پی سی دانلود - machinelearning

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 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.

این دوره به معرفی شیوه‌های نوین کار در دنیای مهندسی نرم‌افزار با بهره‌گیری از هوش مصنوعی می‌پردازد. شرکت‌کنندگان با تأثیرات هوش مصنوعی بر زمان تحویل نرم‌افزار، کیفیت کد، و اندازه صنعت نرم‌افزار آشنا می‌شوند. همچنین، این دوره به بررسی پیدایش مشاغل فنی جدید مبتنی بر هوش مصنوعی و ادغام نقش‌ها در نتیجه آن می‌پردازد. مهندسی پرامپت و مهندسی متن (Context Engineering): شرکت‌کنندگان با اصول مهندسی پرامپت و مهندسی متن آشنا می‌شوند تا بتوانند دستورات بهتری برای هوش مصنوعی ایجاد کنند. هذیان‌های هوش مصنوعی (AI Hallucinations): در این بخش، تعریف هذیان‌های هوش مصنوعی، نحوه تشخیص آن‌ها، و بهترین روش‌ها برای کاهش آن‌ها و بهبود کیفیت کد آموزش داده می‌شود. تولید خودکار اسناد: نحوه تولید خودکار مشخصات الزامات محصول، داستان‌های کاربری، موارد آزمون، مشخصات فنی و نمودارهای معماری با استفاده از هوش مصنوعی مورد بحث قرار می‌گیرد. انواع هوش مصنوعی و آینده شغلی: انواع مختلف هوش مصنوعی شامل هوش محدود (ANI)، هوش عمومی (AGI)، و هوش فوق‌العاده (ASI) و همچنین هوش مصنوعی کوانتومی معرفی می‌شوند. این بخش به آینده مشاغل در دنیای هوش مصنوعی می‌پردازد و راهکارهای حفظ شغل در این دنیای جدید را ارائه می‌دهد.
در دوره آموزشی How To Develop End To End Software Using AI (Vibe Coding) با نحوه استفاده از هوش مصنوعی در فرآیند توسعه نرم‌افزار و آینده شغلی در این حوزه آشنا خواهید شد.

این بوت‌کمپ جامع مهندسی هوش مصنوعی و مدل‌های زبانی بزرگ، دوره‌ای یکپارچه برای یادگیری پایتون، گیت، داکر، پایدنتیک، مدل‌های زبانی بزرگ (LLMs)، عامل‌ها (Agents)، بازیابی افزوده-تولیدی (RAG)، لنگ‌چین (LangChain)، لنگ‌گراف (LangGraph) و هوش مصنوعی چندوجهی از پایه است. این دوره تنها یک آموزش نظری نیست. در پایان آن، شرکت‌کنندگان قادر خواهند بود تا برنامه‌های کاربردی هوش مصنوعی دنیای واقعی را کدنویسی، استقرار و مقیاس‌دهی کنند؛ برنامه‌هایی که از همان تکنیک‌های قدرتمند چت‌جی‌پی‌تی، جمینی و کلود استفاده می‌کنند.
در دوره آموزشی Full-Stack AI with Python: LLMs, RAG, Agents & LangGraph با مهندسی هوش مصنوعی، مدل‌های زبانی بزرگ و ابزارهای مرتبط آشنا خواهید شد.

دوره Master RAG for AI + DevOps، دوره‌ای آموزشی است که شما را با تکنیک‌های پیشرفته Retrieval Augmented Generation یا به اختصار RAG و کاربردهای آن در دنیای واقعی آشنا می‌کند. این دوره از آماده‌سازی داده‌ها تا ساخت بازیاب‌ها، استفاده از پایگاه داده‌های برداری و اتصال همه آن‌ها به مدل‌های زبانی بزرگ (LLM) مانند Gemini را به صورت گام‌به‌گام به شما آموزش می‌دهد. هدف این دوره، ایجاد سیستم‌های هوش مصنوعی قدرتمند و حساس به محتواست. این دوره برای افرادی طراحی شده که به دنبال یادگیری مفاهیم تئوری و پیاده‌سازی عملی RAG هستند، به ویژه در حوزه‌هایی مانند DevOps و هوش مصنوعی سازمانی. هر جلسه از دوره بر مباحث جلسه قبل بنا شده و به تدریج به شما کمک می‌کند تا بر جریان کاری RAG، از اصول پایه تا موضوعات پیشرفته، مسلط شوید. در طول این دوره، شما با بارگذاری‌کننده‌های اسناد، تکه‌تکه‌کردن (chunking)، جاسازی‌ها (embeddings) و جستجوی برداری آشنا می‌شوید. با استفاده از مثال‌های دنیای واقعی در زمینه DevOps، مانند عیب‌یابی کانتینرها و مدیریت پیکربندی‌های پویا، کاربرد این مفاهیم را به صورت عملی یاد می‌گیرید و متوجه می‌شوید که RAG چگونه محدودیت‌های LLM‌ها را برطرف می‌کند. این دوره، یک سفر کامل از تئوری تا عمل برای ساخت سیستم‌های هوش مصنوعی پیشرفته است.
در دوره آموزشی Master RAG for AI + DevOps با تکنیک RAG برای هوش مصنوعی و DevOps آشنا خواهید شد.

