پی سی دانلود - neural-networks

این دوره آموزشی با ارائه درکی اساسی از یادگیری ماشین و برنامه‌نویسی مقدماتی پایتون آغاز می‌شود و به فراگیران می‌آموزد که چگونه مدل‌های یادگیری ماشین متناسب با کاربردهای امنیت سایبری را بسازند، تجزیه و تحلیل کنند و بهینه‌سازی نمایند. موضوعات مورد بحث شامل شبکه‌های عصبی، تکنیک‌های خوشه‌بندی و نقشه‌های خودسازمان‌دهنده است و موارد استفاده واقعی آن‌ها در زمینه‌هایی مانند تشخیص نفوذ، راهکارهای ضد بدافزار، تحلیل لاگ‌ها و مدیریت آسیب‌پذیری مورد بررسی قرار می‌گیرد. این دوره توسط دکتر چاک ایستوم، یکی از متخصصان برجسته امنیت سایبری و مخترع دارای 26 اختراع، تدریس می‌شود و برای متخصصانی که به دنبال ارتقای مهارت‌های امنیت سایبری خود از طریق تکنیک‌های یادگیری ماشین هستند، ایده‌آل است. چه تحلیلگر امنیت سایبری باشید، چه توسعه‌دهنده نرم‌افزار یا متخصص فناوری اطلاعات، این دوره ابزارها و دانش لازم برای به کارگیری هوش مصنوعی در ایمن‌سازی محیط‌های دیجیتال را در اختیار شما قرار می‌دهد.
در دوره آموزشی Machine Learning and AI in Cybersecurity با نحوه استفاده از یادگیری ماشین و هوش مصنوعی در حوزه امنیت سایبری آشنا خواهید شد.

در سال‌های اخیر، مدل‌های زبانی بزرگ انقلابی در حوزه هوش مصنوعی ایجاد کرده‌اند و به برنامه‌هایی مانند ChatGPT، DeepSeek و سایر دستیارهای پیشرفته هوش مصنوعی قدرت می‌بخشند. اما این مدل‌ها چگونه متن شبیه به انسان را درک و تولید می‌کنند؟ در این دوره، مفاهیم اساسی پشت مدل‌های زبانی بزرگ، شامل مکانیزم‌های توجه، ترنسفورمرها و معماری‌های مدرن مانند DeepSeek، به صورت جزء به جزء بررسی خواهد شد. این دوره با کاوش در ایده اصلی مکانیزم‌های توجه آغاز می‌شود که به مدل‌ها اجازه می‌دهد بر روی مرتبط‌ترین بخش‌های متن ورودی تمرکز کنند و درک متنی را بهبود بخشند. سپس، به بررسی ترنسفورمرها، ستون فقرات مدل‌های زبانی بزرگ، پرداخته می‌شود و تحلیل می‌شود که چگونه این مدل‌ها پردازش موازی کارآمد متن را ممکن می‌سازند و منجر به عملکردی پیشرفته در پردازش زبان طبیعی (NLP) می‌شوند. همچنین، با توجه به خود (self-attention)، کدگذاری‌های موقعیتی (positional encodings) و توجه چند سر (multi-head attention)، که اجزای کلیدی برای کمک به مدل‌ها در درک وابستگی‌های بلندمدت در متن هستند، آشنا خواهید شد. فراتر از اصول اولیه، DeepSeek، یک مدل متن‌باز پیشرفته که برای پیشبرد کارایی و عملکرد هوش مصنوعی طراحی شده است، مورد بررسی قرار می‌گیرد. در این بخش، بینش‌هایی در مورد چگونگی بهینه‌سازی مکانیزم‌های توجه توسط DeepSeek و آنچه آن را به رقیبی قدرتمند برای سایر مدل‌های زبانی بزرگ تبدیل می‌کند، به دست خواهید آورد.
در دوره آموزشی Introduction to LLMs Transformer,Attention, Deepseek pytorch با عملکرد مدل‌های زبانی بزرگ (LLM) شامل ترنسفورمرها، مکانیزم‌های توجه و مدل DeepSeek آشنا خواهید شد.

