Course catalog

Course duration

Course provider

Topic

Categories

Showing 761-780 of 1,080 items.

linkedin مبانی آزمایش نرم افزار: ادغام هوش مصنوعی در فرایند کیفیت (Mitalearn-435520)

  • 41 minutes
  • مناسب همه
  • Release date: 4 October 2024
  • Author: Mike Fine
درباره این دوره: 

 در این دوره ، مربی مایک فین پتانسیل ادغام هوش مصنوعی را در آزمایش کیفیت برجسته می کند ، در عین حال از رویکرد انسان محور برای ارزیابی محصول اطمینان می دهد. مقدمه ای را برای پیش نیازها برای استفاده از هوش مصنوعی در آزمایش ، مشکلات احتمالی و اهمیت حفظ تعادل بین قابلیت های هوش مصنوعی و فاکتور ضروری انسانی و چگونگی شروع به ایجاد برنامه ها و استراتژی های آزمایشی با استفاده از هوش مصنوعی به عنوان یک ابزار اساسی بدست آورید. در طول راه ، مایک به شما نشان می دهد که چگونه می توانید برای تست های دستی و خودکار که توسط بهینه سازی های هوش مصنوعی تقویت شده است ، و همچنین نحوه تسلط بر هنر اجرای موارد آزمون ، سوئیت ها و ابزارهای مدیریت با استفاده از AI. در پایان این دوره ، شما همچنین آماده کشف هوش مصنوعی برای مدیریت داده های آزمایش و تعادل ابزارهای هوش مصنوعی خواهید بود. ایده آل برای متخصصان تضمین کیفیت ، آزمایش کنندگان نرم افزار و هر کسی که به دنبال بهبود کیفیت محصول است ، این دوره به منظور کمک به شما در حفظ مهارت های خود در خط مقدم پیشرفت های فناوری طراحی شده است.

linkedin مبانی برنامه نویسی: الگوریتم ها (Mitalearn-392221)

  • 2 hours 45 minutes
  • مناسب همه
  • Update date: 21 June 2026
  • Author: Joe Marini
درباره این دوره:

الگوریتم ها بلوک های سازنده جهانی برنامه نویسی هستند. آن‌ها نرم‌افزاری را که هر روز استفاده می‌کنید، چه صفحه‌گسترده، یک شبکه اجتماعی یا یک دستیار رانندگی، نیرو می‌دهند. الگوریتم‌ها روشی برای فکر کردن به چالش‌های برنامه‌نویسی به زبان انگلیسی ساده، قبل از اینکه به زبان خاصی مانند C# یا جاوا اسکریپت ترجمه شوند، ارائه می‌دهند. در این دوره، نویسنده و توسعه‌دهنده جو مارینی برخی از محبوب‌ترین و مفیدترین الگوریتم‌ها را برای جستجو و مرتب‌سازی اطلاعات، کار با تکنیک‌هایی مانند بازگشت، و درک ساختارهای داده رایج توضیح می‌دهد. او همچنین مفاهیم عملکرد الگوریتم های مختلف و چگونگی ارزیابی عملکرد یک الگوریتم معین را مورد بحث قرار می دهد. هر الگوریتم به طور عملی در پایتون نشان داده شده است، اما درس ها را می توان برای هر زبان برنامه نویسی اعمال کرد. این دوره همچنین با GitHub Codespace راه اندازی شده است، بنابراین می توانید بدون نصب چیزی بر روی رایانه خود، نمونه ها را دنبال کنید.

linkedin مبانی محصول هوش مصنوعی: استراتژی های برنامه ریزی برای دانشمندان داده (Mitalearn-450463)

  • 1 hours 44 minutes
  • مناسب همه
  • Release date: 14 February 2025
  • Author: Matthew Blasa
درباره این دوره:

<p> ظهور هوش مصنوعی مولد، مدیریت محصول را از یک شایستگی خاص به یک رشته ضروری برای دانشمندان داده ارتقا داده است. کسانی که می توانند از تخصص فنی با اجرای استراتژیک بهره ببرند، آینده صنایع مبتنی بر هوش مصنوعی را شکل خواهند داد. در این دوره، متیو بلاسا اصول برنامه‌ریزی محصول هوش مصنوعی را تقلید می‌کند، چارچوب‌های ساختاریافته و استراتژی‌های عمل‌گرایانه را برای کسانی که در تلاقی علم داده، مدیریت محصول و رهبری فعالیت می‌کنند، ارائه می‌کند.</p><p>یاد بگیرید که محصولات هوش مصنوعی را با دقت تعریف کنید، یک چارچوب ذهنی برای اجرا بسازید، و مسیر شغلی خود را با وضوح ارزیابی کنید. این دوره همچنین پیچیدگی‌های حاکمیت داده، کیفیت، و تحویل پروژه را بررسی می‌کند - عناصری که تعیین می‌کنند آیا ابتکارات هوش مصنوعی تحت تأثیر وزن خود موفق می‌شوند یا از بین می‌روند. در پایان این دوره، شما به مهارت‌های ارتباطی مورد نیاز برای فرمان دادن به اتاق، تبدیل داده‌ها به بینش استراتژیک و همسو کردن ابتکارات هوش مصنوعی با الزامات تجاری مجهز خواهید شد.</p>

linkedin مبانی مدل هوش مصنوعی (Mitalearn-450191)

  • 20 minutes
  • مناسب همه
  • Release date: 24 June 2026
  • Author: Vinoo Ganesh
درباره این دوره:

<p>به فن‌شناس Vinoo Ganesh بپیوندید تا اصول اولیه مدل‌های هوش مصنوعی امروزی، از جمله ChatGPT، Claude، و Gemini را بررسی کنید و آن‌ها را در سناریوهای دنیای واقعی به کار ببرید. بررسی کنید که مدل‌های زبان بزرگ (LLM) چگونه کار می‌کنند، چگونه خروجی‌های شکل‌های تحریک کننده و چرا رفتارهایی مانند توهم رخ می‌دهند. کشف کنید که چگونه شخصی‌سازی بر نتایج تأثیر می‌گذارد و تکنیک‌های عملی برای ارزیابی، تأیید، و اصلاح محتوای تولید شده توسط هوش مصنوعی را بیاموزید.</p><p>درکی از قابلیت‌های هوش مصنوعی، محدودیت‌ها، و ملاحظات اخلاقی، همراه با مهارت‌های تفکر انتقادی برای استفاده مسئولانه از این ابزارها ایجاد کنید. خواه مدیر، بازاریاب، تحلیلگر یا فقط یک یادگیرنده کنجکاو باشید، این دوره به شما کمک می کند هوش مصنوعی را به طور موثر در کیت ابزار حرفه ای خود ادغام کنید.</p>

linkedin مبانی مسئول هوش مصنوعی (Mitalearn-420713)

  • 1 hours 8 minutes
  • مناسب همه
  • Release date: 25 August 2025
  • Author: Vilas Dhar
درباره این دوره: 

 در این دوره ، ویلاس دار - یک کارآفرین ، تکنسین و مدافع حقوق بشر - مسئولیت هوش مصنوعی را از اصول انتزاعی به تصمیمات مهندسی عملی تبدیل می کند و راه هایی را برای شکل گیری مستقیم رفتار و پیامدهای سیستم هوش مصنوعی به شما نشان می دهد. دریابید که چگونه ادغام اولیه شیوه های کلیدی مانع از بازسازی سیستم های گران قیمت و آسیب شهرت می شود. از ابتدا نحوه ادغام نظارت ، تشخیص تعصب و شفافیت را بیاموزید. معماری مهم و تصمیمات طراحی را که رفتار سیستم را شکل می دهد ، بررسی کنید. سپس نحوه ادغام شیوه های مسئول AI را در گردش کار توسعه موجود بدون ایجاد تنگناها کشف کنید. بعلاوه ، چارچوبهای ارزیابی ریسک را که به جای شناسایی مشکلات ، با استفاده از ابزارهای عملی برای ارزیابی خطرات سیستم هوش مصنوعی و تصمیم گیری در مورد تجارت آگاهانه ، به جای شناسایی مشکلات ، به جای شناسایی مشکلات ، بیش از این کار می کنند.

