پی سی دانلود - machinelearning

«چگونگی استفاده از داده» مجموعه‌ای شامل ۳ دوره است که برای تجهیز فراگیران به مهارت‌های ضروری لازم برای شروع یک حرفه در زمینه تحلیل داده طراحی شده است. این تخصص بر توانایی شناسایی و پاسخ‌گویی به سؤالات حیاتی کسب‌وکار با استفاده از داده‌ها تأکید دارد، در حالی که یک پایه جامع در فرایندهای کلیدی تحلیل داده ارائه می‌دهد. در دوره اول، شرکت‌کنندگان با اصول تحلیل داده، علم داده و آنالیز داده آشنا می‌شوند. آن‌ها ابزارها و زبان‌های برنامه‌نویسی ضروری را از طریق مطالعات موردی واقعی فرا می‌گیرند. در ادامه، بر تکنیک‌های آماده‌سازی و ساماندهی داده با استفاده از SQL مسلط می‌شوند و تجربه عملی در ذخیره‌سازی، دسترسی و دست‌کاری داده‌ها با استفاده از پایگاه‌های داده رابطه‌ای به دست می‌آورند. با ورود به مرحله تحلیل اکتشافی داده (EDA) با پایتون، شرکت‌کنندگان مهارت‌هایی در بازرسی، پرس‌وجو، خلاصه‌سازی و بصری‌سازی داده‌ها کسب می‌کنند. علاوه بر این، آن‌ها یاد می‌گیرند که چگونه تکنیک‌های تحلیل پیش‌بینی‌کننده —مانند رگرسیون، درخت‌های تصمیم، جنگل‌های تصادفی و خوشه‌بندی— را برای حل چالش‌های پیچیده کسب‌وکار و انجام پیش‌بینی‌های مبتنی بر داده به کار ببرند. در نهایت، شرکت‌کنندگان در ایجاد بصری‌سازی‌های تأثیرگذار با Tableau و ارائه مؤثر بینش‌های داده به ذینفعان تخصص پیدا می‌کنند، که آن‌ها را قادر می‌سازد تا تصمیم‌گیری آگاهانه را در سناریوهای واقعی هدایت کنند. این تخصص شامل انواع تکالیف با نمره و تمرینی است، هم در قالب بررسی‌های یادگیری با تلاش‌های متعدد و هم در قالب تکالیف برنامه‌نویسی از طریق پلتفرم Codio. تکالیف تمرینی در این دوره برای نمره نهایی محاسبه نمی‌شوند. تمامی تکالیف دیگر به صورت خودکار نمره‌دهی می‌شوند و بازخورد فوری به فراگیران ارائه می‌دهند. لطفاً در صورت داشتن هرگونه سؤال در مورد تکالیف یا دستورالعمل‌ها، در انجمن‌های گفتگو واقع در هر ماژول شرکت کنید. مرورگر Google Chrome برای تکمیل تکالیف کدنویسی توصیه می‌شود.
در دوره آموزشی How to Use Data Specialization با تجزیه و تحلیل داده‌ها، ساخت مدل‌های پیش‌بینی‌کننده و ارائه بینش‌های کاربردی آشنا خواهید شد.

این دوره آموزشی، اولین دوره عمومی آموزش داده‌های هوش مصنوعی در جهان است. در این دوره فشرده، شرکت‌کنندگان تمام مهارت‌ها و دانش لازم برای موفقیت در حوزه آموزش داده‌های هوش مصنوعی را کسب خواهند کرد؛ حوزه‌ای نوظهور و با رشد سریع که آینده مدل‌های هوش مصنوعی و به طور کلی هوش مصنوعی را شکل می‌دهد. در ابتدا، دوره به طور مختصر به مفاهیم بنیادی هوش مصنوعی که برای درک این حوزه ضروری هستند، مانند یادگیری ماشین، می‌پردازد. سپس، شرکت‌کنندگان به تسلط بر ایجاد و ارزیابی داده‌های انسانی برای تکنیک‌های تنظیم دقیق مدل‌های هوش مصنوعی مانند تنظیم دقیق نظارت شده (Supervised fine-tuning) و یادگیری تقویتی از بازخورد انسانی (Reinforcement Learning from Human Feedback) می‌رسند. پس از تسلط بر این مفاهیم، دوره به بررسی استانداردهای کیفیت و ایمنی داده‌ها می‌پردازد که هدایت‌کننده آموزش پرکاربردترین مدل‌های هوش مصنوعی امروزی هستند؛ مدل‌هایی که به طور پنهانی توسط رهبران صنعت مانند OpenAI و Cohere استفاده می‌شوند. در نهایت، دوره با آموزش نحوه یافتن اولین شغل به عنوان مربی داده هوش مصنوعی/آموزگار هوش مصنوعی به پایان می‌رسد. با تکامل مدل‌های هوش مصنوعی، تقاضا برای مربیان داده ماهر افزایش می‌یابد و فرصت‌هایی برای استقلال مالی و رشد شغلی در سراسر جهان فراهم می‌آورد.
در دوره آموزشی The Complete AI Data Training Course 2025 با آموزش داده‌های هوش مصنوعی آشنا خواهید شد.