این دوره فنی برای متخصصان داده طراحی شده است و نشان می‌دهد که چگونه می‌توان راه‌حل‌های جستجوی پیچیده‌ای را طراحی، پیاده‌سازی و ارزیابی کرد که گراف‌های دانش، هوش مصنوعی و فناوری‌های جستجوی سنتی را با هم ترکیب می‌کنند. در این دوره، شرکت‌کنندگان یاد می‌گیرند که چگونه تصمیمات معماری اتخاذ کنند، اقدامات امنیتی را پیاده‌سازی کنند و شاخص‌های کلیدی عملکرد (KPI) مؤثری را برای سیستم‌های جستجو در مقیاس سازمانی تعیین کنند. در طول دوره، مربی، اشلی فیت، بر پیاده‌سازی عملی، ملاحظات امنیتی و بهینه‌سازی عملکرد تأکید می‌کند و تجربه عملی با معماری‌های جستجوی مدرن را فراهم می‌آورد. هوش مصنوعی مولد یک مزیت برای فناوری‌های جستجوی سنتی است، به خصوص زمانی که قدرت آن را به صورت ترکیبی به کار ببرید. این دوره به شما کمک می‌کند تا با استفاده از این ترکیب قدرتمند، سیستم‌های جستجوی هوشمندانه‌تر و کارآمدتری بسازید که می‌توانند نتایج دقیق‌تر و مرتبط‌تری را به کاربران ارائه دهند. مباحث مطرح شده شامل انتخاب ابزارها و فناوری‌های مناسب، طراحی ساختارهای داده برای گراف‌های دانش، ادغام مدل‌های هوش مصنوعی مولد برای درک بهتر پرس‌وجوها و تولید پاسخ‌های دقیق، و همچنین روش‌های ارزیابی عملکرد و امنیت سیستم‌های جستجو می‌باشد. این رویکرد جامع به شرکت‌کنندگان امکان می‌دهد تا مهارت‌های لازم برای ساخت نسل بعدی سیستم‌های جستجو را کسب کنند.
در دوره آموزشی Semantic Search and Information Retrieval using GenAI با طراحی و پیاده‌سازی سیستم‌های جستجوی پیشرفته آشنا خواهید شد.

در حال حاضر، هوش مصنوعی عاملیت‌محور (Agentic AI) حتی از هوش مصنوعی مولد (Generative AI) نیز تحول‌آفرین‌تر ظاهر شده است. سازمان‌ها با عجله در تلاشند تا مدل‌های کسب‌وکار خود را برای پیاده‌سازی کاربردهای هوش مصنوعی عاملیت‌محور متحول کنند تا با ارزش‌آفرینی تجاری، از رقبا پیشی بگیرند. همانطور که سازمان‌ها گردش‌کارهای موجود خود را برای بهره‌گیری از هوش مصنوعی عاملیت‌محور تغییر می‌دهند، با گردش‌کارهای تجاری جدیدی مواجه خواهند شد که می‌توانند به صورت تصاعدی به جریان‌های درآمدی آن‌ها ارزش اضافه کنند. بنابراین، هوش مصنوعی عاملیت‌محور از هم‌اکنون تأثیر عمیقی در بخش‌ها و صنایع مختلف گذاشته است. به عنوان ارائه‌دهندگان فناوری و راه‌حل، لازم است تا در فناوری‌های مدرن و تحول‌آفرین مانند این حوزه پیشرو باشیم تا برای مشتریان خود مرتبط باقی بمانیم و آن‌ها را در مسیر پذیرش هوش مصنوعی مولد و هوش مصنوعی عاملیت‌محور راهنمایی کنیم.
در دوره آموزشی Master Agentic AI with LangGraph, Streamlit and OpenAI با توسعه برنامه‌های مبتنی بر هوش مصنوعی عاملیت‌محور آشنا خواهید شد.

این دوره آموزشی برای افراد مبتدی تا پیشرفته طراحی شده است که قصد دارند پتانسیل کامل DeepSeek، یکی از قدرتمندترین موتورهای هوش مصنوعی امروزی را درک کنند و از آن برای تحول در گردش کار، اپلیکیشن‌ها و کسب‌وکارهای خود استفاده کنند. شرکت‌کنندگان در این دوره از طریق دموهای عملی، تکنیک‌های تخصصی و پروژه‌های جامع، گام به گام از مفاهیم اولیه تا سفارشی‌سازی و استقرار مدل‌ها با DeepSeek آشنا خواهند شد. چه در ابتدای راه باشید و چه به دنبال تعمیق دانش خود در زمینه هوش مصنوعی باشید، این دوره راهنمای جامعی برای شما خواهد بود و شما را از نوشتن دستورات ساده تا تنظیم دقیق مدل‌ها و استقرار آن‌ها یاری می‌کند.
در دوره آموزشی Complete DeepSeek AI Course: Beginner to Advanced با موتور هوش مصنوعی DeepSeek و کاربردهای آن در پروژه‌های واقعی آشنا خواهید شد.