linkedin مبانی معماری هوش مصنوعی فیزیکی: طراحی ماشین های خودمختار با هوش مصنوعی عامل (Mitalearn-465984)

  • 51 minutes
  • مناسب همه
  • Release date: 17 June 2026
  • Author: Thomas Erl
درباره این دوره:

<p>ماشین‌های خودکار به چیزی بیش از هوش نیاز دارند—آنها به معماری نیاز دارند که استدلال دیجیتال را به اجرای فیزیکی متصل کند. در این دوره، توماس ارل اصول اساسی معماری هوش مصنوعی فیزیکی، از حلقه‌های تعامل عامل و محیط تا چارچوب‌های ارتباطی که عامل‌های نرم‌افزار را با سخت‌افزار پیوند می‌دهند، به شما آموزش می‌دهد. کاوش کنید که چگونه میان‌افزار دستورات دیجیتال و اقدامات فیزیکی را پل می‌کند، درباره انتزاع حالت و ترجمه کنش‌ها بیاموزید، و ببینید که چگونه صف‌های فرمان ایمنی را در محیط‌های پویا حفظ می‌کنند. توماس سنسورها و محرک‌ها، ادغام داده‌های حسی از طریق حس بیرونی و عمقی، و برنامه‌ریزی حرکت از طریق سینماتیک رو به جلو و معکوس را پوشش می‌دهد. همچنین مکانیسم‌های بی‌خطر، توقف‌های اضطراری، و استراتژی‌های تخریب زیبا را بررسی می‌کنید که باعث می‌شود ماشین‌های خودمختار به طور ایمن در اطراف افراد کار کنند.</p> <p>این دوره توسط Thomas Erl ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

linkedin مبانی هوش مصنوعی برای خلاقیت: استفاده از Adobe Firefly و اکوسیستم ابر خلاق توسط Adobe (Mitalearn-450072)

  • 52 minutes
  • مناسب همه
  • Release date: 26 May 2026
  • Author: Adobe Inc
درباره این دوره:

<p>هوش مصنوعی مولد نحوه کار سازندگان را تغییر می‌دهد، اما استفاده از آن به چیزی بیش از دانستن اینکه کدام دکمه‌ها را فشار دهید نیاز دارد. این دوره مقدمه ای عملی برای خلاقیت تقویت شده با هوش مصنوعی با Adobe Firefly و اکوسیستم Creative Cloud ارائه می دهد. تفاوت هوش مصنوعی مولد با یادگیری ماشین سنتی، نحوه آموزش ابزارهایی مانند Firefly و نحوه استفاده مسئولانه از آنها را بررسی کنید. از طریق مثال‌های واقعی و دموهای عملی، یاد بگیرید که چگونه هوش مصنوعی را در طراحی، ویدئو، نوشتن و موارد دیگر به کار ببرید—از هر مرحله از فرآیند خلاقیت، از طوفان فکری و ایده‌پردازی گرفته تا اصلاح و مقیاس‌بندی پشتیبانی کنید. این دوره همچنین ملاحظات اخلاقی کلیدی، از جمله شفافیت مدل، ایمنی محتوا، و مالکیت را پوشش می‌دهد.</p><p>این دوره توسط Adobe ایجاد شده است. ما خوشحالیم که این محتوا را در کتابخانه خود میزبانی می کنیم.</p>

linkedin مبانی هوش مصنوعی برای مشاغل ماهر: شروع به کار با هوش مصنوعی مولد و مایکروسافت Copilot توسط مایکروسافت و NABTU (Mitalearn-450089)

