Course catalog

Course duration

Course provider

Topic

Categories

Showing 41-49 of 49 items.

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.

linkedin هوش مصنوعی نسل بعدی: مقدمه ای بر GPT-3 (Mitalearn-220810)

  • 1 hours 10 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Jonathan Reichental
درباره این دوره:


آیا شما یک متخصص هوش مصنوعی، یک دانشمند داده، یک رهبر کسب و کار، یا کسی هستید که دوست دارید در مورد چگونگی تأثیر هوش مصنوعی بر جهان ما بیشتر بدانید؟ در این دوره آموزشی، استاد دکتر جاناتان ریشنتال شما را با یک موضوع داغ در توسعه هوش مصنوعی آشنا می‌کند: فناوری GPT-3 (ترانسفورماتور پیش‌آموزش‌دهی ژنراتور 3) که توسط Open AI منتشر شده است. رایشنتال نقش فزاینده مهمی را که هوش مصنوعی در تجارت ایفا می کند، توصیف می کند. او تاریخچه مختصری از هوش مصنوعی را پوشش می دهد، سپس در مورد نحوه شروع OpenAI، ماموریت و چشم انداز آن، و منشور منحصر به فرد آن به شما می گوید. رایشنتال مفاهیم اصلی GPT-3، چگونگی افزودن ارزش و تعدادی از چالش ها و محدودیت های آن را مورد بحث قرار می دهد. او آینده هوش مصنوعی را توصیف می کند، سپس با پیشنهاداتی برای گام های بعدی که شما و سازمانتان می توانید نسبت به GPT-3 و AI بردارید، نتیجه گیری می کند.

coursera یادگیری عمیق احتمالی با TensorFlow 2 (Mitalearn-336155)

  • 6 hours 14 minutes
  • پیشرفته
  • Release date: 23 June 2026
  • Author: Dr Kevin Webster
درباره این دوره:

به این دوره آموزش عمیق احتمالی با TensorFlow خوش آمدید! این دوره مبتنی بر مفاهیم و مهارت‌های پایه تنسورفلو است که در دو دوره اول این تخصص تدریس شده است و بر رویکرد احتمالی یادگیری عمیق تمرکز دارد. این یک حوزه به طور فزاینده مهم یادگیری عمیق است که هدف آن تعیین کمیت نویز و عدم قطعیت است که اغلب در مجموعه داده های دنیای واقعی وجود دارد. این یک جنبه حیاتی در هنگام استفاده از مدل های یادگیری عمیق در برنامه هایی مانند وسایل نقلیه خودران یا تشخیص های پزشکی است. ما به مدل نیاز داریم تا بدانیم چه چیزی را نمی داند. شما یاد خواهید گرفت که چگونه مدل‌های احتمالی را با TensorFlow توسعه دهید و از کتابخانه احتمالی TensorFlow استفاده کنید، کتابخانه‌ای که برای آسان کردن ترکیب مدل‌های احتمالی با یادگیری عمیق طراحی شده است. به این ترتیب، این دوره همچنین می تواند به عنوان مقدمه ای برای کتابخانه TensorFlow Probability مشاهده شود. شما یاد خواهید گرفت که چگونه توزیع‌های احتمال را می‌توان در مدل‌های یادگیری عمیق در TensorFlow، از جمله شبکه‌های عصبی بیزی، جریان‌های عادی‌سازی و رمزگذارهای خودکار متغیر، نمایش داد و گنجاند. شما یاد خواهید گرفت که چگونه مدل هایی را برای تعیین کمیت عدم قطعیت و همچنین مدل های تولیدی ایجاد کنید که می توانند نمونه های جدیدی مشابه نمونه های موجود در مجموعه داده ایجاد کنند، مانند تصاویر چهره های افراد مشهور. مفاهیمی را که در مورد آنها یاد می گیرید بلافاصله در آموزش های عملی و عملی برنامه نویسی، که توسط دستیار آموزشی فارغ التحصیل راهنمایی می شوید، در عمل قرار می دهید. علاوه بر این، یک سری تکالیف برنامه نویسی با درجه بندی خودکار برای شما وجود دارد تا مهارت های خود را تثبیت کنید. در پایان دوره، بسیاری از مفاهیم را در یک پروژه Capstone گرد هم می‌آورید، جایی که یک الگوریتم رمزگذار خودکار متغیر را برای تولید یک مدل تولیدی از مجموعه داده‌های تصویر مصنوعی که خودتان ایجاد می‌کنید، ایجاد می‌کنید. این دوره از دو دوره قبلی در این تخصص پیروی می کند، شروع با TensorFlow 2 و سفارشی کردن مدل های خود با TensorFlow 2. دانش پیش نیاز اضافی مورد نیاز برای موفقیت در این دوره یک پایه محکم در احتمال و آمار است. به طور خاص، فرض بر این است که شما با توزیع‌های احتمال استاندارد، توابع چگالی احتمال، و مفاهیمی مانند برآورد حداکثر احتمال، فرمول تغییر متغیرها برای متغیرهای تصادفی و کران پایین شواهد (ELBO) مورد استفاده در استنتاج تغییرات آشنا هستید.