این دوره آموزشی جامع به شرکت‌کنندگان دانش و مهارت‌های لازم برای ساختن عامل‌های هوش مصنوعی شخصی‌شان را ارائه می‌دهد. این دوره تمام جنبه‌های کلیدی توسعه عامل‌های هوش مصنوعی را پوشش می‌دهد و اطمینان می‌دهد که فراگیران درک کاملی از مفاهیم و تکنیک‌های اساسی به دست می‌آورند. محتوای فعلی دوره همچنان ارزشمند و آموزنده است و مبنای محکمی را برای درک اصول ساخت عامل‌های هوش مصنوعی فراهم می‌کند. با این حال، یک نسخه به‌روز‌شده و بهبودیافته از این دوره در اواخر فوریه منتشر خواهد شد که شامل مطالب جدیدتر و رویکردهای پیشرفته‌تری در این زمینه خواهد بود. این به‌روزرسانی با هدف ارائه بهترین و مرتبط‌ترین تجربه یادگیری به شرکت‌کنندگان انجام می‌شود. بنابراین، فراگیران می‌توانند با اطمینان از محتوای فعلی بهره‌مند شوند و منتظر نسخه کامل‌تر و جامع‌تر در آینده نزدیک باشند. این دوره برای افرادی طراحی شده است که علاقه‌مند به ورود به دنیای هیجان‌انگیز هوش مصنوعی و ساخت ابزارهای هوشمند خود هستند.
در دوره آموزشی AI Agents با مفاهیم و روش‌های ساخت عامل‌های هوش مصنوعی آشنا خواهید شد.

زمانی که تیم‌ها با مدل‌های یادگیری ماشین کار می‌کنند، تغییر ویژگی‌ها، مجموعه‌داده‌های مختلف، الگوریتم‌های جدید و منابع محاسباتی منحصربه‌فرد، همگی بر عملکرد یک مدل یادگیری ماشین تأثیر می‌گذارند. پیگیری تمام این موارد می‌تواند پیچیده باشد. با ابزارهایی مانند DVC، MLFlow و AWS، می‌توان این چالش را برطرف کرد. Milecia McGregor، متخصص نرم‌افزار با یک دهه تجربه در حوزه‌های مختلف فناوری، نحوه استفاده از ابزارهای MLOps را برای بهبود یادگیری ماشین و خودکارسازی برخی از مراحل فرآیند نمایش می‌دهد. Milecia McGregor دارای مدرک کارشناسی ارشد در مهندسی مکانیک و هوافضا است و در زمینه یادگیری ماشین برای رابط‌های انسان و کامپیوتر در وسایل نقلیه خودران فعالیت داشته است. او در حوزه‌های مختلفی از جمله توسعه فرانت‌اند و بک‌اند، علم داده، رباتیک، DevOps، امنیت سایبری، واقعیت مجازی و سایر زمینه‌ها کار کرده است. Milecia در پروژه‌هایی مانند Mozilla VPN و برنامه‌هایی که با سیگنال‌های مغزی کار می‌کنند، مشارکت داشته است. او همچنین یک سخنران بین‌المللی در جامعه فناوری است و در مورد موضوعات مختلفی در چندین زبان برنامه‌نویسی سخنرانی می‌کند. تجربیات گسترده او در حوزه‌های مختلف فناوری، از جمله تجربه عملی با سیستم‌های پیچیده و داده‌های حساس، او را به فردی ایده‌آل برای آموزش این ابزارها تبدیل کرده است. در این دوره، او دانش عملی خود را به اشتراک می‌گذارد تا به شرکت‌کنندگان کمک کند تا چالش‌های مدیریت مدل‌های یادگیری ماشین را به طور موثرتری حل کنند و فرآیند توسعه و استقرار را بهینه‌سازی کنند. این دوره بر رویکردهای عملی تمرکز دارد و شرکت‌کنندگان را با مهارت‌های لازم برای پیاده‌سازی MLOps در پروژه‌های خود آشنا می‌کند.
در دوره آموزشی Learn MLOps for Machine Learning با ابزارها و روش‌های بهبود و خودکارسازی فرآیندهای یادگیری ماشین آشنا خواهید شد.

