پی سی دانلود - machine-learning

این دوره به شرکت‌کنندگان آموزش می‌دهد که چگونه یک عامل (Agent) هوش مصنوعی عمومی را بسازند که بتواند ابزارهای مختلف موجود بر روی دستگاه آن‌ها را هماهنگ و مدیریت کند. این ابزارها شامل قابلیت‌هایی مانند خواندن و تبدیل فایل‌ها، فراخوانی ابزارهای شخص ثالث نظیر جستجوی وب و اجرای کد، و در نهایت تحویل نتایج به یک مرورگر محلی هستند. تمرکز اصلی این دوره بر ایجاد یک عامل با یک حلقه اجرایی است که بتواند تاریخچه مکالمات را حفظ کند. این عامل از قابلیت فراخوانی ابزار (Tool Calling) برای انتخاب ابزارها و استدلال‌های مناسب استفاده می‌کند، پیام‌ها را بر اساس نتایج ابزارها به‌روزرسانی می‌کند و در نهایت، تصمیم می‌گیرد که چه زمانی عملیات را متوقف کند.
در طول دوره، شرکت‌کنندگان با نحوه مدیریت محتوا از طریق تکنیک‌های خلاصه‌سازی (Summarization) و بازیابی اطلاعات (Retrieval) آشنا خواهند شد. همچنین، روش‌های افزودن ارزیابی‌ها (Evals) برای شناسایی شکست‌ها و خطاها در عملکرد عامل آموزش داده می‌شود. علاوه بر این، به مبحث مهم افزودن گاردریل‌ها (Guardrails) و بررسی‌های "انسان در حلقه" (Human-in-the-loop checks) برای اقدامات حساس پرداخته می‌شود تا از ایمنی و دقت عامل اطمینان حاصل شود. در پایان این دوره، شرکت‌کنندگان یک عامل هوشمند در اختیار خواهند داشت که می‌توانند به‌طور مستمر آن را با ابزارهای جدید، پروتکل‌های تازه و رابط‌های کاربری بیشتر گسترش دهند و توسعه دهند. این عامل یک پایه قوی برای ایجاد سیستم‌های هوش مصنوعی خودکار و انعطاف‌پذیر است.
در دوره آموزشی Build an AI Agent from Scratch, v2 با نحوه ساخت، توسعه و ارزیابی یک عامل هوش مصنوعی با قابلیت فراخوانی و هماهنگی ابزارها آشنا خواهید شد.

مبانی یادگیری ماشین: ساخت مدل‌های هوش مصنوعی در سطح تخصصی یک برنامه جامع و مناسب برای مبتدیان است که طراحی شده تا شرکت‌کنندگان را از مفاهیم بنیادی به سمت تکنیک‌های پیشرفته یادگیری ماشین هدایت کند. این دوره یک مسیر ساختاریافته و کامل را برای تسلط بر تصمیم‌گیری مبتنی بر داده و مدل‌سازی یادگیری ماشین فراهم می‌کند، خواه فرد در برنامه‌نویسی تازه‌کار باشد یا به دنبال تقویت مجموعه مهارت‌های خود در هوش مصنوعی باشد.
شرکت‌کنندگان در این دوره کار خود را با یادگیری برنامه‌نویسی پایتون، که زبان ضروری برای توسعه مدرن هوش مصنوعی است، آغاز می‌کنند. در مرحله بعد، یک پایه ریاضی قوی از طریق مباحث آمار و آزمون فرضیه ایجاد خواهد شد. این دانش، ذهنیت تحلیلی لازم برای تفسیر مطمئن داده‌ها را در اختیار شرکت‌کنندگان قرار می‌دهد. با پیشرفت در دوره، آنها تجربه‌ عملی در تجزیه‌وتحلیل داده‌ها، مصورسازی داده‌ها و پاک‌سازی داده‌ها کسب می‌کنند – این‌ها مهارت‌های کلیدی هستند که هر متخصص یادگیری ماشین برای آماده‌سازی و درک مجموعه‌داده‌های واقعی به آن‌ها متکی است.
در نهایت، شرکت‌کنندگان عمیقاً وارد حوزه یادگیری ماشین می‌شوند؛ جایی که نحوه طراحی، آموزش، ارزیابی و بهینه‌سازی مدل‌هایی که امروزه در صنایع مختلف استفاده می‌شوند را خواهند آموخت. هر ماژول از این دوره عملی، جذاب و مناسب برای فراگیران با هر پیش‌زمینه‌ای طراحی شده است.
در دوره آموزشی Machine Learning Foundations: Build Expert-Level AI Models با مفاهیم و تکنیک‌های پیشرفته یادگیری ماشین و برنامه‌نویسی پایتون آشنا خواهید شد.