این روزها هوش مصنوعی در هر زمینه‌ای حضور دارد، اما آیا شما به عنوان یک برنامه‌نویس واقعاً می‌توانید از آن برای ساختن چیزی استفاده کنید؟ بسیاری از توسعه‌دهندگان ممکن است با ابزارهایی مانند ChatGPT کار کرده باشند یا حتی کدهای تولید شده توسط هوش مصنوعی را در پروژه‌های خود کپی کرده باشند. با این حال، این کارها با ساختن ویژگی‌های واقعی و مبتنی بر هوش مصنوعی که برنامه‌های شما را هوشمندتر، جذاب‌تر و برای کاربران با ارزش‌تر می‌کند، تفاوت دارد. این دوره دقیقاً با هدف رفع همین نیاز طراحی شده است. در این دوره آموزشی، گام‌به‌گام با مفاهیم، ابزارهای مدرن و بهترین شیوه‌هایی که برای ساخت برنامه‌های کاربردی و آماده برای انتشار نیاز دارید، آشنا خواهید شد. این دوره، مسیر ساختارمند و روشنی را با ویدیوهای کوتاه و جذاب به شما ارائه می‌دهد که ترکیبی از تئوری و تمرین عملی هستند. دیگر نیازی به جستجو در آموزش‌های پراکنده و محتوای اضافی نیست. این دوره، همان دوره هوش مصنوعی است که هر توسعه‌دهنده‌ای در حال حاضر به آن نیاز دارد.
در دوره آموزشی Build AI-Powered Apps با نحوه ساخت برنامه‌های کاربردی با استفاده از هوش مصنوعی آشنا خواهید شد.

مدل‌های زبان بزرگ (LLMs) در کانون انقلاب هوش مصنوعی کنونی قرار دارند و به چت‌بات‌ها، سیستم‌های خودکارسازی و اپلیکیشن‌های هوشمند قدرت می‌بخشند. با این حال، استقرار و سفارشی‌سازی آن‌ها اغلب پیچیده و وابسته به خدمات ابری به نظر می‌رسد. Ollama این وضعیت را تغییر داده و اجرای، مدیریت و تنظیم دقیق LLMها را به صورت محلی بر روی سیستم شخصی شما آسان می‌سازد. این دوره برای توسعه‌دهندگان، علاقه‌مندان به هوش مصنوعی و متخصصانی طراحی شده است که می‌خواهند با استفاده از Ollama بر LLMها بر روی سخت‌افزار یا لپ‌تاپ خود مسلط شوند. شرکت‌کنندگان همه چیز را از راه‌اندازی محیط کاری تا ساخت مدل‌های هوش مصنوعی سفارشی، تنظیم دقیق آن‌ها و یکپارچه‌سازی آن‌ها در اپلیکیشن‌های واقعی، بدون اتکا به زیرساخت‌های ابری گران‌قیمت، فرا خواهند گرفت. در مجموع، این دوره یک مسیر عملی و جامع برای تسلط بر مدل‌های زبان بزرگ به صورت محلی ارائه می‌دهد که کنترل کامل و انعطاف‌پذیری بالایی را در اختیار شما قرار می‌دهد. این رویکرد به شما امکان می‌دهد تا بدون نگرانی از هزینه‌های ابری یا مسائل مربوط به حریم خصوصی، پروژه‌های هوش مصنوعی خود را به پیش ببرید.
در دوره آموزشی Mastering LLMs Locally using Ollama | Hands-On با نحوه اجرای و مدیریت مدل‌های زبان بزرگ بر روی کامپیوتر شخصی خود آشنا خواهید شد.