  • 33 minutes
  • مناسب همه
  • Release date: 16 March 2026
  • Author: North America's Building Trade Unions (NABTU),Microsoft
درباره این دوره:

<p>با نحوه ادغام Generative AI و Microsoft Copilot در کارهای روزمره خود در مشاغل ماهر آشنا شوید. درک خود را در مورد هوش مصنوعی مولد و قابلیت های منحصر به فرد آن در مقایسه با نرم افزارهای سنتی ایجاد کنید. کاربردهای عملی Copilot برای برنامه ریزی وظایف، ایجاد اسناد و بهبود ارتباطات را کاوش کنید. دریابید که چگونه Copilot می تواند به شما در جمع بندی اطلاعات، ایجاد سریع محتوا و حمایت از رعایت ایمنی کمک کند. این دوره سناریوهای عملی را ارائه می‌دهد که نشان می‌دهد چگونه Copilot با گزارش‌های روزانه، درخواست‌های اطلاعات و آماده‌سازی کار کمک می‌کند. این دوره که برای کارآموزان و تاجران طراحی شده است، شما را به تسلط و مهارت های هوش مصنوعی مجهز می کند که می توانید بلافاصله در محل کار از آنها استفاده کنید و زمان بیشتری را برای آموزش عملی و مربیگری آزاد کنید. چه یک مربی، شاگرد یا کارگر در سطح سفر باشید، این دوره به شما کمک می کند تا وظایف خود را با استفاده از فناوری هوش مصنوعی بهینه و ساده کنید. </p> <p>این دوره توسط مایکروسافت ایجاد شده است. ما خوشحالیم که میزبان این آموزش در کتابخانه خود هستیم.</p>

linkedin مبانی هوش مصنوعی: شبکه های عصبی (Mitalearn-381545)

  • 1 hours 45 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Gwendolyn Stripling
درباره این دوره:

یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. آن‌ها می‌توانند میلیون‌ها صدا، ویدیو و تصویر را طبقه‌بندی کنند، به سؤالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی اتومبیل‌های ما را برانند. شبکه های عصبی همچنین پایه و اساس هوش مصنوعی مولد هستند.

این دوره به معرفی تکنیک ها و اصول اساسی شبکه های عصبی، مدل های رایج و کاربردهای آنها می پردازد. مربی Gwendolyn Stripling شما را از طریق معماری های مختلف شبکه عصبی، اجزای آنها، موارد استفاده مناسب و بهترین شیوه ها برای بهبود عملکرد مدل شبکه عصبی راهنمایی می کند. به علاوه، با استفاده از Keras Sequential API، یک کتابخانه منبع باز که طراحی و آموزش شبکه های عصبی را ابهام می کند، تجربه عملی در ساخت و آموزش یک شبکه عصبی به دست آورید. اگر به دنبال دستیابی به درک کاملی از نحوه ساخت، آموزش، بهبود و استفاده از شبکه های عصبی هستید، در این دوره آموزشی به Gwendolyn بپیوندید.

linkedin مبانی هوش مصنوعی: شبکه های عصبی (2018) (Mitalearn-120187)

  • 1 hours 16 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: Doug Rose
درباره این دوره:

یک شبکه عصبی مصنوعی از مغز انسان به عنوان الهام برای ایجاد یک سیستم یادگیری ماشینی پیچیده استفاده می کند. در حال حاضر شبکه های عصبی وجود دارند که می توانند میلیون ها صدا، فیلم و تصویر را طبقه بندی کنند. این ماشین ها می توانند به سوالات ما پاسخ دهند، رفتارهای ما را درک کنند و حتی ماشین های ما را رانندگی کنند. شبکه به دنبال الگوهای ظریف در داده‌های ما می‌گردد و سپس خود را برای بهبود در طول زمان تنظیم می‌کند. آنها می توانند در پیش بینی رفتار ما، یادگیری زبان های ما و یافتن اکتشافات جدید متخصص شوند. در این دوره، مدرس داگ رز مروری بر شبکه های عصبی مصنوعی ارائه می دهد و توضیح می دهد که آنها چیستند و چگونه می توانید از آنها برای چالش های یادگیری ماشین خود استفاده کنید. راه هایی را کشف کنید که می توانید از این فناوری برای انجام کارهای جدید و جذاب برای پروژه ها یا کسب و کار خود استفاده کنید.