دوره "آمار و آزمون فرضیه برای علم داده" یک دوره جامع یودمی است که شرکت‌کنندگان را با دانش آماری و مهارت‌های تحلیل داده‌ای که برای موفقیت در حوزه علم داده حیاتی هستند، توانمند می‌سازد. این دوره با هدف ارائه درکی عمیق از نقش محوری آمار در استخراج بینش‌های داده‌محور و شکل‌دهی به درک ما از اطلاعات طراحی شده است. در طول این دوره، شرکت‌کنندگان مهارت‌های ضروری پایتون را برای دستکاری و بصری‌سازی مؤثر داده‌ها فرا خواهند گرفت. این شامل توانایی طبقه‌بندی داده‌ها برای آماده‌سازی تحلیل‌های معنادار، و خلاصه‌سازی داده‌ها با استفاده از معیارهایی نظیر میانگین، میانه و مد است. همچنین، شرکت‌کنندگان با مفاهیم تغییرپذیری داده‌ها مانند دامنه، واریانس و انحراف معیار آشنا می‌شوند و روابط بین متغیرها را با استفاده از همبستگی و کوواریانس درک می‌کنند. این دوره به بررسی شکل و توزیع داده‌ها با استفاده از تکنیک‌هایی مانند چارک‌ها و صدک‌ها می‌پردازد و روش‌های استانداردسازی داده‌ها و محاسبه نمرات Z را آموزش می‌دهد. بخش قابل توجهی از دوره به نظریه احتمالات و کاربردهای عملی آن اختصاص دارد؛ از جمله پایه‌ریزی محاسبات احتمالات با نظریه مجموعه‌ها، بررسی احتمال رخدادها تحت شرایط خاص، و کشف قدرت احتمال بیزی در سناریوهای واقعی. علاوه بر این، شرکت‌کنندگان قادر خواهند بود مسائل پیچیده شمارش را به راحتی حل کنند و با مفهوم متغیرهای تصادفی و نقش آن‌ها در احتمال آشنا شوند. در نهایت، این دوره به بررسی توزیع‌های احتمالی مختلف و کاربردهای آن‌ها می‌پردازد و بینشی جامع در مورد ابزارهای آماری ضروری برای تحلیل داده‌ها ارائه می‌دهد.
در دوره آموزشی Statistics and Hypothesis Testing for Data science با مفاهیم کلیدی آمار و احتمال برای تحلیل داده‌ها آشنا خواهید شد.