این برنامه آموزشی به عنوان مسترکلاس (MasterClass) جامع و کاربردی «مدرن مایکروسافت اکسل همراه با گوگل شیتس و هوش مصنوعی ChatGPT» طراحی شده است تا مهارت‌های صفحه گسترده (spreadsheet)، اتوماسیون و تحلیل داده‌های فراگیران را به طور کامل ارتقا دهد. این دوره تخصصی، دانش سنتی و عمیق اکسل را با جریان‌های کاری نوین مبتنی بر هوش مصنوعی (AI) ترکیب می‌کند تا به کاربران کمک کند سریع‌تر، هوشمندانه‌تر و با کارآیی بیشتری کار کنند. چه مخاطب یک فرد مبتدی یا یک کاربر با تجربه باشند، در طول این برنامه، ابزارها و تکنیک‌هایی را خواهند آموخت که متخصصان در حوزه‌های کسب‌وکار، امور مالی، بازاریابی و فناوری از آن‌ها استفاده می‌کنند. این دوره یک آموزش کامل و عملی است که فراگیران را برای تسلط بر محیط‌های کاری داده‌محور امروزی آماده می‌سازد. در این دوره، تجربه عملی با اکسل کسب می‌شود، در عین حال جریان کار مبتنی بر فضای ابری (Cloud-based workflow) با استفاده از گوگل شیتس (Google Sheets) بهبود می‌یابد. علاوه بر این، فراگیران کشف خواهند کرد که چگونه هوش مصنوعی و ChatGPT می‌توانند وظایف تکراری را خودکارسازی کنند، فرمول‌ها را تولید نمایند و از تصمیم‌گیری‌های بهتر پشتیبانی کنند. به عبارت دیگر، این دوره فراتر از آموزش صرف نرم‌افزار است و به سمت تقویت مهارت‌های تحلیلی و به کارگیری ابزارهای نوین برای کسب مزیت رقابتی در محیط کاری پیش می‌رود.
در دوره آموزشی Modern Excel MasterClass and Google Sheets with AI ChatGPT با استفاده از پتانسیل هوش مصنوعی و ادغام آن با مهارت‌های پیشرفته در اکسل و گوگل شیتس آشنا خواهید شد.

انقلاب هوش مصنوعی فرا رسیده است، در حالی که سیستم‌های سازمانی همچنان با زبان جاوا قدرت می‌گیرند. توسعه‌دهندگان جاوا به یک روش مدرن و کاربردی برای ادغام مدل‌های زبان بزرگ (LLM) بدون نیاز به دانش عمیق در زمینه علم داده نیاز دارند. این دوره پاسخی مستقیم به این نیاز است و یک توسعه‌دهنده Spring Boot را به یک مهندس هوش مصنوعی با تقاضای بالا تبدیل می‌کند. در این دوره، موارد غیرضروری کنار گذاشته شده و دقیقاً نحوه ساخت ویژگی‌های هوش مصنوعی قوی و مقیاس‌پذیر با استفاده از الگوهای آشنای اکوسیستم Spring آموزش داده می‌شود. حرکت از مفاهیم بنیادی به سمت ویژگی‌های عملیاتی و آماده برای تولید (Production) به سرعت انجام می‌گیرد: شرکت‌کننده بر مکانیک اصلی مدل‌های LLM—مانند توکن‌ها (Tokens)، پرامپت‌ها (Prompts) و پنجره‌های محتوا (Context Windows)—که اجزای سازنده هر برنامه هوش مصنوعی هستند، تسلط پیدا خواهد کرد. اولین برنامه Spring AI خود را از پایه خواهد ساخت. فراتر از تولید متن، ادغام قابلیت‌هایی چون تولید تصویر، تبدیل متن به گفتار (TTS)، تبدیل گفتار به متن (STT) و قابلیت‌های چندحالتی (Multimodal) (بینایی/صوتی) را می‌آموزد. همچنین، خطوط لوله (Pipelines) تعدیل (Moderation) را با استفاده از هر دو مدل OpenAI و مدل رایگان Mistral پیاده‌سازی خواهد کرد.
در دوره آموزشی Spring AI: Build Java AI Apps, Chatbots & RAG Systems (2026) شما با نحوه ادغام مدل‌های زبان بزرگ (LLM) در برنامه‌های Spring Boot با استفاده از فریم‌ورک Spring AI آشنا خواهید شد.