linkedin مبانی هوش مصنوعی: شروع کار با سیستم های هوشمند (Mitalearn-451041)

  • 1 hours 25 minutes
  • مناسب همه
  • Release date: 11 May 2026
  • Author: Laurence Moroney
درباره این دوره:

اکثر مهندسان هر روز در کنار سیستم‌های هوش مصنوعی کار می‌کنند بدون اینکه کاملاً بدانند این سیستم‌ها چگونه کار می‌کنند - و این شکاف چالش‌های واقعی را هنگام ارزیابی راه‌حل‌ها، ساخت خطوط لوله یا همکاری با تیم‌های علم داده ایجاد می‌کند. در این دوره، به مربی و متخصص هوش مصنوعی Laurence Moroney بپیوندید تا مبانی فنی اصلی را که برای کار با هوش مصنوعی به آن نیاز دارید، تشریح کند. یاد بگیرید که چگونه بین پارادایم‌های هوش مصنوعی تمایز قائل شوید، تشخیص دهید که یک مشکل به رویکرد مبتنی بر یادگیری در مقابل کد سنتی نیاز دارد، و سیستم‌های هوش مصنوعی را با استفاده از معیارهای مناسب و چارچوب‌های ریسک ارزیابی کنید. در طول مسیر، واژگان خود را برای مفاهیم اصلی که یادگیری ماشین مدرن را هدایت می‌کنند، از جمله مدل‌های احتمالی، بهینه‌سازی و تعمیم بسازید. در پایان این دوره، شما به مهارت های مورد نیاز برای تصمیم گیری های فنی آگاهانه در مورد هوش مصنوعی مجهز خواهید شد - چه مهندس اولیه باشید، چه یک متخصص مشتاق ML یا فقط کنجکاو باشید تا در مورد نحوه عملکرد هوش مصنوعی بیشتر بدانید.

linkedin مبانی هوش مصنوعی: ماشین های فکری (Mitalearn-120170)

  • 1 hours 36 minutes
  • مبتدی
  • Update date: 21 June 2026
  • Author: Doug Rose
درباره این دوره:

هوش مصنوعی پیشرفته کامپیوتری (AI) از دهه 1950 وجود داشته است، اما نوآوری‌های سخت‌افزاری اخیر این زمینه را دوباره تقویت کرده است. حسگرهای جدید به ماشین‌ها کمک می‌کنند دید دقیق‌تری داشته باشند، صداها را بشنوند و مکان را درک کنند. پردازنده‌های قدرتمند می‌توانند به رایانه‌ها کمک کنند تا تصمیمات پیچیده بگیرند، احتمالات را مرتب کنند، نتایج را برنامه‌ریزی کنند و از اشتباهات درس بگیرند. احتمالات هیجان انگیز است. پیامدها گسترده است.\r\n\r\n خواهید دید که چگونه هوش مصنوعی سوالاتی را در مورد معنای باهوش بودن و میزان اعتماد ما به ماشین ها ایجاد کرده است. مدرس داگ رز رویکردهای مختلف هوش مصنوعی از جمله یادگیری ماشینی و یادگیری عمیق و کاربردهای عملی فناوری‌های جدید تقویت‌شده هوش مصنوعی را توضیح می‌دهد. به علاوه، یاد بگیرید که چگونه هوش مصنوعی را با سایر فناوری‌ها مانند داده‌های بزرگ ادغام کنید و از برخی مشکلات رایج مرتبط با هوش مصنوعی برنامه‌نویسی اجتناب کنید.