این دوره آموزشی برای دانشجویانی طراحی شده که می‌خواهند از یک برنامه‌نویس مبتدی به یک متخصص در کتابخانه نام‌پای تبدیل شوند. نام‌پای زیربنای اصلی تقریباً تمام کتابخانه‌های یادگیری ماشین، یادگیری عمیق و هوش مصنوعی است. از جمله این کتابخانه‌ها می‌توان به سای‌پای (SciPy)، پانداس (Pandas)، پای‌تورچ (PyTorch) و تنسورفلو (TensorFlow) اشاره کرد. این دوره به افراد کمک می‌کند تا چالش‌های رایج در یادگیری نام‌پای را پشت سر بگذارند و از صرفاً استفاده از توابع فراتر رفته و به درکی عمیق از عملکرد داخلی آن برسند. این دوره یک آموزش ساده در مورد توابع نام‌پای نیست. بلکه رویکرد آن بر پرورش تفکر نام‌پای در دانشجویان تمرکز دارد تا بتوانند با اطمینان، کدهای حرفه‌ای را نوشته و اشکال‌زدایی کنند. دانشجویان در طول دوره با مفاهیم گام‌به‌گام و از طریق تمرین‌های کدنویسی، پروژه‌های واقعی و آزمون‌ها آشنا می‌شوند. در پایان این دوره، آن‌ها تنها توابع نام‌پای را نمی‌شناسند، بلکه نحوه عملکرد آن در پشت پرده محاسبات مربوط به سیستم‌های مدرن یادگیری ماشین و هوش مصنوعی را نیز درک خواهند کرد. این دانش به دانشجویان اعتماد به نفس لازم برای کار با کتابخانه‌های پیشرفته و پروژه‌های دنیای واقعی را می‌دهد.
در دوره آموزشی NumPy Mastery for Machine Learning & AI-Beginner to Pro 2025 با کتابخانه نام‌پای، نحوه تفکر در آن، و کاربردهای آن در یادگیری ماشین و هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی برای آشنایی کامل با مفاهیم پایه سنجش از راه دور ماهواره‌ای و تحلیل داده‌های GIS با استفاده از گوگل ارث انجین (GEE)، پلتفرمی در مقیاس سیاره‌ای برای داده‌ها و تحلیل‌های علوم زمین، طراحی شده است. این پلتفرم از زیرساخت‌های ابری گوگل بهره می‌برد و قادر به پردازش پتابایت‌ها داده تصویری است. در این دوره، با تمرین‌های عملی و داده‌های واقعی سنجش از راه دور و GIS، شرکت‌کنندگان به صورت گام به گام با این ابزار قدرتمند آشنا می‌شوند. با شرکت در این دوره، گامی مهم در مسیر تبدیل شدن به یک متخصص تحلیل داده‌های مکانی برداشته می‌شود. مدرس دوره، فارغ‌التحصیل مقطع MPhil از دانشگاه آکسفورد و دارای مدرک دکترا از دانشگاه کمبریج است. او چندین سال تجربه در تحلیل داده‌های واقعی سنجش از راه دور و انتشار مقالات در مجلات معتبر بین‌المللی را دارد. در طول دوره، از داده‌های واقعی سنجش از راه دور مانند داده‌های لندست (Landsat) از USGS و داده‌های راداری از JAXA استفاده می‌شود تا تجربه عملی کار با سنجش از راه دور و درک کاربرد آن فراهم گردد. این دوره تضمین می‌کند که شرکت‌کنندگان تکنیک‌های تحلیل داده‌های سنجش از راه دور را به طور عملی یاد گرفته و مهارت خود را در تحلیل‌های مکانی افزایش دهند.
در دوره آموزشی Complete Google Earth Engine for Remote Sensing & GIS با تحلیل داده‌های سنجش از راه دور و GIS با استفاده از گوگل ارث انجین آشنا خواهید شد.

این دوره آموزشی جامع و مبتدی، به علاقه‌مندان کمک می‌کند تا با بهره‌گیری از قدرت هوش مصنوعی، دستیار هوش مصنوعی خود را بسازند. این مسیر آموزشی گام‌به‌گام، از درک اصول اولیه شروع شده و تا استقرار یک دستیار هوش مصنوعی کاملاً کاربردی ادامه می‌یابد که می‌توان آن را در رزومه نمایش داد یا حتی از طریق آن کسب درآمد کرد. در دنیای فناوری که با سرعت در حال تحول است، دستیارهای هوش مصنوعی شیوه تعامل ما با تکنولوژی و حل مسائل را تغییر می‌دهند. این دوره، فرآیند ساخت این ابزارهای قدرتمند را برای همه، حتی کسانی که هیچ تجربه قبلی برنامه‌نویسی ندارند، ساده و قابل دسترس می‌سازد. شرکت‌کنندگان با اصول اولیه برنامه‌نویسی پایتون که به طور خاص برای توسعه هوش مصنوعی طراحی شده، کار را آغاز می‌کنند تا قبل از ورود به مفاهیم پیشرفته‌تر، یک پایه محکم بسازند. در طول این تجربه آموزشی فراگیر، شرکت‌کنندگان بر Streamlit، یک چارچوب انقلابی که امکان ساخت اپلیکیشن‌های وب زیبا برای دستیار هوش مصنوعی را بدون نیاز به یادگیری پیچیدگی‌های توسعه وب فراهم می‌کند، تسلط خواهند یافت. آنها همچنین کشف خواهند کرد که چگونه مدل‌های هوش مصنوعی پیشرفته را از طریق APIها یکپارچه کنند، رابط‌های کاربری بصری طراحی کنند و ویژگی‌های پیشرفته‌ای را پیاده‌سازی نمایند که باعث برجسته شدن دستیارشان خواهد شد.
در دوره آموزشی Build Your Own AI Assistant with Streamlit From Zero to Hero با نحوه ساخت و استقرار یک دستیار هوش مصنوعی با استفاده از پایتون و چارچوب Streamlit آشنا خواهید شد.