دوره «راهنمای کامل زیرساخت هوش مصنوعی: از صفر تا صد»، یک برنامه نهایی و کامل از ابتدا تا انتها است که به شرکت‌کنندگان کمک می‌کند تا بر زیرساخت مورد نیاز برای هوش مصنوعی به تسلط برسند. فرقی نمی‌کند که فرد یک مهندس مشتاق هوش مصنوعی، دانشمند داده، یا متخصص یادگیری ماشین باشد، این دوره او را از اصول بسیار اولیه لینوکس، رایانش ابری و واحدهای پردازش گرافیکی (GPU) تا مباحث پیشرفته‌تری مانند آموزش توزیع‌شده، ارکستراسیون کوبرنتیس، عملیات یادگیری ماشین (MLOps)، قابلیت مشاهده (Observability)، و استقرار هوش مصنوعی در لبه (Edge AI) هدایت می‌کند. در طول فقط ۵۲ هفته، شرکت‌کننده از راه‌اندازی اولین ماشین مجازی GPU خود به مرحله طراحی و ارائه یک سیستم کامل زیرساخت هوش مصنوعی در سطح سازمانی و آماده تولید (Production) پیشرفت خواهد کرد. این برنامه درسی جامع تضمین می‌کند که فرد هم مبانی نظری و هم مهارت‌های عملی مورد نیاز برای موفقیت در دنیای پرشتاب و در حال تحول زیرساخت هوش مصنوعی را کسب می‌کند. دوره با مبانی آغاز می‌شود: اینکه زیرساخت هوش مصنوعی چیست، چرا اهمیت دارد، و چگونه CPU، GPU و TPU (واحدهای پردازشی تنسور) به بار کاری مدرن هوش مصنوعی قدرت می‌دهند. شرکت‌کنندگان اصول اساسی لینوکس را می‌آموزند، زیرساخت‌های ابری در AWS، گوگل کلود و آژور را بررسی می‌کنند و اعتماد به نفس لازم برای راه‌اندازی نمونه‌های محاسباتی GPU را به دست می‌آورند. از آنجا، آنها وارد مفاهیم کانتینرسازی با داکر، ارکستراسیون با کوبرنتیس و اتوماسیون با نمودارهای Helm می‌شوند—مهارت‌هایی که هر مهندس هوش مصنوعی باید بر آنها مسلط شود.
در دوره آموزشی The Complete Guide to AI Infrastructure: Zero to Hero با طراحی و اجرای یک سیستم کامل و آماده به کار زیرساخت هوش مصنوعی آشنا خواهید شد.

دنیای کسب‌وکار به سرعت در حال تغییر است و شکاف درآمدی بین کارگرانی که دارای مهارت‌های هوش مصنوعی هستند در مقایسه با کسانی که فاقد این مهارت‌ها هستند، رو به افزایش است. در حال حاضر، افرادی که با هوش مصنوعی آشنایی دارند، 56% بیشتر درآمد کسب می‌کنند و این تفاوت در طول 12 ماه دو برابر شده است. پیش‌بینی می‌شود تا سال 2027، این اختلاف بسیار عظیم خواهد بود. بازار جهانی هوش مصنوعی قرار است در سال آینده به 900 میلیارد دلار برسد و 40% از اپلیکیشن‌های تجاری بر مبنای هوش مصنوعی اجرا خواهند شد. اگر فردی توانایی ساخت و توسعه با هوش مصنوعی را نداشته باشد، قطعاً از قافله عقب خواهد ماند. در حالی که بیشتر مردم مصرف‌کننده هوش مصنوعی خواهند بود، تنها عده کمی آن را توسعه خواهند داد. این دوره شرکت‌کننده را به یک توسعه‌دهنده تبدیل می‌کند. این دوره شامل بیش از 10 ساعت آموزش در قالب 70 درس است که هیچ مطلب اضافی و حاشیه‌ای ندارد. شرکت‌کننده به صورت کامل بر Google AI Studio و مدل Gemini مسلط می‌شود تا بتواند محتوای متنی، کد، تصاویر و صدا را تولید کند. همچنین، مباحثی مانند پخش زنده (Live Streaming)، نحوه اتصال به ابزارهای دیگر و چگونگی پایین نگه داشتن هزینه‌ها آموزش داده می‌شود. تمام تکنیک‌هایی که در این دوره ارائه می‌شوند، مستقیماً برای کاربردهای دنیای واقعی قابل استفاده هستند.
در دوره آموزشی Google AI Studio: Build real-world AI Apps with Gemini با توسعه اپلیکیشن‌های کاربردی هوش مصنوعی با استفاده از Google AI Studio و مدل Gemini آشنا خواهید شد.