linkedin مبانی هوش مصنوعی: یادگیری ماشین (2018) (Mitalearn-120153)

  • 1 hours 17 minutes
  • مبتدی
  • Release date: 25 July 2026
  • Author: Doug Rose
درباره این دوره:

یادگیری ماشینی یکی از پر جنب و جوش ترین زمینه ها در هوش مصنوعی است. الگوریتم‌های یادگیری ماشینی به رایانه‌ها اجازه می‌دهند تا چیزهای جدید را بدون برنامه‌نویسی یاد بگیرند. آنها از آمار به عنوان راهی برای درک بهتر حجم عظیم داده ای که ما هر روز ایجاد می کنیم استفاده می کنند. این الگوریتم های جدیدتر به ماشین ها کمک می کنند تا تصاویر، صداها و فیلم ها را طبقه بندی کنند. آنها می توانند به سؤالات ما پاسخ دهند، داروهای جدید کشف کنند، و حتی آهنگ بنویسند. در این دوره به بررسی تعریف و انواع یادگیری ماشینی می پردازیم: تحت نظارت، بدون نظارت و تقویتی. سپس می‌توانید نحوه استفاده از الگوریتم‌های محبوب مانند درخت‌های تصمیم، خوشه‌بندی و تحلیل رگرسیون را برای مشاهده الگوها در مجموعه داده‌های عظیم خود مشاهده کنید. در نهایت، هنگام شروع یادگیری ماشینی، می‌توانید در مورد برخی از مشکلات یاد بگیرید.

linkedin مبانی هوش مصنوعی: یادگیری ماشینی (Mitalearn-388600)

  • 1 hours 50 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Kesha Williams
درباره این دوره:

یادگیری ماشینی هیجان انگیزترین شاخه هوش مصنوعی است. این به سیستم‌ها اجازه می‌دهد تا با شناسایی الگوها و تصمیم‌گیری بدون دخالت انسان، از داده‌ها بیاموزند. در این دوره، با تمرین عملی اولین مدل یادگیری ماشینی خود، چرخه زندگی یادگیری ماشینی را هدایت خواهید کرد. به مربی کشا ویلیامز بپیوندید تا روش‌های یادگیری ماشینی را مورد بررسی قرار دهد: تحت نظارت، بدون نظارت و تقویت. تمرکز روی منبع یابی و تهیه داده ها و انتخاب بهترین الگوریتم یادگیری برای پروژه شما وجود دارد. پس از آموزش یک مدل، ارزیابی عملکرد مدل را با استفاده از معیارهای استاندارد یاد بگیرید. در نهایت، کشا به شما نشان می‌دهد که چگونه فرآیند را با ایجاد خط لوله یادگیری ماشین ساده کنید. اگر به دنبال درک چرخه زندگی یادگیری ماشین و مراحل مورد نیاز برای ساخت سیستم هستید، این دوره را بررسی کنید.

linkedin مبانی یادگیری تقویتی (Mitalearn-198421)

  • 44 minutes
  • متوسط
  • Update date: 21 June 2026
  • Author: Khaulat Abdulhakeem
درباره این دوره:

نوآوری‌ها در امور مالی، بهداشت، رباتیک و بخش‌های مختلف دیگر با یادگیری تقویتی (RL) امکان‌پذیر شده‌اند که شامل آموزش ماشین‌ها برای یادگیری از محیطشان می‌شود. بسیاری از شرکت های برتر فناوری سرمایه گذاری زیادی در این زمینه انجام می دهند. در این دوره، مربی خلعت عبدالحکیم به شما کمک می کند تا اصول اولیه این مهارت نسبتا جدید، اما ارزشمند را بیاموزید. با اصطلاحات کلیدی مورد استفاده در RL، نحوه ایفای نقش اصلی RL در پیشرفت هوش مصنوعی و انواع مشکلاتی که می توانید از RL برای حل آنها استفاده کنید، آشنا شوید. Khaulat به شما نشان می دهد که چگونه مشکلات یادگیری تقویتی را تعریف و نشان دهید. او همچنین به الگوریتم‌های RL، از جمله مونت کارلو و روش‌های تفاوت زمانی می‌پردازد. به علاوه، او به بررسی RL عمیق و چند عاملی می‌پردازد، همچنین نحوه عملکرد یادگیری معکوس و چگونگی کمک به عوامل یادگیری با تقلید را بررسی می‌کند.