این دوره، دانش‌آموزان را قادر می‌سازد تا به یک برنامه‌نویس پایتون تبدیل شوند و یکی از پرتقاضاترین مهارت‌ها را برای کارفرمایان در سال 2024 کسب کنند. این دوره دانش و مهارت‌های اساسی لازم برای کار با پایتون و ایجاد اسکریپت‌های شخصی برای وظایف روزمره را به دانشجویان ارائه می‌دهد. دانشجویان در این دوره مهارت‌های لازم برای شناسایی و ساخت دستورات مورد نیاز برای انجام وظایف خاص را فرا می‌گیرند. علاوه بر این، آن‌ها یاد می‌گیرند که چگونه اسکریپت‌هایی برای انجام کارهای پیشرفته مانند خودکارسازی وظایف تکراری و بسیاری موارد دیگر بسازند. انتظار نمی‌رود که دیگران شما را برای یادگیری این مهارت ترغیب کنند. سعی کنید نیاز و تقاضای زمان کنونی را شناسایی کرده و این فرصت را غنیمت بشمارید تا با یادگیری این مهارت جدید، همگام با زمان و فناوری‌های روز پیش بروید. با اتمام این دوره، دانشجویان در نوشتن کد پایتون بسیار کارآمد خواهند شد. یک مربی حرفه‌ای که به هزاران دانشجو در یادگیری پایتون کمک کرده است، در این دوره شما را همراهی می‌کند. بیایید و از کلاس لذت ببرید در حالی که این ابزار قدرتمند را می‌آموزید.
در دوره آموزشی Python in 10 Days: The Ultimate Beginner's Bootcamp با برنامه‌نویسی پایتون آشنا خواهید شد.

این دوره به شما کمک می‌کند تا به این هدف برسید. امروزه، هوش مصنوعی، مدل‌های زبانی بزرگ (LLM) و مدل‌های چندوجهی بزرگ (LMM) همه جا حضور دارند. اما این LLMها چگونه کار می‌کنند؟ چه فناوری ای آن‌ها را نیرو می‌دهد؟ پاسخ این سوال، یادگیری عمیق است. در این دوره، شما دانش پایه و مهارت عملی لازم برای ساختن مدل‌های قدرتمند هوش مصنوعی از ابتدا و با تنها چند خط کد را کسب خواهید کرد. چه مبتدی در هوش مصنوعی باشید و چه یک دانشمند داده با تجربه، این دوره شما را در تسلط بر مفاهیم اصلی یادگیری عمیق از جمله معماری ترانسفورمر راهنمایی خواهد کرد.
در دوره آموزشی Deep Learning Mastery: Build your AI Foundation بر یادگیری عمیق مسلط خواهید شد.

این دوره آموزشی با هدف کمک به افراد مبتدی در زمینه داده و همچنین متخصصان باتجربه که به دنبال انجام سریع‌تر و کارآمدتر کارهای خود هستند، طراحی شده است. این کتاب که توسط دو دانشمند داده در سطح جهانی و یک مدیر ریسک با تجربه نگاشته شده است، بر روی وظایف عملی تحلیل داده‌ها که روزانه با آن‌ها سروکار خواهید داشت، تمرکز می‌کند. در این دوره، شرکت‌کنندگان یاد می‌گیرند که چگونه پرسش‌های (prompts) مؤثری برای ChatGPT بنویسند و تحلیل‌های توصیفی جامعی را از ابتدا تا انتها انجام دهند. یکی از جنبه‌های کلیدی این دوره، راه‌اندازی یک محیط تحلیل داده سازگار با هوش مصنوعی است. همچنین، شرکت‌کنندگان مهارت‌های لازم برای ارزیابی کیفیت داده‌های خود و توسعه یک برنامه تحلیل استراتژیک را کسب می‌کنند. این دوره به شما می‌آموزد که چگونه کدهای لازم برای تحلیل داده‌های غیرمتنی را تولید کنید و داده‌های متنی را مستقیماً با ChatGPT کاوش نمایید. در نهایت، آموزش داده می‌شود که چگونه گزارش‌های قابل اعتماد و دقیقی تهیه کنید. در طول دوره "شروع تحلیل داده‌ها با هوش مصنوعی مولد و پایتون"، شرکت‌کنندگان با ابزارهای هوش مصنوعی مانند ChatGPT آشنا می‌شوند و یاد می‌گیرند که چگونه کارایی کدنویسی خود را بهبود بخشند، رویکردهای تحلیلی جدیدی را ایجاد کنند و خطوط لوله (pipelines) داده را بهینه‌سازی نمایند. برای هر مرحله از فرآیند داده، کشف خواهید کرد که چگونه ChatGPT می‌تواند تکنیک‌های داده را تنها با استفاده از دستورات ساده به زبان انگلیسی پیاده‌سازی کند. علاوه بر این، درک حیاتی و شهودی در مورد خطرات و خطاهایی که هنوز با این ابزارها همراه هستند، در شما توسعه می‌یابد. این دوره به شرکت‌کنندگان کمک می‌کند تا با اتکا به هوش مصنوعی، تحلیل‌های داده‌ای پیچیده‌تر و با سرعت بیشتری را انجام دهند، در حالی که از نقاط ضعف و محدودیت‌های این فناوری‌ها نیز آگاه باشند.
در دوره آموزشی Starting Data Analytics with Generative AI and Python, Video Edition با استفاده از هوش مصنوعی مولد و پایتون، مهارت‌های لازم برای تحلیل داده‌ها و بهبود کارایی را فرا خواهید گرفت.

