دانلود ها ی دارای تگ: "artificial intelligence"
178 مورد برای عبارت مورد نظر پیدا شد.
178 مورد برای عبارت مورد نظر پیدا شد.
این دوره آموزشی به شکلی واضح و عملی طراحی شده تا درک جامعی از شبکههای عصبی به دانشجویان ارائه دهد. این مسیر یادگیری از مفاهیم بسیار پایه آغاز شده و به تدریج به معماریهای پیشرفتهای که امروزه در پژوهشها و صنایع مورد استفاده قرار میگیرند، میپردازد. در ابتدا، دانشجویان با مفاهیم پایهای پرسبترونها و پرسبترونهای چندلایه، که سنگبنای مدلهای شبکههای عصبی هستند، آشنا میشوند. در ادامه، گامبهگام به اصول آموزش شبکهها مانند روشهای مقداردهی اولیه وزنها (Xavier و He)، توابع هزینه و استراتژیهای بهینهسازی پرداخته میشود. تکنیکهای منظمسازی مانند درونریزی (dropout) و نرمالسازی دستهای (batch normalization) نیز پوشش داده میشوند تا دانشجویان با نحوه بهبود عملکرد مدل و کاهش بیشبرازش آشنا شوند. پس از تکمیل مباحث پایه، دوره به شبکههای عمیق پیشخور، اتصالات پسماند و شبکههای عصبی کانولوشنی (CNNs) گسترش مییابد. دانشجویان در این بخش میبینند که چگونه از شبکههای عصبی کانولوشنی هم به صورت نظری و هم عملی با استفاده از کتابخانه PyTorch استفاده میشود. همچنین، نحوه پیادهسازی معماریهای مشابه در زبانهای Julia و MATLAB نیز توضیح داده میشود. سپس، دوره به سمت شبکههای عصبی بازگشتی (RNNs)، LSTMها، GRUها و مدلهای زمانی پیش میرود، که دانشجویان را برای کار با دادههای توالی و مسائل پیشبینی آماده میسازد. در بخشهای پایانی، مکانیزمهای توجه (attention mechanisms) و ترنسفورمرها که امروزه ابزارهای استانداردی در پردازش زبان طبیعی و بینایی کامپیوتر هستند، پوشش داده میشوند. همچنین، خودرمزگذارها (autoencoders)، خودرمزگذارهای متغیر (variational autoencoders)، مدلهای احتمالی مانند شبکههای عصبی بیزی، و رویکردهای خودسازماندهنده مانند شبکههای کوهنن مورد بررسی قرار میگیرند. علاوه بر این، دوره شامل مباحثی درباره شبکههای عصبی گرافی (GNNs) و سایر معماریهای تخصصی مانند شبکههای اکو استیت و ODEs عصبی میشود، که تضمین میکند دانشجویان با طیف گستردهای از تکنیکها آشنایی پیدا کنند.
در این دوره آموزشی Neural Networks with Python : 1 با ساختار و کاربردهای گوناگون شبکههای عصبی آشنا میکند.
این دوره یک راهنمای کامل برای تسلط بر مایکروسافت ورد، اکسل و پاورپوینت است. شما با یادگیری نحوه ترکیب ابزارهای پیشرفته هوش مصنوعی مانند چت جیپیتی و گوگل جمینای، به شیوهای هوشمندانهتر و کارآمدتر کار خواهید کرد. این دوره برای دانشجویان، متخصصان، اساتید و کارآفرینان طراحی شده و کاربردهای عملی و واقعی افزایش بهرهوری با استفاده از هوش مصنوعی را در ابزارهایی که هر روز استفاده میکنید، به شما نشان میدهد. این دوره به منظور ارتقای مهارتهای مایکروسافت آفیس و بهرهگیری کامل از قابلیتهای هوش مصنوعی ارائه شده است. در این دوره، شرکتکنندگان به طور جامع با نحوه استفاده از ابزارهای هوش مصنوعی مانند چت جیپیتی و گوگل جمینای در کنار برنامههای اصلی مایکروسافت آفیس یعنی ورد، اکسل و پاورپوینت آشنا میشوند. هدف اصلی، افزایش بهرهوری و کارایی در محیطهای کاری و تحصیلی است.
