Course catalog

Course duration

Course provider

Topic

Categories

Showing 301-320 of 409 items.

datacamp نظارت بر مفاهیم یادگیری ماشین (Mitalearn-404070)

  • 38 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hakim Elakhrass
درباره این دوره:

برای اطمینان از موفقیت بلندمدت مدل‌های یادگیری ماشینی، درک نحوه نظارت مؤثر بر آنها در تولید ضروری است. همانطور که یادگیری ماشین به طور گسترده در دنیای تجارت پذیرفته می شود، علم داده پس از استقرار به عنوان یک زمینه مهم در حال ظهور است. این دوره تمام مفاهیم ضروری مربوط به نظارت بر سیستم های یادگیری ماشین در تولید را پوشش می دهد تا ارزش کسب و کار را حفظ کند، خطر شکست را کاهش دهد و دید را افزایش دهد.

datacamp نظارت بر یادگیری ماشین در پایتون (Mitalearn-403713)

  • 41 minutes
  • مناسب همه
  • Release date: 28 June 2026
  • Author: Hakim Elakhrass,Maciej Balawejder
درباره این دوره:

نظارت بر مدل‌های یادگیری ماشینی موفقیت بلندمدت پروژه‌های یادگیری ماشینی شما را تضمین می‌کند. نظارت می تواند بسیار پیچیده باشد. با این حال، بسته‌های پایتون وجود دارد که به ما کمک می‌کند تا بفهمیم مدل‌هایمان چگونه عمل می‌کنند، چه داده‌هایی تغییر کرده‌اند که ممکن است منجر به کاهش عملکرد شود، و به ما سرنخ‌هایی می‌دهند که باید انجام دهیم تا مدل‌های خود را به مسیر درست برگردانیم. این دوره همه چیزهایی را که برای ساختن یک سیستم نظارت پایه در پایتون با استفاده از بسته محبوب مانیتور، nannyml، نیاز دارید، پوشش می دهد.

coursera نمونه سازی سریع یادگیری ماشین با IBM Watson Studio (Mitalearn-334234)

  • 1 hours 53 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Mark J Grover,Meredith Mante
درباره این دوره:

یک روند در حال ظهور در هوش مصنوعی در دسترس بودن فناوری‌هایی است که در آن از اتوماسیون برای انتخاب بهترین مدل، انجام مهندسی ویژگی و بهبود عملکرد مدل از طریق بهینه‌سازی فراپارامتر استفاده می‌شود. این اتوماسیون نمونه‌سازی سریع مدل‌ها را فراهم می‌کند و به Data Scientist اجازه می‌دهد تا تلاش‌های خود را بر روی استفاده از دانش دامنه برای تنظیم دقیق مدل‌ها متمرکز کند. این دوره زبان آموز را از طریق ایجاد یک خط لوله خودکار سرتاسر ساخته شده توسط ابزار آزمایشی AutoAI استودیو Watson، توضیح می دهد که فناوری زیربنایی در حال کار را که توسط IBM Research توسعه داده شده است، توضیح می دهد. تمرکز روی کار با یک نوت بوک پایتون است که به طور خودکار تولید می شود. به فراگیران مجموعه داده های آزمون برای دو مورد استفاده ارائه می شود. این دوره برای تمرین دانشمندان داده در نظر گرفته شده است. در حالی که این دوره قابلیت‌های هوش مصنوعی خودکار IBM Watson Studio را با AutoAI به نمایش می‌گذارد، این دوره مفاهیم یادگیری ماشین یا علم داده را توضیح نمی‌دهد. برای موفقیت باید دانش زیر را داشته باشید: گردش کار علم داده پیش پردازش داده ها مهندسی ویژگی الگوریتم های یادگیری ماشین بهینه سازی هایپرپارامتر اقدامات ارزیابی برای مدل ها کتابخانه Python و scikit-learn (از جمله کلاس Pipeline)

linkedin هوش مصنوعی برای بازاریابی (Mitalearn-196976)

  • 1 hours 21 minutes
  • مبتدی
  • Release date: 21 June 2026
  • Author: Madecraft,Jim Sterne
درباره این دوره:

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.