Spyder یک محیط علمی قدرتمند برای زبان برنامه‌نویسی پایتون است که به‌طور خاص برای دانشمندان، مهندسان و تحلیل‌گران داده طراحی شده است. این نرم‌افزار ترکیبی منحصربه‌فرد از قابلیت‌های پیشرفته ویرایش کد، تحلیل، اشکال‌زدایی و پروفایلینگ را با امکاناتی مانند کاوش داده‌ها، اجرای تعاملی، بازرسی عمیق و بصری‌سازی داده‌ها ارائه می‌دهد.

Spyder که مخفف Scientific PYthon Development Environment است، یک محیط توسعه متن‌باز است که به‌طور ویژه برای محاسبات علمی و تحلیل داده با پایتون طراحی شده است. این IDE بر پایه کتابخانه‌های معروفی مانند NumPy، SciPy، Matplotlib و IPython ساخته شده و انتخابی ایده‌آل برای پژوهشگران و مهندسان محسوب می‌شود.

علاوه بر ویژگی‌های داخلی گسترده، Spyder از طریق سیستم افزونه‌ها و API خود قابل گسترش است. همچنین می‌توان آن را به‌عنوان یک کتابخانه افزونه برای PyQt5 استفاده کرد و قابلیت‌های آن، مانند کنسول تعاملی، را در سایر نرم‌افزارهای مبتنی بر PyQt ادغام نمود.

به شرکت‌کنندگان در دوره "تسلط بر ChatGPT و مهندسی پرامپت هوش مصنوعی" خوش آمد گفته می‌شود. این دوره، راهنمای کاملی برای تسلط بر ChatGPT، DALL·E و SORA است تا افراد بتوانند از آن‌ها برای افزایش خلاقیت، خودکارسازی وظایف و انجام هوشمندانه‌تر کارهای روزمره استفاده کنند. این دوره به فراگیران آموزش می‌دهد که چگونه ChatGPT را به دستیار شخصی، مولد ایده، برنامه‌نویس، و تحلیلگر داده خود تبدیل کنند. چه فردی مبتدی باشند و چه یک متخصص، به صورت گام به گام خواهند آموخت که چگونه از ابزارهای هوش مصنوعی استفاده کنند تا در زمان صرفه‌جویی کنند، بهره‌وری خود را افزایش دهند و در عرض چند دقیقه نتایج چشمگیری خلق نمایند. دوره با درک نحوه عملکرد ChatGPT آغاز می‌شود؛ افراد مدل‌های مختلف مانند GPT-4o، o4-mini، o4-mini-high، GPT-3.5، و GPT-4.5 را بررسی می‌کنند و نحوه انتخاب مدل مناسب برای هر وظیفه‌ای را کشف می‌نمایند. سپس، شرکت‌کنندگان عمیقاً وارد حوزه مهندسی پرامپت هوش مصنوعی می‌شوند و یاد می‌گیرند که چگونه با استفاده از تکنیک‌هایی مانند Zero-shot، Few-shot، Chain-of-Thought و Tabular، پرامپت‌های ساختاریافته‌ای را تدوین کنند تا به نتایج دقیق و ثابتی دست یابند. در ادامه، فراگیران به بررسی نحوه کمک ChatGPT در تولید محتوا، خلاصه‌سازی تحقیقات، برنامه‌ریزی پروژه‌ها و طوفان فکری (ایده‌پردازی) بدون زحمت می‌پردازند. همچنین، آموزش می‌بینند که چگونه با استفاده از ابزارهای تحلیل داده داخلی GPT، داده‌ها را تجزیه و تحلیل کنند، گزارش تهیه نمایند و روندها را پیش‌بینی کنند تا اطلاعات خام را به بینش‌های ارزشمند تبدیل نمایند. در بخش خلاقیت، افراد کشف خواهند کرد که چگونه تصاویر بصری را با DALL·E طراحی کرده و تصاویر ثابت را با SORA به ویدیو تبدیل کنند. این امر به آن‌ها امکان می‌دهد تا از طریق پرامپت‌های متنی ساده، رسانه‌هایی با کیفیت حرفه‌ای ایجاد کنند. شرکت‌کنندگان همچنین یاد می‌گیرند که چگونه کد بنویسند و اشکال‌زدایی کنند، بین زبان‌های برنامه‌نویسی مختلف تبدیل انجام دهند و منطق کد را با GraphViz بصری‌سازی نمایند – حتی اگر هیچ تجربه برنامه‌نویسی قبلی نداشته باشند.
در دوره آموزشی ChatGPT & AI Prompt Engineering Mastery با نحوه به‌کارگیری پیشرفته ابزارهای هوش مصنوعی مولد در کار و خلاقیت آشنا خواهید شد.