coursera مبانی یادگیری تقویتی (Mitalearn-330052)

  • 3 hours 51 minutes
  • متوسط
  • Release date: 23 June 2026
  • Author: Martha White,Adam White
درباره این دوره:

یادگیری تقویتی زیرشاخه یادگیری ماشینی است، اما یک فرمالیسم با هدف کلی برای تصمیم گیری خودکار و هوش مصنوعی نیز هست. این دوره شما را با تکنیک های یادگیری آماری آشنا می کند که در آن یک عامل به صراحت اقداماتی انجام می دهد و با جهان تعامل دارد. درک اهمیت و چالش های عوامل یادگیری که تصمیم گیری می کنند امروزه از اهمیت حیاتی برخوردار است، زیرا شرکت های بیشتری به عوامل تعاملی و تصمیم گیری هوشمند علاقه مند هستند. این دوره شما را با اصول یادگیری تقویتی آشنا می کند. وقتی این دوره را تمام کردید، خواهید داشت: - رسمی کردن مشکلات به عنوان فرآیندهای تصمیم مارکوف - روش های اولیه اکتشاف و معاوضه اکتشاف / بهره برداری را بدانید - درک توابع ارزش، به عنوان یک ابزار همه منظوره برای تصمیم گیری بهینه - بدانید که چگونه برنامه نویسی پویا را به عنوان یک رویکرد راه حل کارآمد برای یک مشکل کنترل صنعتی پیاده سازی کنید این دوره مفاهیم کلیدی یادگیری تقویتی، زیربنای الگوریتم های کلاسیک و مدرن در RL را به شما آموزش می دهد. پس از اتمام این دوره، می توانید از RL برای مشکلات واقعی استفاده کنید، جایی که MDP را دارید یا می توانید مشخص کنید. این اولین دوره تخصصی آموزش تقویتی است.

linkedin مبانی یادگیری عمیق: پردازش زبان طبیعی با TensorFlow (Mitalearn-220572)

  • 1 hours 47 minutes
  • مناسب همه
  • Release date: 21 June 2026
  • Author: Harshit Tyagi
درباره این دوره:

تقاضای فزاینده ای برای استفاده از قدرت پردازش زبان طبیعی (NLP) و مدل های یادگیری عمیق وجود دارد تا بتوانیم داده های متنی را درک کنیم و مداخلات عاطفی انسان ها را برای تصمیم گیری بهتر کاهش دهیم. در این دوره، مدرس Harshit Tyagi یک راهنمای کامل برای درک NLP با استفاده از شبکه های عصبی بازگشتی (RNN) ارائه می دهد. Harshit با معرفی رمزگذاری کلمات و استفاده از TensorFlow برای توکن‌سازی شروع می‌کند. او مفهوم مهم جاسازی کلمات را توصیف می کند و به شما نشان می دهد که چگونه از TensorFlow برای طبقه بندی نقدهای فیلم و بردار پروژه استفاده کنید. Harshit RNN ها و حافظه کوتاه مدت بلند مدت (LSTM) را مورد بحث قرار می دهد، سپس به شما نشان می دهد که چگونه طبقه بندی بررسی فیلم را از قبل در دوره بهبود دهید. او با بحث در مورد اینکه چگونه می توانید RNN ها را برای پیش بینی کلمه بعدی در یک جمله آموزش دهید، به پایان می رسد، که به نوبه خود به شما امکان می دهد متن اصلی را ایجاد کنید.

linkedin مبانی یادگیری ماشین: آمار (Mitalearn-394482)