در دوره آموزشی MS Office with AI - Word Excel PowerPoint ChatGpt Gemini با استفاده از هوش مصنوعی برای بهبود و بهینهسازی کارهای روزمره در برنامههای مایکروسافت آفیس آشنا خواهید شد.
این دوره یک برنامه آموزشی عملی است که شرکتکنندگان در آن یاد میگیرند که چگونه OpenAI، Ollama و کتابخانههای انتزاعی جدید Microsoft-Extensions-AI (MEAI) را در داتنت ادغام کرده و طیف گستردهای از برنامههای کاربردی هوش مصنوعی مولد (GenAI) را بسازند. این برنامهها شامل موارد متعددی میشوند، از جمله: چتباتها و جستوجوی معنایی، تا تولید مبتنی بر بازیابی (RAG) و تحلیل تصویر. این دوره برای کمک به توسعهدهندگان طراحی شده تا بتوانند از قدرت مدلهای زبانی بزرگ (LLM) برای ساخت راهحلهای نوآورانه در چارچوب داتنت بهره ببرند. در طول این دوره، شرکتکنندگان با مباحث کلیدی متعددی آشنا میشوند. ابتدا، آنها با اکوسیستم هوش مصنوعی در داتنت آشنا خواهند شد. این بخش شامل شناخت کتابخانههای انتزاعی جدید مایکروسافت مانند Microsoft-Extensions-AI است که امکان ادغام و جابهجایی آسان بین ارائهدهندگان مختلف مدلهای زبانی بزرگ مانند OpenAI، Azure AI، Ollama و حتی مدلهای میزبانیشده شخصی را فراهم میکند. سپس، شرکتکنندگان نحوه راهاندازی و پیکربندی ارائهدهندگان مدلهای زبانی بزرگ را میآموزند. این شامل تنظیماتی برای GitHub Models، Ollama و Azure AI Foundry است تا بتوانند بهترین گزینه را برای موارد استفاده خود انتخاب کنند. بخش مهم دیگر، آموزش استفاده از مدلهای زبانی بزرگ برای تکمیل متن با مدلهای OpenAI gpt-5-mini و Ollama llama3.2 است. در این قسمت، آنها یاد میگیرند که چگونه با استفاده از داتنت، مدلهای زبانی بزرگ را برای انجام وظایفی مانند طبقهبندی، خلاصهسازی، استخراج داده، تشخیص ناهنجاری، ترجمه و تحلیل احساسات ادغام کنند.
در دوره آموزشی GenAI for .NET: Build LLM Apps with OpenAI and Ollama با توسعه برنامههای هوش مصنوعی مولد با استفاده از داتنت و مدلهای زبانی بزرگ آشنا خواهید شد.
این دوره آموزشی به شرکتکنندگان میآموزد که چگونه بدون نوشتن حتی یک خط کد، اپلیکیشنهای قدرتمند هوش مصنوعی را در عرض چند دقیقه بسازند. ابزار انقلابی جدید گوگل، OPAL، توسعه اپلیکیشن را برای همه آسان میکند و قدرت مدلهای پیشرفته هوش مصنوعی مانند Gemini را به طور مستقیم در اختیار کاربران قرار میدهد. این دوره دروازهای برای خلاقان، صاحبان کسبوکارهای کوچک، مدرسان، یا هر فر د کنجکاو دیگری است تا ابزارهایی را که همیشه در ذهن داشتهاند، بسازند. در این دوره جامع و گامبهگام، شرکتکنندگان از یک مبتدی مطلق به یک سازنده مطمئن اپلیکیشنهای بدون کد تبدیل خواهند شد. دستورالعملهای واضح و دقیقی برای استفاده از رابط کاربری ساده گوگل OPAL ارائه میشود؛ از نوشتن دستورات به زبان طبیعی گرفته تا کار با ویرایشگر بصری جریان کار. مفاهیم اصلی جریانهای کاری هوش مصنوعی توضیح داده میشود و روش استفاده ازالگوهای آماده برای شروع سریع پروژهها آموزش داده خواهد شد. در این دوره تنها به مباحث تئوری پرداخته نمیشود، بلکه تجربه عملی ساخت مینیاپلیکیشنهای کاربردی به دست میآید که مشکلات دنیای واقعی را حل میکنند و بهرهوری را افزایش میدهند. از ساخت ابزارهای تولید محتوای سفارشی و دستیارهای تحقیقاتی گرفته تا ابزارهای بازاریابی خودکار، شرکتکنندگان در پایان این دوره مجموعهای از اپلیکیشنهای قابل اشتراکگذاری خواهند داشت. پس از تکمیل دوره، گواهی پایان دوره به عنوان تأییدی بر مهارتهای جدید در این زمینه پیشرفته اعطا خواهد شد.
