Course: Introduction to Artificial Intelligence (AI)

Introduction to Artificial Intelligence (AI)

دوره‌ی Introduction to Artificial Intelligence (AI) مقدمه‌ای جامع و کاربردی بر دنیای هوش مصنوعی است که توسط IBM طراحی شده و در پلتفرم Coursera ارائه می‌شود. در این دوره، شرکت‌کنندگان با مفاهیم پایه‌ای هوش مصنوعی، کاربردهای متنوع آن در صنایع مختلف، و اصطلاحات کلیدی این حوزه آشنا می‌شوند.

این دوره به زبان انگلیسی ارائه شده و همراه با زیرنویس فارسی در دسترس شماست. هدف آن ایجاد درکی روشن و قابل‌فهم از هوش مصنوعی برای همه‌ی علاقه‌مندان است—چه افرادی که هیچ پیش‌زمینه فنی ندارند و چه کسانی که می‌خواهند مسیر شغلی خود را در این حوزه توسعه دهند.

در طول دوره، شما:

با تاریخچه و تحول هوش مصنوعی آشنا می‌شوید.
کاربردهای واقعی AI در کسب‌وکارها و زندگی روزمره را بررسی می‌کنید.
با مفاهیم کلیدی مانند یادگیری ماشین، یادگیری عمیق، و پردازش زبان طبیعی آشنا خواهید شد.
یاد می‌گیرید که هوش مصنوعی چگونه می‌تواند آینده‌ی شغل‌ها و صنایع مختلف را متحول کند.

این دوره نقطه‌ی شروعی عالی برای کسانی است که می‌خواهند مسیر خود را در دنیای پرشتاب هوش مصنوعی آغاز کنند و فرصت‌های جدید این حوزه را بشناسند.

Duration: 660 Minutes

Part 1 - Introduction and Applications of AI
- Part 1 - 01 - Course Introduction
- Part 1 - 02 - Introducing AI
- Part 1 - 03 - Artificial Intelligence vs. Augmented Intelligence
- Part 1 - 04 - Introducing Generative AI and Its Use Cases
- Part 1 - 06 - The Evolution of AI Traditional AI vs. Generative AI
- Part 1 - 07 - Artificial Intelligence - Are We There Yet
- Part 1 - 08 - AI in Daily Life
- Part 1 - 09 - What Is a Chatbot
- Part 1 - 10 - Applications of AI in Different Industries
- Part 1 - 11 - Generative AI Tools and Applications
- Part 1 - 12 - Ten Everyday AI and Machine Learning Use Cases
- Part 1 - 05 - Different types of AI
- Part 1 - 13 - Generative AI Tools in Action
- Part 1 - 14 - Module Summary
Part 2 - AI Concepts, Terminology, and Application Domains
- Part 2 - 01 - Cognitive Computing
- Part 2 - 02 - Terminologies and Related Concepts of AI
- Part 2 - 03 - Machine Learning
- Part 2 - 04 - Machine Learning Techniques and Training
- Part 2 - 05 - Deep Learning
- Part 2 - 06 - Neural Networks
- Part 2 - 07 - Machine Learning Vs. Deep Learning
- Part 2 - 08 - Generative AI Models
- Part 2 - 09 - Large Language Models
- Part 2 - 10 - Machine Learning vs. Deep Learning vs. Foundation Models
- Part 2 - 11 - Natural Language Processing, Speech, and Computer Vision
- Part 2 - 12 - What Is NLP (Natural Language Processing)
- Part 2 - 13 - Self-Driving Cars
- Part 2 - 14 - AI and Cloud Computing, Edge Computing, and IoT
- Part 2 - 15 - AI and Cloud Computing, Edge Computing, and IoT
- Part 2 - 16 - Module Summary
Part 3 - Business and Career Transformation Through AI
- Part 3 - 01 - AI Agents
- Part 3 - 02 - What Are AI Agents
- Part 3 - 03 - Robotics and Automation
- Part 3 - 04 - Transforming Businesses Through AI
- Part 3 - 05 - The Rise of Generative AI for Business
- Part 3 - 06 - Become a Value Creator with Generative AI
- Part 3 - 07 - What Is Retrieval-Augmented Generation (RAG)
- Part 3 - 08 - Adopting AI in Your Business
- Part 3 - 09 - Frameworks for AI Adoption
- Part 3 - 10 - Transforming Your Work Through AI Tools
- Part 3 - 11 - Career Opportunities with AI
- Part 3 - 12 - Humans vs. AI – Who Should Make the Decision?
- Part 3 - 13 - Module Summary
Part 4 - Issues, Concerns, and Ethical Considerations
- Part 4 - 01 - Ethical Considerations and Responsible Use of AI
- Part 4 - 02 - Considerations Around Generative AI
- Part 4 - 03 - Why Large Language Models Hallucinate
- Part 4 - 04 - Perspective of Key Players Around AI Ethics
- Part 4 - 05 - The Importance of AI Governance
- Part 4 - 06 - How to Implement AI Ethics
- Part 4 - 07 - Course Wrap-Up
- Part 4 - 08 - Glossary Introduction to Artificial Intelligence (AI)
- Part 4 - 09 - Lesson Summary

Introduction to Artificial Intelligence (AI)

Part 1 - Introduction and Applications of AI

Part 2 - AI Concepts, Terminology, and Application Domains

Part 3 - Business and Career Transformation Through AI

Part 4 - Issues, Concerns, and Ethical Considerations