پی سی دانلود - machine-learning

هوش مصنوعی در حال دگرگونی شیوه کار، خودکارسازی وظایف و تعامل با فناوری است. این دوره برای کمک به یادگیرندگان در ساخت عوامل مبتنی بر هوش مصنوعی، ربات‌های خودکارسازی، دستیاران چت و سیستم‌های مدیریت وظیفه با استفاده از ابزارهای متن‌باز طراحی شده است، بدون نیاز به اتکا به APIهای خارجی یا سرویس‌های مبتنی بر ابر. چه یک مبتدی باشید که در حال کاوش در هوش مصنوعی هستید و چه توسعه‌دهنده‌ای که به دنبال یکپارچه‌سازی هوش مصنوعی در برنامه‌های کاربردی دنیای واقعی است، این دوره رویکردی عملی برای ساخت راهکارهای خودکارسازی مبتنی بر هوش مصنوعی ارائه می‌دهد. در طول این دوره، یادگیرندگان تجربه عملی در توسعه دستیاران هوشمند کسب خواهند کرد که می‌توانند متن را پردازش کرده، به سوالات کاربران پاسخ دهند، وظایف تکراری را خودکار کنند و گردش کار را به طور موثر مدیریت نمایند. تمرکز بر پیاده‌سازی چت‌بات‌های مبتنی بر هوش مصنوعی، مدیران وظیفه هوشمند، خوانندگان اسناد، خزنده‌های وب و دستیاران بهره‌وری شخصی خواهد بود. با استفاده از مدل‌های محلی هوش مصنوعی، پایگاه‌های داده وکتور و تکنیک‌های پردازش زبان طبیعی، دانشجویان یاد خواهند گرفت که چگونه راهکارهای هوش مصنوعی را ایجاد کنند که به طور کامل بر روی دستگاه‌های خودشان، بدون هیچ گونه وابستگی به APIهای ابری، کار کنند.
در دوره آموزشی Mastering AI Agents Bootcamp: Build Smart Chatbots & Tools با ساخت عوامل هوش مصنوعی، ربات‌های خودکارسازی و چت‌بات‌های هوشمند آشنا خواهید شد.

این دوره برای افراد کاملاً مبتدی در پایتون طراحی شده است که به دنبال یادگیری بصری‌سازی داده‌ها به روشی آسان، جذاب و عملی هستند. شرکت‌کنندگان در این دوره، ابتدا با مبانی برنامه‌نویسی پایتون آشنا می‌شوند؛ بنابراین حتی اگر قبلاً هرگز یک خط کد هم ننوشته باشند، می‌توانند شروع به یادگیری کنند. پس از تسلط بر مبانی پایتون، به دنیای جذاب بصری‌سازی داده‌ها قدم می‌گذارند و اصول داستان‌گویی بصری با داده‌ها را درک خواهند کرد. بخش اصلی دوره به معرفی کتابخانه Plotly اختصاص دارد. شرکت‌کنندگان یاد می‌گیرند که چگونه با استفاده از این کتابخانه، نمودارهای تعاملی و خیره‌کننده‌ای را در پایتون ایجاد کنند. این آموزش شامل ساخت انواع مختلف نمودارها از جمله نمودارهای میله‌ای، خطی، پراکندگی، دایره‌ای، هیستوگرام، نقشه‌های حرارتی و بسیاری موارد دیگر است. در ادامه، شرکت‌کنندگان مهارت‌های لازم برای سفارشی‌سازی بصری‌سازی‌های خود را کسب می‌کنند. این بخش شامل یادگیری نحوه استایل‌دهی به نمودارها با استفاده از رنگ‌ها، تم‌ها، توضیحات و قابلیت‌های تعاملی است. هدف این دوره، ارائه یک مسیر کامل و عملی برای تبدیل شدن به یک متخصص در بصری‌سازی داده‌ها با پایتون و کتابخانه Plotly است.
در دوره آموزشی Learn Python for Data Analysis & Visualize Data with Plotly با برنامه‌نویسی پایتون و بصری‌سازی داده‌ها با کتابخانه Plotly آشنا خواهید شد.