coursera یادگیری عمیق با Keras و Tensorflow (Mitalearn-330188)

  • 2 hours 13 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Samaya Madhavan,Ricky Shi,Alex Aklson
درباره این دوره:

یادگیری عمیق در بسیاری از زمینه ها از جمله بینایی کامپیوتر، پردازش زبان طبیعی و روباتیک انقلابی ایجاد کرده است. علاوه بر این، Keras، یک API شبکه های عصبی سطح بالا که به زبان پایتون نوشته شده است، به بخشی ضروری از TensorFlow تبدیل شده است و یادگیری عمیق را در دسترس و ساده می کند. تسلط بر این تکنیک ها فرصت های زیادی را در تحقیقات و صنعت باز خواهد کرد. شما یاد خواهید گرفت که لایه ها و مدل های سفارشی را در Keras ایجاد کنید و Keras را با TensorFlow 2.x برای عملکرد بهبودیافته ادغام کنید. شما شبکه های عصبی کانولوشنال پیشرفته (CNN) را با استفاده از Keras توسعه خواهید داد. همچنین با استفاده از TensorFlow با Keras، مدل‌های ترانسفورماتور را برای داده‌های متوالی و سری‌های زمانی خواهید ساخت. این دوره همچنین اصول یادگیری بدون نظارت در Keras و TensorFlow را برای بهینه سازی مدل و حلقه های آموزشی سفارشی پوشش می دهد. در نهایت، شبکه‌های Q عمیق (DQN) را با Keras برای وظایف یادگیری تقویتی توسعه داده و آموزش خواهید داد (مروری از مدل‌سازی تولیدی و یادگیری تقویتی ارائه شده است). شما می توانید مفاهیم آموخته شده را با استفاده از آزمایشگاه های عملی در هر درس تمرین کنید. یک پروژه نهایی نهایی در آخرین ماژول به شما فرصتی می دهد تا دانش خود را برای ایجاد یک مدل طبقه بندی با استفاده از یادگیری انتقالی به کار ببرید. این دوره برای همه مهندسین مشتاق هوش مصنوعی که می خواهند TensorFlow و Keras را یاد بگیرند مناسب است. این نیاز به دانش کاربردی برنامه نویسی پایتون و مفاهیم پایه ریاضی مانند گرادیان و ماتریس، و همچنین اصول یادگیری عمیق با استفاده از Keras دارد.

linkedin یادگیری عمیق با TensorFlow: بینش و نوآوری (Mitalearn-443595)

  • 3 hours 6 minutes
  • مناسب همه
  • Release date: 9 October 2024
  • Author: Isil Berkun
درباره این دوره: 

 

