند برای شروع تحلیل آینده شما مورد استفاده قرار گیرند.

Related Skills

datacamp مقدمه ای بر پردازش زبان طبیعی در پایتون (Mitalearn-399208)

  • 49 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Katharine Jarmul
درباره این دوره:

در این دوره، اصول اولیه پردازش زبان طبیعی (NLP) مانند نحوه شناسایی و جداسازی کلمات، نحوه استخراج موضوعات در یک متن، و نحوه ساخت طبقه بندی اخبار جعلی خود را خواهید آموخت. شما همچنین یاد خواهید گرفت که چگونه از کتابخانه های پایه مانند NLTK، در کنار کتابخانه هایی که از یادگیری عمیق برای حل مشکلات رایج NLP استفاده می کنند، استفاده کنید. این دوره به شما پایه و اساس پردازش و تجزیه متن را در حین حرکت به سمت یادگیری پایتون می دهد.

coursera مقدمه ای بر تجارت، یادگیری ماشین و GCP (Mitalearn-332347)

  • 4 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Jack Farmer
درباره این دوره:

در این دوره آموزشی، با اصول معاملاتی، از جمله مفهوم روند، بازده، توقف ضرر و نوسانات آشنا خواهید شد. شما یاد خواهید گرفت که چگونه منبع سود و ساختار استراتژی های معاملاتی کمی را شناسایی کنید. این دوره به شما کمک می‌کند اندازه‌گیری کنید که مدل چقدر یادگیری خود را تعمیم می‌دهد، تفاوت‌های بین رگرسیون و پیش‌بینی را توضیح می‌دهد و مراحل مورد نیاز برای ایجاد پشتیبان‌های توسعه و پیاده‌سازی را شناسایی می‌کند. در پایان دوره، می‌توانید از Google Cloud Platform برای ساخت مدل‌های یادگیری ماشینی اولیه در نوت‌بوک‌های Jupyter استفاده کنید. برای موفقیت در این دوره، باید صلاحیت پیشرفته در برنامه نویسی پایتون و آشنایی با کتابخانه های مربوط به یادگیری ماشین، مانند Scikit-Learn، StatsModels و Pandas داشته باشید. تجربه با SQL توصیه می شود. شما باید پیشینه ای در زمینه آمار (مقادیر مورد انتظار و انحراف استاندارد، توزیع های گاوسی، ممان های بالاتر، احتمال، رگرسیون های خطی) و دانش پایه ای از بازارهای مالی (سهام، اوراق قرضه، مشتقات، ساختار بازار، پوشش ریسک) داشته باشید.

datacamp مقدمه ای بر تجزیه و تحلیل پیش بینی کننده در پایتون (Mitalearn-404393)

  • 37 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Nele Verbiest
درباره این دوره:

در این دوره آموزشی یاد خواهید گرفت که چگونه یک مدل رگرسیون لجستیک با متغیرهای معنادار بسازید. همچنین نحوه استفاده از این مدل را برای پیش‌بینی و نحوه ارائه آن و عملکرد آن به سهامداران کسب‌وکار خواهید آموخت.

coursera مقدمه ای بر سیستم های توصیه گر: غیر شخصی و مبتنی بر محتوا (Mitalearn-331191)

  • 8 hours 46 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Joseph A Konstan,Michael D. Ekstrand
درباره این دوره:

این دوره که به عنوان اولین دوره در تخصص سیستم های توصیه گر طراحی شده است، مفهوم سیستم های توصیه گر را معرفی می کند، چندین مثال را به طور مفصل بررسی می کند و شما را از طریق توصیه های غیر شخصی با استفاده از آمار خلاصه و انجمن های محصول، مبتنی بر کلیشه های اولیه راهنمایی می کند. یا توصیه های جمعیت شناختی، و توصیه های فیلترینگ مبتنی بر محتوا. پس از اتمام این دوره، می‌توانید با استفاده از ابزارهای صفحه گسترده اولیه، توصیه‌های مختلفی را از مجموعه داده‌ها محاسبه کنید، و اگر مسیر افتخارات را تکمیل کنید، این توصیه‌ها را نیز با استفاده از جعبه ابزار توصیه‌گر LensKit منبع باز برنامه‌ریزی کرده‌اید. علاوه بر سخنرانی‌های مفصل و تمرین‌های تعاملی، این دوره دارای مصاحبه با چندین رهبر در تحقیق و عمل در مورد موضوعات پیشرفته و جهت‌های جاری در سیستم‌های توصیه‌گر است.

coursera مقدمه ای بر علم داده و یادگیری اسکییت در پایتون (Mitalearn-329236)

  • 1 hours 30 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Sabrina Moore,Rajvir Dua,Neelesh Tiruviluamala
درباره این دوره:

این دوره به شما یاد می دهد که چگونه از قدرت پایتون و هوش مصنوعی برای ایجاد و آزمایش فرضیه استفاده کنید. ما از ابتدا شروع می کنیم، و قبل از فرو رفتن در برخی از برنامه های کاربردی غنی تر آن برای آزمایش فرضیه ایجاد شده، چند پایتون پایه برای علم داده را یاد می گیریم. ما برخی از مهم‌ترین کتابخانه‌ها را برای تجزیه و تحلیل داده‌های اکتشافی (EDA) و یادگیری ماشینی مانند Numpy، Pandas و Sci-Kit یاد خواهیم گرفت. پس از یادگیری برخی از تئوری (و ریاضیات) پشت رگرسیون خطی، خط لوله کاملی از خواندن داده‌ها، پاکسازی آن‌ها و اعمال یک مدل رگرسیون برای تخمین پیشرفت دیابت را بررسی می‌کنیم. در پایان دوره، شما یک مدل طبقه بندی را برای پیش بینی وجود/عدم بیماری قلبی از داده های سلامت بیمار اعمال خواهید کرد.

datacamp مقدمه ای بر نسخه سازی داده با DVC (Mitalearn-405090)

  • 1 hours
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Ravi Bhadauria
درباره این دوره:

کاوش در کنترل نسخه داده (DVC)، ابزاری برای مدیریت و نسخه‌سازی داده‌های ML. نقش آن را در چرخه حیات ML بررسی کنید، نسخه‌سازی داده‌ها را از نسخه‌سازی کد متمایز کنید، و ویژگی‌ها و موارد استفاده DVC را بررسی کنید. درباره راه‌اندازی DVC، از جمله مدیریت حافظه پنهان و ریموت‌ها، بیاموزید و کاربردهای آن را در CI/CD، ردیابی آزمایشی، و خطوط لوله کشف کنید. خطوط لوله ML را خودکار کنید، با تأکید بر مدولارسازی کد، و اجرای کارآمد آنها را تمرین کنید. با ارزیابی مدل، کاوش در ردیابی متریک در DVC برای تصمیم‌گیری آگاهانه پایان دهید.

Related Skills

coursera مقدمه ای بر هوش مصنوعی در مرکز داده (Mitalearn-319393)

  • 2 hours 50 minutes
  • مناسب همه
  • Release date: 23 June 2026
  • Author: NVIDIA Training
درباره این دوره:

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!

coursera مقدمه ای بر هوش مصنوعی و یادگیری ماشین در GC - Español (Mitalearn-318934)

  • 2 hours 52 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

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.

coursera مقدمه ای بر هوش مصنوعی و یادگیری ماشین در GC - 日本語版 (Mitalearn-319036)

  • 2 hours 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Google Cloud Training
درباره این دوره:

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.

Suggestions