مقدمه ای بر نمودارهای دانش احتمالی: استنتاج مبتنی بر هوش مصنوعی و کاربردهای دنیای واقعی
(Mitalearn-461071)
- Duration: 5 hours
- Release date: 14 January 2026
- Author: Vaibhava Lakshmi Ravideshik
- Level: مناسب همه
- Contents: 63
- Has Caption in Persian
درباره این دوره:
نمودارهای دانش احتمالی (PKGs) در حال تغییر نحوه ساختار و تجزیه و تحلیل داده ها در هوش مصنوعی و یادگیری ماشین هستند. در این دوره، مهندس هوش مصنوعی و نویسنده Vaibhava Lakshmi Ravideshik مبانی نمودارهای دانش را معرفی می کند و نشان می دهد که چگونه نظریه احتمال به مدیریت عدم قطعیت در داده ها کمک می کند. از طریق مثالهای عملی، یاد بگیرید که چگونه PKG بسازید، استدلال احتمالی را ادغام کنید، و تکنیکهای استنتاج مانند زنجیره مارکوف مونت کارلو (MCMC) را به کار ببرید. برنامه های کاربردی دنیای واقعی را در تصمیم گیری، ارزیابی ریسک و مدل سازی پیش بینی کاوش کنید و در مورد چالش های مقیاس بندی و روندهای نوظهور که آینده PKG را شکل می دهند، بینشی به دست آورید.
Related Skills
Content
Introduction to Probabilistic Knowledge Graphs: AI-Driven Inference and Real-World Applications