این دوره برای کسانی طراحی شده که می‌خواهند به یک مهندس داده تبدیل شوند و بر یکی از پرتقاضاترین پلتفرم‌های این صنعت مسلط گردند. این بوت‌کمپ، افراد را از سطح مبتدی تا پیشرفته در حوزه‌های Databricks، کتابخانه PySpark و Delta Lake ارتقا می‌دهد. یادگیری از طریق ساخت گام به گام پروژه‌های واقعی و کاربردی مهندسی داده انجام می‌شود. صرف نظر از اینکه فرد تازه با Databricks آشنا شده یا پیش‌تر تجربه داشته است، این بوت‌کمپ مهارت‌های عملی مورد نیاز برای طراحی، ساخت و بهینه‌سازی خطوط لوله ETL (استخراج، تبدیل، بارگذاری) در محیط ابری را فراهم می‌آورد. شرکت‌کنندگان با تسلط بر معماری Medallion (شامل لایه‌های Bronze، Silver و Gold) به صورت عملی، توانایی مدیریت و پردازش داده‌های حجیم را کسب می‌کنند.
در طول دوره، شرکت‌کنندگان مهارت‌هایی حیاتی مانند ساخت خطوط لوله ETL سرتاسری با استفاده از PySpark و SQL را فرا می‌گیرند. همچنین، کار با Delta Lake برای انجام تراکنش‌های ACID، مدیریت تکامل طرحواره (Schema Evolution) و قابلیت سفر در زمان (Time Travel) پوشش داده می‌شود. روش‌های ورود و پردازش داده‌ها با استفاده از ابزارهایی مانند Auto Loader و Delta Live Tables (DLT) آموزش داده شده و نحوه پاکسازی داده‌های نامرتب با تبدیل‌های PySpark و اجرای قوانین کیفیت داده فرا گرفته خواهد شد.
در دوره آموزشی Complete Databricks & PySpark Bootcamp: Zero to Hero با اصول و کاربردهای پیشرفته Databricks و PySpark برای ساخت خطوط لوله ETL در مقیاس بزرگ آشنا خواهید شد.

این دوره برای پاسخ به تحولی طراحی شده که هوش مصنوعی در فرایند خلق محتوا ایجاد کرده است. در گذشته، تولید محتوا به تشکیل تیم‌هایی از نویسندگان، طراحان و تدوینگران نیاز داشت، اما اکنون یک خالق محتوا می‌تواند با به‌کارگیری هوش مصنوعی، تمام این وظایف را به تنهایی انجام دهد. این برنامه عملی 28 روزه، شرکت‌کننده را در طول کامل فرایند خلاقیت هدایت می‌کند: از نوشتن دستورات متنی (پرامپت‌نویسی) و تولید متون، تا ساخت تصاویر بصری، طراحی ویدئوها، و متحرک‌سازی آواتارها. ساختار دوره به گونه‌ای است که هر روز، شرکت‌کننده یک درس کوتاه و یک تمرین عملی را به پایان می‌رساند. در انتهای هر هفته، یک پروژه کوچک (مینی‌پروژه) تکمیل می‌شود. با اتمام دوره، شرکت‌کننده یک پورتفولیوی شخصی از محتوای هنری و تولیدی خود خواهد داشت که تماماً با استفاده از هوش مصنوعی ساخته شده است.
در دوره آموزشی 28 Days to Master AI Art Generation System با هوش مصنوعی با تولید محتوای هنری و متنی با ابزارهای هوش مصنوعی آشنا خواهید شد.