MadeCraft-Description-Logo.jpg

coursera هوش مصنوعی برای پیش آگهی پزشکی (Mitalearn-332415)

  • 2 hours 55 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk
درباره این دوره:

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.

coursera هوش مصنوعی برای تشخیص پزشکی (Mitalearn-332228)

  • 1 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk,Amirhossein Kiani
درباره این دوره:

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.

coursera هوش مصنوعی برای تشخیص سرطان سینه (Mitalearn-332908)

  • 2 hours
  • متوسط
  • Release date: 23 June 2026
  • Author: Chung-Fu Chang,Emily Ambinder
درباره این دوره:

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.

linkedin هوش مصنوعی برای دانش آموزان (Mitalearn-219654)

  • 1 hours 28 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Madecraft,Jim Sterne
درباره این دوره:

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.

MadeCraft-Description-Logo.jpg

coursera هوش مصنوعی برای درمان پزشکی (Mitalearn-332568)

  • 1 hours 44 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Pranav Rajpurkar,Bora Uyumazturk,Amirhossein Kiani
درباره این دوره:

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.

linkedin هوش مصنوعی برای مدیران پروژه (Mitalearn-156873)

  • 41 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: Oliver Yarbrough
درباره این دوره:

هوش مصنوعی (AI) دیگر محدود به حوزه علمی تخیلی نیست. این در مسیری است که دنیای کار را به شیوه ای بسیار واقعی مختل می کند، و تغییرات عمده - از افزایش تولید تا تقاضا برای پیش بینی پذیری - منجر به پذیرش آن شده است. در این دوره آموزشی، با تأثیری که هوش مصنوعی بر مدیریت پروژه خواهد داشت، نحوه آماده شدن برای تغییرات پیش رو، و نحوه استفاده از قدرت هوش مصنوعی برای عملکرد هوشمندتر آشنا شوید. الیور یاربرو، مربی، عواملی را که در اهمیت روزافزون هوش مصنوعی نقش دارند، بررسی می‌کند. او همچنین نحوه آماده شدن برای اختلالی را که باعث ایجاد آن خواهد شد، توضیح می دهد. مهارت هایی را تقویت کنید که هوش مصنوعی نمی تواند جایگزین آنها شود. و از هوش مصنوعی برای شروع، برنامه ریزی، اجرا، نظارت و کنترل، بستن و ادغام پروژه های خود به طور موثرتری استفاده کنید.

linkedin هوش مصنوعی داده محور: بهترین روش ها، هوش مصنوعی مسئول، و موارد دیگر (Mitalearn-441963)

  • 2 hours 50 minutes
  • مناسب همه
  • Release date: 25 July 2026
  • Author: Aishwarya Srinivasan
درباره این دوره:

یادگیری ماشینی معمولاً بر تولید مدل‌های مؤثر برای یک مجموعه داده معین تمرکز می‌کند. در برنامه های کاربردی دنیای واقعی، داده ها نامرتب هستند و بهبود مدل ها تنها راه برای دستیابی به عملکرد بهتر نیست. هوش مصنوعی داده محور (DCAI) یک علم نوظهور است که تکنیک هایی را برای بهبود مجموعه داده ها مطالعه می کند، که اغلب بهترین راه برای بهبود عملکرد در برنامه های کاربردی ML است. در حالی که دانشمندان داده مدت‌هاست که این کار را به صورت دستی از طریق آزمون/خطا و شهود انجام می‌دهند، DCAI بهبود داده‌ها را به عنوان یک رشته مهندسی سیستماتیک در نظر می‌گیرد. در این دوره، آیشواریا سرینیواسان اصول داده محوری را پوشش می دهد که مسیر ما را در این عصر جدید هوش مصنوعی هدایت می کند، زیرا ما از رویکرد مدل محور به پارادایم داده محور تغییر می کنیم. در مورد DCAI بیاموزید - چیست و ارزشی که ارائه می دهد. آیشواریا گردش کار DCAI را پوشش می دهد. MLO به عنوان بخشی از DCAI. اعتبار سنجی و پیش پردازش داده ها؛ اعتبارسنجی مدل؛ تشخیص و کاهش تعصب؛ هوش مصنوعی مسئول؛ و بیشتر

linkedin هوش مصنوعی راه لینکدین: مکالمه با دیپاک آگاروال (Mitalearn-142729)

  • 31 minutes
  • متوسط
  • Release date: 28 June 2026
  • Author: Deepak Agarwal
درباره این دوره:

دیپاک آگاروال معاون هوش مصنوعی (AI) در LinkedIn، شرکتی در خط مقدم علم داده است. لینکدین به شدت روی هوش مصنوعی و یادگیری ماشین سرمایه گذاری کرده است، فناوری های متحول کننده ای که می تواند تمام جنبه های تجربه اعضا را بهبود بخشد. این سرمایه گذاری در آکادمی هوش مصنوعی LinkedIn نشان داده شده است، که مهندسان و سایر کارکنان را در مورد قدرت، پتانسیل و بهترین شیوه ها برای توسعه و استفاده از ابزارهای هوش مصنوعی آموزش می دهد. در این دوره آموزشی به سبک پرسش و پاسخ، دیپک در مورد چگونگی استفاده لینکدین از هوش مصنوعی و یادگیری ماشین، روش‌هایی که این فناوری بر زندگی ما تأثیر می‌گذارد، و آنچه در آینده خواهد آمد، بحث می‌کند، از جمله توصیه‌هایی برای کسانی که می‌پرسند "آیا هوش مصنوعی مشاغل ما را خواهد گرفت؟" و "چه مهارت هایی را می توانم یاد بگیرم تا شغلی در هوش مصنوعی شروع کنم؟"

coursera هوش مصنوعی کاربردی با DeepLearning (Mitalearn-336665)

  • 5 hours
  • مناسب همه
  • Release date: 23 June 2026
  • Author: Romeo Kienzler
درباره این دوره:

>>> 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.

linkedin هوش مصنوعی کاربردی برای عملیات فناوری اطلاعات (AIOps) (Mitalearn-197231)

  • 1 hours 31 minutes
  • متوسط
  • Update date: 12 January 2024
  • Author: Kumaran Ponnambalam
درباره این دوره: 

 عملیات فناوری اطلاعات یکی از عملکردهای تجاری کلیدی برای شرکت های مدرن است. همانطور که مراکز داده بزرگ، توزیع شده و یکپارچه می شوند، نیاز به نظارت و مدیریت سخت افزار، نرم افزار، شبکه ها و داده ها به طور تصاعدی افزایش می یابد. و در حالی که عناصر موجود در یک شبکه هزاران داده را از نظر گزارش‌ها و رویدادها تولید می‌کنند، نیاز به جمع‌آوری و درک این داده‌ها برای پیش‌بینی نتایج آینده نیز در حال افزایش است. در این دوره یاد بگیرید که چگونه چالش های رایج در عملیات فناوری اطلاعات را با استفاده از قدرت هوش مصنوعی حل کنید. مربی Kumaran Ponnambalam مسائل کلیدی را که تیم های عملیات فناوری اطلاعات در عملیات روزانه خود با آن مواجه می شوند، مرور می کند. او سپس چندین مورد استفاده در دنیای عملیات IT را بررسی می‌کند و به تفصیل توضیح می‌دهد که چگونه فناوری هوش مصنوعی می‌تواند فرآیندهایی مانند تجزیه و تحلیل علت ریشه‌ای را سرعت بخشد، زمان پاسخ‌دهی را در میز کمک فناوری اطلاعات شما بهبود بخشد و موارد دیگر. در طول مسیر، او از پایتون، نوت بوک های Jupyter، Keras و تکنیک های یادگیری عمیق برای قدم گذاشتن در راه حل های عملی استفاده می کند.

coursera هوش مصنوعی مولد با مدل های زبان بزرگ (Mitalearn-309907)

  • 5 hours 35 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Chris Fregly,Antje Barth,Shelbee Eigenbrode
درباره این دوره:

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.

coursera هوش مصنوعی مولد برای همه (Mitalearn-327774)

  • 3 hours 14 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Andrew Ng
درباره این دوره:

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.

coursera هوش مصنوعی مولد قابل اعتماد (Mitalearn-328046)

  • 1 hours 41 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Dr. Jules White
درباره این دوره:

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

coursera هوش مصنوعی مولد: اصول اولیه مهندسی (Mitalearn-328029)

  • 47 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Antonio Cangiano,Rav Ahuja
درباره این دوره:

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.

coursera هوش مصنوعی مولد: مدل‌ها و پلتفرم‌های بنیاد (Mitalearn-328386)

  • 51 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja
درباره این دوره:

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.  

coursera هوش مصنوعی مولد: مقدمه و کاربردها (Mitalearn-327944)

  • 1 hours 32 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Rav Ahuja
درباره این دوره:

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.

Suggestions