در دوره آموزشی Learn Google OPAL : Building AI Mini-Apps (No Code Required) با روش ساخت اپلیکیشنهای هوش مصنوعی توسط ابزار گوگل OPAL آشنا خواهید شد.
این دوره، اولین آموزش جامع در پلتفرم یودمی است که به شما کمک میکند تا به طور کامل بر ابزار Google Flow و مدل انقلابی Veo3 آن مسلط شوید. این دوره تنها یک آموزش ساده نیست، بلکه گذرنامهای برای ورود شما به نسل جدید تولید محتوای خلاقانه است. در حالی که دیگران هنوز با نرمافزارهای پیچیده و ویرایشهای زمانبر دست و پنجه نرم میکنند، شما به راحتی میتوانید متنها و تصاویر خود را به کلیپهای ویدیویی خیرهکننده و با کیفیت بالا تبدیل کنید. این دوره فراتر از اصول اولیه پیش میرود و به شما نشان میدهد که چگونه به صورت واقعی بر Google Flow تسلط پیدا کنید. برنامه درسی به دقت طراحی شده تا شما را با هنر مهندسی پرامپت (Prompt Engineering) آشنا کند و تکنیکهای دقیقی را برای دستیابی به نتایج بصری خیرهکننده و صدای کاملاً هماهنگ به شما آموزش دهد. یاد میگیرید که چگونه با دستورات متنی ساده، زاویه دوربین، نورپردازی، و حس و حال ویدیو را کنترل کنید و به این ترتیب قدرت یک استودیوی کامل تولید محتوا را در اختیار بگیرید.
در دوره آموزشی Google Flow Masterclass- Make AI Video from Prompts & Images با ساخت ویدیوهای حرفهای با هوش مصنوعی آشنا خواهید شد.
این دوره یک آشنایی کامل با یادگیری تقویتی عمیق است. یادگیری تقویتی عمیق روشهای یادگیری تقویتی را با شبکههای عصبی عمیق پیوند میدهد. تمرکز اصلی بر درک مفاهیم و پیادهسازی عملی آنها است. این دوره با مرور اصول اولیه یادگیری تقویتی و چگونگی عملکرد تقریب توابع با استفاده از شبکههای عصبی آغاز میشود. سپس، به روشهای مبتنی بر ارزش مانند شبکههای Q عمیق (DQN) و نسخههای پیشرفتهتر آنها پرداخته میشود. همچنین الگوریتمهای گرادیان سیاست مانند PPO, DDPG, TD3, و SAC و تکنیکهای پیشرفته برای اکتشاف، یادگیری مبتنی بر مدل، و آموزش چند عاملی را پوشش میدهد. این دوره یک رویکرد عملی دارد و شامل تمرینهای کدنویسی با استفاده از PyTorch است. شرکتکنندگان در این دوره، عوامل هوشمند خود را میسازند، با محیطهایی مانند بازیهای آتاری و شبیهسازیهای رباتیک آزمایش میکنند و یاد میگیرند که چگونه یک فرایند توسعه مناسب برای تحقیقات و کاربردهای یادگیری تقویتی عمیق را تنظیم کنند. علاوه بر الگوریتمهای اصلی، موضوعات مهم و مدرن دیگری نیز پوشش داده میشوند. از جمله این مباحث میتوان به اکتشاف مبتنی بر کنجکاوی، مکانیسمهای توجه، مدلهای جهان، آموزش توزیعشده، و یادگیری تقویتی از بازخورد انسانی اشاره کرد. این موضوعات به شرکتکنندگان دیدگاهی گستردهتر درباره نحوه کاربرد عملی یادگیری تقویتی عمیق در دنیای واقعی میدهند.