  • 1 hours 26 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Terezija Semenski
درباره این دوره:

مدل‌های یادگیری ماشینی نحوه کار ما را در بسیاری از صنایع متحول کرده است. اما عمیق‌تر شدن مدل‌های ML و در واقع درک نحوه عملکرد آنها به شما امکان می‌دهد عملکرد را بهینه کنید، نوآوری کنید، مشکلات را عیب‌یابی کنید و مدل‌های جدید و کارآمدتر ML ایجاد کنید. در این دوره آموزشی، قسمت چهارم از مجموعه مبانی یادگیری ماشینی، Terezija Semenski توضیح می‌دهد که چگونه درک عمیق آمار می‌تواند به شما کمک کند تا در پروژه‌های یادگیری ماشین برتر باشید. Terezija نشان می دهد که چگونه آمار نقش بزرگی در یادگیری ماشین ایفا می کند - فراتر از اعداد خرد - و به شما نشان می دهد که چگونه از آمار برای به دست آوردن بینش در مورد داده ها، درک عدم قطعیت های مرتبط با پیش بینی ها، و تصمیم گیری های مبتنی بر داده با اطمینان استفاده کنید.

linkedin مبانی یادگیری ماشین: احتمال (Mitalearn-394465)

  • 1 hours 29 minutes
  • مناسب همه
  • Update date: 9 June 2025
  • Author: Terezija Semenski
درباره این دوره: 

 

اگر با مدل‌های یادگیری ماشین کار می‌کنید، احتمالاً می‌دانید که مدل‌های شما بر اساس تخمین و تقریب هستند. احتمال همه چیز و بیشتر است — اما چگونه از آن به نفع خود استفاده می کنید؟

در این دوره، سومین قسمت از مجموعه مبانی یادگیری ماشین، به مربی Terezija Semenski برای کاوش عمیق احتمالات بپیوندید. مفاهیم و عملکردهای اصلی آن و نحوه استفاده از آن برای طراحی، پیاده سازی و مدیریت الگوریتم های یادگیری ماشینی قابل اعتمادتر. در طول مسیر، برخی از ضروری‌ترین ابزارها و تکنیک‌هایی را که برای مدل‌سازی احتمالی موفق، بیرون کشیدن از قوانین احتمال، احتمال مشترک و حاشیه‌ای، توزیع‌های احتمال گسسته، توزیع‌های احتمال پیوسته، قضیه بیز و غیره باید بدانید، کشف کنید. /p>


linkedin مبانی یادگیری ماشین: جبر خطی (Mitalearn-277131)

  • 1 hours 21 minutes
  • مناسب همه
  • Update date: 25 July 2026
  • Author: Terezija Semenski
درباره این دوره:

آیا تا به حال فکر کرده اید که واقعاً در زیر الگوریتم یادگیری ماشینی چه می گذرد؟ پاسخ جبر خطی است. بدون آن، یادگیری ماشینی نمی تواند وجود داشته باشد. جبر خطی پیش نیازی برای درک و ایجاد تقریباً همه الگوریتم‌های یادگیری ماشین است، به‌ویژه الگوریتم‌هایی که شبکه‌های عصبی، ابزارهای پردازش زبان طبیعی و مدل‌های یادگیری عمیق را پشتیبانی می‌کنند.

برای کاوش عمیق به مربی Terezija Semenski بپیوندید. مفاهیم اصلی جبر خطی در کنار تکنیک های مورد نیاز برای طراحی و پیاده سازی یک الگوریتم یادگیری ماشین موفق. اصول حساب برداری، هنجارهای برداری، ویژگی های ماتریس، عملیات پیشرفته، تبدیل ماتریس و الگوریتم هایی مانند رتبه صفحه گوگل را کشف کنید. در پایان این دوره، شما آماده خواهید بود که اصول جبر خطی را بپذیرید و آنها را در پروژه بزرگ بعدی یادگیری ماشین خود به کار ببرید.

Suggestions