این دوره یکی از عملی‌ترین و جامع‌ترین دوره‌های آموزشی است که تاکنون برای پردازش زبان طبیعی (NLP) با استفاده از کتابخانه NLTK در پایتون طراحی شده است. چه دانشجو باشید، چه توسعه‌دهنده و چه پژوهشگر، این دوره گام به گام شما را از مبانی مطلق NLP راهنمایی می‌کند تا پروژه‌های کوچک خود را بسازید. این پروژه‌ها شامل یک مولد متن به سبک شکسپیر، یک تحلیلگر رزومه، و یک بازنویس جمله مبتنی بر مترادف هستند – تمام این‌ها تنها با استفاده از پایتون و NLTK انجام می‌شوند. شما تنها به یادگیری نظریه اکتفا نخواهید کرد، بلکه آن را به کار خواهید گرفت. هر بخش شامل بررسی دقیق کد، آزمون‌هایی برای سنجش درک شما، و پروژه‌های کوچکی است که می‌توانید با افتخار در نمونه کارهای خود به نمایش بگذارید. این دوره صرفاً بر NLTK تمرکز دارد و مدل‌های شبکه عصبی مدرن یا کتابخانه‌های ترانسفورمر مانند spaCy، BERT یا HuggingFace را پوشش نمی‌دهد. هدف این است که ابتدا با ساخت برنامه‌های کاربردی واقعی با ابزارهای ساده و قابل توضیح، بر مبانی مسلط شوید.
در دوره آموزشی Master NLP with NLTK in Python با مبانی و کاربردهای پردازش زبان طبیعی (NLP) با استفاده از کتابخانه NLTK در پایتون آشنا خواهید شد و پروژه‌های عملی متنوعی را در این زمینه می‌سازید.

این دوره آموزشی جامع، شرکت‌کنندگان را از مبانی پایتون و آمار به مفاهیم پیشرفته یادگیری ماشین و یادگیری عمیق هدایت می‌کند. این دوره با پوشش کتابخانه‌های کلیدی مانند NumPy و Pandas، تجزیه و تحلیل داده‌ها و تجسم را آموزش می‌دهد. سپس به بررسی الگوریتم‌های یادگیری نظارت شده و بدون نظارت، شبکه‌های عصبی، CNNها و RNNها می‌پردازد. شرکت‌کنندگان همچنین با پردازش زبان طبیعی و تکنیک‌های استقرار مدل آشنا خواهند شد و از طریق پروژه‌های عملی، تجربه عملی کسب خواهند کرد. هدف این دوره تربیت متخصصان آماده برای صنعت در زمینه علم داده و هوش مصنوعی است. علاوه بر این، این دوره بر استقرار مدل و مهندسی MLOps تمرکز دارد و به شرکت‌کنندگان مهارت‌های عملی برای استقرار مدل‌های یادگیری ماشین در محیط‌های تولید و مدیریت چرخه عمر آن‌ها را آموزش می‌دهد. از طریق پروژه‌های عملی در دنیای واقعی، شرکت‌کنندگان دانش و مهارت‌های خود را برای حل مشکلات پیچیده داده محور به کار می‌گیرند و یک نمونه کار قوی برای نشان دادن توانایی‌های خود ایجاد می‌کنند.
در دوره آموزشی Mastering Data Science & AI with Python & Real-World Project با مفاهیم و تکنیک های علم داده و هوش مصنوعی آشنا خواهید شد.

به این دوره جامع خوش آمدید که به شما نحوه کار مدل‌های زبان بزرگ (LLM) را آموزش می‌دهد! در سال‌های اخیر، LLMها حوزه هوش مصنوعی را متحول کرده‌اند و به برنامه‌هایی مانند ChatGPT، DeepSeek و دیگر دستیاران پیشرفته هوش مصنوعی قدرت بخشیده‌اند. اما این مدل‌ها چگونه متن شبیه به انسان را درک کرده و تولید می‌کنند؟ در این دوره، مفاهیم اساسی پشت LLMها، از جمله مکانیزم‌های توجه، ترانسفورمرها، و معماری‌های مدرن مانند DeepSeek را به تفصیل بررسی خواهیم کرد. در ابتدا، ایده اصلی مکانیزم‌های توجه را کاوش خواهیم کرد که به مدل‌ها اجازه می‌دهند روی مرتبط‌ترین بخش‌های متن ورودی تمرکز کنند و درک متنی را بهبود بخشند. سپس، به ترانسفورمرها، ستون فقرات LLMها، خواهیم پرداخت و تحلیل خواهیم کرد که چگونه پردازش موازی کارآمد متن را امکان‌پذیر می‌سازند و منجر به عملکردی پیشرو در پردازش زبان طبیعی (NLP) می‌شوند. همچنین با خود-توجهی (self-attention)، رمزگذاری‌های موقعیتی (positional encodings) و توجه چند-سر (multi-head attention) آشنا خواهید شد که اجزای کلیدی هستند و به مدل‌ها کمک می‌کنند تا وابستگی‌های بلندمدت در متن را ثبت کنند. فراتر از اصول اولیه، DeepSeek را که یک مدل متن‌باز پیشرفته طراحی شده برای گسترش مرزهای کارایی و عملکرد هوش مصنوعی است، بررسی خواهیم کرد. شما درک خواهید کرد که DeepSeek چگونه مکانیزم‌های توجه را بهینه‌سازی می‌کند و چه چیزی آن را به یک رقیب قدرتمند برای سایر LLMها تبدیل کرده است.
در دوره آموزشی Introduction to LLMs Transformer,Attention, Deepseek pytorch با عملکرد، ساختار و کاربرد مدل‌های زبان بزرگ (LLM) آشنا خواهید شد.