در دوره آموزشی Deep Reinforcement Learning با ترکیب یادگیری تقویتی و شبکههای عصبی عمیق آشنا خواهید شد.
در این دوره، دانشپذیران با دموهای گام به گام و هدایتشده، اعتماد به نفس خود را برای یادگیری مهارتهای بنیادی افزایش میدهند. به جای حفظ کردن فرمولهای ریاضی پیچیده یا یادگیری یک زبان برنامهنویسی جدید، تکنیکهای یادگیری ماشین به صورت مفهومی تشریح میشوند تا فراگیران دقیقا درک کنند که این تکنیکها چگونه و چرا کار میکنند. با دنبال کردن مثالهای ساده و بصری و تعامل با مدلهای کاربرپسند مبتنی بر اکسل، شرکتکنندگان میتوانند موضوعاتی مانند رگرسیون خطی و لجستیک، درختهای تصمیم، کا-نزدیکترین همسایهها (KNN)، نایو بیز، خوشهبندی سلسلهمراتبی و تحلیل احساسات را بدون نیاز به نوشتن حتی یک خط کد یاد بگیرند. در بخش ۱ این دوره، شرکتکنندگان با گردش کار یادگیری ماشین و تکنیکهای رایج برای پاکسازی و آمادهسازی دادههای خام جهت تحلیل آشنا میشوند. همچنین، با استفاده از جداول فراوانی، هیستوگرامها و نمودارهای توزیع، تحلیل تکمتغیره را بررسی خواهند کرد و سپس به ابزارهای تحلیل چندمتغیره مانند نقشههای حرارتی، نمودارهای ویولن و جعبهای، نمودارهای پراکندگی و همبستگی خواهند پرداخت.
در دوره آموزشی Machine Learning & Data Science: The Complete Visual Guide با مفاهیم و تکنیکهای یادگیری ماشین و علم داده آشنا خواهید شد.
این دوره به شما کمک میکند تا ویدیوهایی حرفهای و جذاب بسازید که توجه مخاطبان را جلب کرده و در فضای مجازی وایرال شوند، بدون اینکه نیاز به تجهیزات گرانقیمت یا نرمافزارهای پیچیده داشته باشید. این تجربه آموزشی کامل، قدرت CapCut و Google Veo 3 را در هم میآمیزد تا به شما کمک کند هم در تولید محتوای وایرال کوتاه و هم در ساخت ویدیوهای سینمایی با هوش مصنوعی تسلط پیدا کنید. در ابتدا، با استفاده از CapCut، نحوه ویرایش ویدیوهایی برای تیکتاک، یوتیوب شورت و اینستاگرام ریلز را میآموزید که بینندگان را تا انتها جذب کند. از بریدن کلیپها و اضافه کردن زیرنویس گرفته تا هماهنگ کردن صداهای تولید شده توسط هوش مصنوعی، فرآیند دقیق ساخت ویدیوهای سریع و جذاب را که در رسانههای اجتماعی برجسته میشوند، کشف خواهید کرد. در ادامه، با Google Veo 3، ابزار انقلابی ویدیوی هوش مصنوعی، مهارتهای خود را به سطح بالاتری میبرید. در این بخش، یاد میگیرید چگونه به صورت رایگان به این ابزار دسترسی پیدا کنید، ویدیوهای سینمایی خیرهکننده بسازید و آنها را به طور یکپارچه با CapCut ترکیب کنید تا ویدیوهایی با کیفیت استودیویی تولید کنید، حتی اگر تاکنون هیچ تجربه ویرایشی نداشتهاید. این دوره برای تولیدکنندگان محتوا، افراد مبتدی، کارآفرینان و فیلمسازان مشتاقی که میخواهند در رسانههای اجتماعی رشد کنند یا ساخت فیلم با هوش مصنوعی را بدون نیاز به یادگیری پیچیده تجربه کنند، ایدهآل است. در پایان، اعتماد به نفس و مهارتهای لازم برای تولید ویدیوهای وایرال کوتاه و ویدیوهای سینمایی را خواهید داشت که همگی با قدرت هوش مصنوعی CapCut و Veo 3 امکانپذیر است.