این بوت کمپ جامع علوم داده برای افرادی طراحی شده است که می‌خواهند حرفه خود را در زمینه علوم داده آغاز کنند یا مهارت‌های فعلی خود را ارتقا دهند. این برنامه آموزشی با در نظر گرفتن آخرین تحولات هوش مصنوعی در سال 2025 به روز شده است و یک رویکرد گام به گام و عملی را برای یادگیری تمام مفاهیم و ابزارهای کلیدی مورد نیاز برای موفقیت در این حوزه ارائه می‌دهد. در این دوره، شرکت‌کنندگان با مبانی علوم داده، از جمله آمار، ریاضیات، و برنامه‌نویسی پایتون آشنا خواهند شد. آن‌ها یاد خواهند گرفت که چگونه داده‌ها را جمع‌آوری، پاکسازی، و آماده کنند، و همچنین چگونه از تکنیک‌های مختلف تجسم داده برای به دست آوردن بینش‌های ارزشمند استفاده کنند. این دوره همچنین مباحث پیشرفته‌تری مانند یادگیری ماشین، یادگیری عمیق، و پردازش زبان طبیعی را پوشش می‌دهد.
در دوره آموزشی The Data Science Course: Complete Data Science Bootcamp 2025 با تمام مراحل و ابزارهای مورد نیاز برای تبدیل شدن به یک متخصص علوم داده آشنا خواهید شد.

در این دوره‌ی جامع، شرکت‌کنندگان از ابتدا یاد می‌گیرند که چگونه مدل‌های تشخیص حرکات بدن را در اپلیکیشن‌های فلاتر ادغام کنند. چه در حال ساخت ردیاب‌های تناسب اندام باشید، چه مربیان یوگا با قابلیت هوش مصنوعی، یا اپلیکیشن‌های بازی تعاملی، قابلیت تشخیص حرکات بدن به شما این امکان را می‌دهد که حرکات بدن انسان را با شناسایی نقاط کلیدی مانند شانه‌ها، آرنج‌ها، زانوها و مچ پا تجزیه و تحلیل کنید. این دوره به شرکت‌کنندگان کمک می‌کند تا اپلیکیشن‌هایی با قابلیت‌های پیشرفته بسازند که به کاربران امکان تعامل هوشمند با دستگاه‌های موبایل خود را می‌دهند. این شامل توسعه‌ی اپلیکیشن‌هایی است که می‌توانند وضعیت‌های بدنی را تشخیص داده و بازخورد فوری ارائه دهند، که برای اهدافی مانند بهبود فرم ورزشی یا انجام صحیح حرکات یوگا بسیار مفید است. معرفی تشخیص حرکات بدن و کاربردهای واقعی آن: در این بخش، شرکت‌کنندگان با مفهوم تشخیص حرکات بدن و کاربردهای گسترده‌ی آن در حوزه‌های مختلف مانند تناسب اندام، ورزش، مراقبت‌های بهداشتی، و بازی‌سازی آشنا می‌شوند. نحوه‌ی ادغام مدل‌های تشخیص حرکات بدن در فلاتر: این بخش به شرکت‌کنندگان آموزش می‌دهد که چگونه مدل‌های تشخیص حرکات بدن را با استفاده از تصاویر ثابت و همچنین ویدیوهای زنده‌ی دوربین در اپلیکیشن‌های فلاتر پیاده‌سازی کنند.
در دوره آموزشی Build AI Fitness Apps in Flutter with Pose Detection با ساخت اپلیکیشن‌های تناسب اندام با قابلیت تشخیص حرکات بدن در فلاتر آشنا خواهید شد.