در این دوره آموزشی، شرکت‌کنندگان با چگونگی بهره‌گیری از پلتفرم داتابریکس به منظور مدیریت و پردازش حجم وسیعی از داده‌ها برای ساخت و آموزش مدل‌های هوش مصنوعی آشنا می‌شوند. همچنین، نحوه ادغام مدل‌های زبانی بزرگ پیشرفته در این فرآیند آموزش داده می‌شود تا امکان توسعه برنامه‌های کاربردی هوشمند در زمینه‌های مختلف پردازش زبان طبیعی فراهم گردد. این دوره شامل مباحثی پیرامون طبقه‌بندی متون، خلاصه‌سازی اطلاعات، جستجوی معنایی در متون و ساخت سیستم‌های هوش مصنوعی مکالمه‌ای است. از طریق تمرینات عملی و پروژه‌های واقعی، دانش‌پذیران تجربه لازم برای طراحی و پیاده‌سازی سیستم‌های هوشمند مبتنی بر داده و زبان را کسب خواهند کرد و با اصول معماری سامانه‌های هوش مصنوعی یکپارچه و روش‌های بهینه‌سازی عملکرد مدل‌ها آشنا می‌شوند.
در دوره آموزشی Building AI Applications with Databricks and Gen AI با ساخت برنامه‌های هوش مصنوعی با استفاده از داتابریکس و مدل‌های زبانی بزرگ آشنا خواهید شد.

در این دوره، شرکت‌کنندگان مدیریت حافظه در PLCهای زیمنس را بررسی خواهند کرد و نحوه دسترسی و دستکاری کارآمد داده‌ها برای انجام وظایف پیچیده را فرا خواهند گرفت. آن‌ها بر دستورات پیشرفته‌ای مانند مقایسه، انتقال، محاسبات ریاضی و عملیات بیتی مسلط شده و نحوه استفاده از آن‌ها در سناریوهای واقعی را خواهند آموخت. همچنین، سیستم‌های آنالوگ به صورت عمیق مورد بررسی قرار می‌گیرند و شرکت‌کنندگان درک می‌کنند که چگونه ماژول‌های ورودی/خروجی آنالوگ را برای کاربردهای کنترلی دقیق پیکربندی و برنامه‌ریزی کنند. علاوه بر این، آن‌ها با استفاده از بلوک‌های تابع (FBs)، انواع داده‌های تعریف شده توسط کاربر (UDTs) و بلوک‌های داده، کد ماژولار و قابل استفاده مجدد توسعه خواهند داد و کارایی برنامه‌نویسی را برای پروژه‌های بزرگ بهینه خواهند کرد.
در دوره آموزشی Industrial Automation - PLC Advanced با برنامه‌نویسی پیشرفته PLCهای زیمنس آشنا خواهید شد.