از آنجایی که چشم انداز هوش مصنوعی به طور مداوم در حال تکامل است، درک جنبه های اساسی و در حال ظهور یادگیری عمیق برای حرفه ای هایی که به دنبال پیشرفت در زمینه های مرتبط با فناوری هستند بسیار مهم می شود. این دوره با ارائه بینش های به روز در مورد چگونگی استفاده از قدرت برنامه های کاربردی TensorFlow به پر کردن این شکاف کمک می کند. جدیدترین ویژگی‌ها و بهترین شیوه‌های TensorFlow را با برنامه‌های کاربردی و نمونه‌های واقعی کشف کنید. در طول مسیر، مربی Isil Berkun شما را با مفاهیم مولد هوش مصنوعی آشنا می کند تا الهام بخش کاوش و یادگیری بیشتر باشد. در پایان این دوره، شما در پیاده‌سازی مدل‌های یادگیری عمیق با TensorFlow مهارت خواهید داشت.

این دوره با GitHub Codespaces، یک محیط توسعه‌دهنده ابر فوری که تمام قابلیت‌های IDE مورد علاقه شما را بدون نیاز به هیچ گونه تنظیمات ماشین محلی ارائه می‌کند، یکپارچه شده است. با استفاده از GitHub Codespaces، می‌توانید در هر زمان و در هر زمانی از ابزاری استفاده کنید که احتمالاً در محل کار با آن مواجه خواهید شد. برای یادگیری نحوه شروع، فصل "غواصی در فضاهای کد" را بررسی کنید.


linkedin یادگیری عمیق با پایتون: شبکه های عصبی حلقوی (Mitalearn-417551)

  • 1 hours 34 minutes
  • مناسب همه
  • Release date: 20 June 2025
  • Author: Frederick Nwanganga
درباره این دوره: 

 

دنیای جذاب شبکه های عصبی حلقوی (CNN) را کشف کنید و کشف کنید که چگونه آنها در زمینه دید رایانه و یادگیری عمیق انقلابی ایجاد کرده اند. بلوک های ساختمانی CNN ها را درک کرده و با استفاده از پایتون ، با تمرکز بر روی برنامه های دنیای واقعی مانند طبقه بندی تصویر ، تشخیص شی و تقسیم تصویر ، به تمرینات عملی بپردازید. مربی فرد Nwanganga به شما کمک می کند تا در طراحی ، اجرای و بهینه سازی مدل های CNN مهارت لازم را داشته باشید. درک خود را از معماری های پیشرفته مانند VGG NET ، RESNET و کارآمد ، تقویت کنید و نحوه استفاده از مدلهای پیش ساخته را برای دقت و کارآیی افزایش دهید. این دوره که برای دانشمندان داده ، علاقه مندان به یادگیری ماشین و توسعه دهندگان با درک بنیادی از یادگیری عمیق و مهارت های برنامه نویسی پایتون طراحی شده است ، این دوره به شما کمک می کند تا تکنیک های پیشرفته یادگیری ماشین را باز کنید. با استفاده از Codepaces GitHub ، می توانید از هر دستگاه ، در هر زمان ، همه در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، استفاده کنید. برای یادگیری نحوه شروع کار "استفاده از Codespaces GitHub" را با این دوره بررسی کنید.


coursera یادگیری عمیق برای کسب و کار (Mitalearn-284492)

  • 2 hours 47 minutes
  • مبتدی
  • Release date: 23 June 2026
  • Author: Jong-Moon Chung
درباره این دوره:

گوشی هوشمند، ساعت هوشمند و خودروی شما (اگر مدل جدیدتر باشد) هر روز هوش مصنوعی (هوش مصنوعی) را در خود جای داده است. در آینده نزدیک، فناوری پیشرفته‌تر «خودآموزی» DL (یادگیری عمیق) و ML (یادگیری ماشینی) تقریباً در هر جنبه از تجارت و صنعت شما استفاده خواهد شد. بنابراین اکنون زمان مناسبی است که یاد بگیرید DL و ML چیست و چگونه از آن به نفع شرکت خود استفاده کنید. این دوره دارای سه بخش است که بخش اول بر روی استراتژی تجاری آینده مبتنی بر فناوری DL و ML تمرکز دارد که شامل جزئیات محصولات/خدمات پیشرفته و نرم افزار منبع باز DL است که توانمندسازهای آینده هستند. بخش دوم بر روی فن‌آوری‌های اصلی سیستم‌های DL و ML متمرکز است که شامل سیستم‌های NN (شبکه عصبی)، CNN (NN Convolutional) و RNN (NN بازگشتی) می‌شود. بخش سوم بر چهار پروژه TensorFlow Playground متمرکز است، جایی که تجربه طراحی DL NN ها را می توان با استفاده از یک برنامه آسان و سرگرم کننده و در عین حال بسیار قدرتمند به نام TensorFlow Playground به دست آورد. این دوره برای کمک به شما در ایجاد استراتژی های تجاری طراحی شده است و شما را قادر می سازد تا برنامه ریزی فنی در مورد خدمات و محصولات جدید DL و ML انجام دهید.

linkedin یادگیری عمیق: تشخیص تصویر (Mitalearn-417534)

  • 2 hours 14 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Isil Berkun
درباره این دوره:

یادگیری عمیق و تشخیص تصویر در همه جا ، از باز کردن تلفن ها گرفته تا برچسب زدن دوستان در عکس ها است. یادگیری چگونگی کار برای هر کسی که امروز در فناوری کار می کند بسیار مهم است ، به خصوص اگر می خواهید از منحنی جلو بمانید ، مهارت های خود را تیز کنید و برای نوآوری آماده شوید. به مربی Isil Berkun بپیوندید زیرا او به شما نشان می دهد که چگونه رایانه ها تصاویر را تشخیص دهند ، چگونه تصاویر را برای هوش مصنوعی تهیه کنند ، و چگونه می توانند سیستم هایی را بسازند که می تواند بگوید چه کسی است. در طول راه ، در مورد اینکه چه چیزی از آن جلوگیری کنید و در صورت بروز مشکلات مشترک چه کاری باید انجام دهید ، بیاموزید. در پایان این دوره ، شما آماده خواهید بود تا مدل های تشخیص تصویر را بسازید و شروع به کاوش در چگونگی خلاقیت هوش مصنوعی با تصاویر کنید. با استفاده از برنامه های GitHub ، می توانید از هر دستگاهی ، در هر زمان و در حالی که از ابزاری استفاده می کنید که احتمالاً در محل کار با آن روبرو خواهید شد ، از هر دستگاهی استفاده کنید. برای یادگیری نحوه شروع کار ، از فیلم "استفاده از CodeSpaces GitHub با این دوره" دیدن کنید.

linkedin یادگیری عمیق: تشخیص چهره (Mitalearn-128007)

  • 1 hours 25 minutes
  • متوسط
  • Release date: 21 June 2026
  • Author: Adam Geitgey
درباره این دوره:

تشخیص چهره برای همه چیز از برچسب گذاری خودکار تصاویر گرفته تا باز کردن قفل تلفن های همراه استفاده می شود. و با پیشرفت های اخیر در یادگیری عمیق، دقت تشخیص چهره بهبود یافته است. در این دوره آموزشی، یاد بگیرید که چگونه یک سیستم تشخیص چهره ایجاد کنید که می تواند چهره ها را در تصاویر تشخیص دهد، چهره ها را شناسایی کند، و حتی چهره ها را با آرایش دیجیتال تغییر دهد، همانطور که در برنامه های محبوب تلفن همراه تجربه کرده اید. نحوه راه اندازی یک محیط توسعه را بیابید. ابزارهایی را که می توانید برای تشخیص چهره استفاده کنید، کشف کنید. ببینید چگونه می توان یک مدل یادگیری ماشینی را برای تجزیه و تحلیل تصاویر و شناسایی نشانه های چهره آموزش داد. مراحل مربوط به کدگذاری تشخیص ویژگی چهره، نمایش چهره به عنوان مجموعه ای از اندازه گیری ها و رمزگذاری چهره ها را بیاموزید. علاوه بر این، یاد بگیرید که چگونه سیستم های از قبل موجود را تغییر دهید و تنظیم کنید.

Suggestions