در دوره آموزشی CapCut & Veo 3: AI Video Editing for TikTok & YouTube با تولید ویدیوهای جذاب و حرفهای با استفاده از ابزارهای CapCut و هوش مصنوعی Veo 3 آشنا خواهید شد.
این دوره یک مسیر یادگیری عملی برای ساخت و استقرار ایجنتهای هوش مصنوعی در کسبوکارها است. با مبانی ایجنتهای هوش مصنوعی، کاربردهای واقعی آنها، و موارد استفاده در تجارت الکترونیک آشنا میشوید. این دوره بر تجربه عملی با ابزار اتوماسیون بدون کد n8n تمرکز دارد، که شامل تنظیمات AWS برای میزبانی شخصی است. در این دوره، ساخت گردشهای کاری مختلف مانند اتوماسیون فرم، گزارشهای هواشناسی، و ایجنتهای صوتی هوش مصنوعی برای یادآوری قرار ملاقاتها با استفاده از ابزارهای Retell AI و Twilio را تجربه میکنید.
در دوره آموزشی AI Agents for Everyone: Learn, Build and Automate with n8n با ساخت و استقرار ایجنتهای هوش مصنوعی با استفاده از ابزار n8n آشنا میشوید.
این دوره جامع و عملی برای افرادی طراحی شده که دانش مقدماتی پایتون دارند و میخواهند به یک توسعهدهنده ماهر عاملهای هوش مصنوعی تبدیل شوند. در این دوره، شرکتکنندگان با چارچوب کیت توسعه عاملهای هوش مصنوعی گوگل (ADK) و اجزای اصلی آن، از جمله عاملها (Agents) و ابزارها (Tools)، از طریق پروژههای عملی به صورت گام به گام آشنا میشوند. آموزش از مفاهیم پایهای آغاز میشود؛ ابتدا نحوه راهاندازی محیط توسعه و ساخت اولین عامل هوشمند آموزش داده میشود. سپس، شرکتکنندگان یاد میگیرند چگونه با ساخت ابزارهای سفارشی، قابلیتهای عامل خود را گسترش دهند. این ابزارها کلید اتصال عامل به هرگونه API یا منبع داده خارجی هستند. به این ترتیب، میتوان عاملی ساخت که قادر به رزرو پرواز، مدیریت تقویم، یا تحلیل دادههای مالی باشد. با پیشرفت در دوره، به مباحث پیشرفتهتر پرداخته میشود. طراحی و پیادهسازی سیستمهای چند عاملی پیچیده، که در آن چندین عامل تخصصی برای حل یک کار دشوار با یکدیگر همکاری میکنند، به طور کامل پوشش داده میشود. همچنین، شرکتکنندگان بر الگوهای ارکستراسیون، از جمله تعاملات ترتیبی، موازی و حلقوی بین عاملها، مسلط خواهند شد. مفاهیم پیشرفتهای مانند خروجیهای ساختاریافته، حافظه پایدار، و الگوی قدرتمند «عامل به عنوان ابزار» نیز بررسی میشود، که به یک عامل اجازه میدهد تا عاملهای دیگر را فراخوانی کند.
در دوره آموشی AI Agents with Google ADK: The Practical Guide با ساخت و توسعه عاملهای هوش مصنوعی آشنا خواهید شد.