این دوره آموزشی به معرفی مفاهیم و تکنیک‌های کلیدی یادگیری ماشین می‌پردازد و نحوه پیاده‌سازی آن‌ها با استفاده از زبان برنامه‌نویسی R، مجموعه ابزارهای tidyverse و بسته mlr را آموزش می‌دهد. شرکت‌کنندگان در این دوره با روش‌های مختلف پیش‌پردازش داده‌ها، انتخاب ویژگی، ساخت و ارزیابی مدل‌های یادگیری ماشین برای مسائل طبقه‌بندی و رگرسیون آشنا خواهند شد. همچنین، نحوه استفاده از ابزارهای بصری‌سازی داده‌ها برای درک بهتر نتایج مدل‌ها و ارائه آن‌ها به مخاطبان غیرمتخصص مورد بررسی قرار می‌گیرد. این دوره برای افرادی که به دنبال کسب مهارت‌های عملی در زمینه یادگیری ماشین و استفاده از R برای تحلیل داده‌های پیچیده هستند، طراحی شده است. با گذراندن این دوره، شرکت‌کنندگان قادر خواهند بود تا با استفاده از ابزارهای قدرتمند R، مسائل واقعی دنیای کسب‌وکار را با رویکردهای یادگیری ماشین حل کنند.
در دوره آموزشی Machine Learning with R, the tidyverse, and mlr. Video Edition با مفاهیم و ابزارهای یادگیری ماشین در محیط R آشنا خواهید شد.

این دوره آموزشی یک برنامه فشرده و عملی است که شرکت‌کنندگان را در طول 21 روز از طریق پیاده‌سازی 21 پروژه کلیدی در حوزه‌های مختلف علم داده، یادگیری ماشین و هوش مصنوعی راهنمایی می‌کند. هدف این دوره، توسعه مهارت‌های فنی شرکت‌کنندگان و ایجاد یک نمونه کار قوی و متنوع است که توانایی‌های آن‌ها را در حل مسائل واقعی با استفاده از تکنیک‌های پیشرفته نشان دهد. هر پروژه به گونه‌ای طراحی شده است که یک مفهوم یا تکنیک خاص را پوشش دهد و شرکت‌کنندگان را قادر سازد تا به تدریج دانش و تجربه خود را در زمینه‌هایی نظیر پیش‌بینی سری‌های زمانی، تحلیل مشتری، مدل‌سازی ریسک، تحلیل احساسات، سیستم‌های توصیه‌گر، پیش‌بینی فرسایش، مدل‌سازی قیمت‌گذاری، تشخیص تهدیدات سایبری، تشخیص تقلب، پیش‌بینی مصرف انرژی و ترافیک، تحلیل ارزش طول عمر مشتری، تحلیل بازار سهام، پردازش زبان طبیعی، تحلیل سبد بازار، پیش‌بینی خطر سلامت و روند بازار مسکن، ساخت سیستم‌های معاملات خودکار، پیش‌بینی تقاضا و ساخت عامل‌های هوش مصنوعی با استفاده از یادگیری تقویتی بپردازند. این رویکرد عملی تضمین می‌کند که شرکت‌کنندگان نه تنها مفاهیم نظری را درک می‌کنند، بلکه قادر به اعمال آن‌ها در پروژه‌های ملموس و قابل ارائه نیز خواهند بود.
در دوره آموزشی 21 data science portfolio projects in 21 days با کاربردهای متنوع و عملی علم داده و یادگیری ماشین آشنا خواهید شد.

این دوره آموزشی جامع، شرکت‌کنندگان را با مفاهیم اساسی و پیشرفته یادگیری ماشین آشنا می‌کند. در این دوره، شرکت‌کنندگان با فرآیند پیش‌پردازش داده‌ها، ساخت و ارزیابی انواع مدل‌های رگرسیونی و طبقه‌بندی، و همچنین تکنیک‌های پیشرفته‌ای مانند یادگیری جمعی و خوشه‌بندی آشنا می‌شوند. این دوره با تاکید بر کاربردهای عملی یادگیری ماشین، به شرکت‌کنندگان این امکان را می‌دهد تا با استفاده از زبان برنامه‌نویسی پایتون و کتابخانه‌های مربوطه، مهارت‌های لازم برای حل مسائل واقعی را کسب کنند و یک نمونه کار قوی برای ورود به بازار کار ایجاد نمایند. علاوه بر این، شرکت‌کنندگان تکنیک‌های پیشرفته‌ای مانند یادگیری جمعی، خوشه‌بندی و کاهش ابعاد را فرا خواهند گرفت. آن‌ها نحوه پیاده‌سازی یادگیری قوانین وابستگی برای کشف الگو در داده‌های خرده‌فروشی و تجارت الکترونیک را خواهند آموخت. در طول دوره، شرکت‌کنندگان توسعه و ارزیابی مدل‌ها را با استفاده از پایتون و کتابخانه‌های محبوب مانند Scikit-learn و Pandas تمرین خواهند کرد.
در دوره آموزشی Mastering Machine Learning: From Basics to Advanced با مفاهیم، تکنیک‌ها و کاربردهای یادگیری ماشین آشنا خواهید شد.