این دوره برای یادگیرندگانی طراحی شده است که به دنبال مسیری جدی و ساختاریافته برای ورود به حوزه هوش مصنوعی هستند. فرقی نمی‌کند پیش‌زمینه مهندسی، برنامه‌نویسی، تحلیل داده داشته باشید یا حتی از ابتدا شروع می‌کنید؛ در این دوره همه چیز به صورت عملی و گام به گام ارائه شده است. آموزش با مفاهیم ریاضی پایه و پایتون مقدماتی آغاز می‌شود، بنابراین اگر مدتی است از جبر خطی یا احتمال استفاده نکرده‌اید، جای نگرانی نیست. توضیحات واضحی در مورد ریاضیات پشت الگوریتم‌ها و پیاده‌سازی آن‌ها با پایتون ارائه می‌شود که می‌توانید مستقیماً آن‌ها را اجرا، تغییر و از آن‌ها یاد بگیرید. شما با کد واقعی کار خواهید کرد، وظایف را به صورت بصری حل خواهید کرد و دلیل کارکرد هر روش را درک خواهید کرد، نه فقط نحوه استفاده از آن را. در این دوره از ترکیب پایتون، PyTorch، جولیا (Julia) و نوت‌بوک‌های Colab در موارد مناسب استفاده می‌شود. این دوره مفصل، فنی و به گونه‌ای طراحی شده است که اطمینان حاصل شود شما با درکی عمیق از هوش مصنوعی آن را به پایان می‌رسانید.
در دوره آموزشی Artificial Intelligence Masterclass با مبانی و کاربردهای هوش مصنوعی آشنا خواهید شد.

این دوره برای افرادی طراحی شده است که قصد دارند توسعه راهکارهای یادگیری عمیق را آغاز کنند، اما نمی‌خواهند زمان زیادی را صرف مباحث ریاضی و تئوری کنند. همچنین، برای کسانی که مایل به انجام پروژه‌های یادگیری عمیق هستند اما از درگیر شدن با وظایف برنامه‌نویسی طاقت‌فرسا دوری می‌کنند، این دوره بسیار مناسب است. اگر به دنبال فرآیندی خودکار برای توسعه راهکارهای یادگیری عمیق هستید، این دوره دقیقاً برای شماست! به دوره "یادگیری عمیق در عمل" خوش آمدید، بدون دردسر! دوره‌های آموزشی و آموزش‌های فراوانی در زمینه یادگیری عمیق وجود دارد. با این حال، یافتن برخی مهارت‌های عملی در این حجم عظیم از منابع یادگیری عمیق چالش‌برانگیز است و افراد برای کسب این مهارت‌های عملی زمان زیادی را صرف می‌کنند. این دوره این خلأ را پر می‌کند و مجموعه‌ای از سخنرانی‌های عملی همراه با پروژه‌های کاربردی را ارائه می‌دهد که از طریق آن‌ها بهترین شیوه‌هایی که متخصصان یادگیری عمیق برای انجام پروژه‌های خود باید بدانند، معرفی می‌شود.
در دوره آموزشی Deep Learning in Practice I: Tensorflow Basics and Datasets با مبانی توسعه راه‌حل‌های یادگیری عمیق با تمرکز بر تنسورفلو و طراحی مجموعه داده آشنا خواهید شد.

Google Gemini مجموعه‌ای از مدل‌های زبان بزرگ چندوجهی است که به طور یکپارچه در تصاویر، ویدئوها، صدا و کد عمل می‌کند. در این دوره، مربی، لین لنگیت، نحوه استفاده از الگوهای طراحی، ابزارها و بهترین شیوه‌های Google Gemini را برای ساخت برنامه‌های مبتنی بر LLM به شما نشان می‌دهد. این موارد شامل الگوهایی برای شناسایی نیازمندی‌ها و طراحی است که می‌تواند شامل مهندسی پرامپت، الگوهای RAG (تولید با بازیابی پیشرفته) و تنظیم دقیق مدل باشد. در این دوره، شرکت‌کنندگان با قابلیت‌های Google Gemini، از جمله استودیو هوش مصنوعی مولد، آشنا می‌شوند و سپس به مباحث توسعه، ارزیابی و استقرار مدل‌ها می‌پردازند. در طول دوره، برنامه‌های کاربردی Gemini مانند Vertex AI Model Garden و Vertex AI Agent Builder نیز مورد بررسی قرار می‌گیرد. این دوره به شرکت‌کنندگان کمک می‌کند تا درک عمیقی از معماری و پیاده‌سازی سیستم‌های هوش مصنوعی پیشرفته با محوریت Google Gemini به دست آورند و بتوانند برنامه‌هایی با عملکرد بالا و مقیاس‌پذیر طراحی و پیاده‌سازی کنند. تمرکز بر روی جنبه‌های عملی و کاربردی، این دوره را برای توسعه‌دهندگان و متخصصان DevOps که به دنبال ارتقاء مهارت‌های خود در زمینه هوش مصنوعی مولد هستند، بسیار مفید می‌سازد.
در دوره آموزشی Google Gemini for Developers با طراحی و پیاده‌سازی برنامه‌های مبتنی بر مدل‌های زبان بزرگ (LLM) با استفاده از Google Gemini آشنا خواهید شد.

این دوره آموزشی جامع، از مفاهیم بنیادی هوش مصنوعی تا کاربردهای عملی و واقعی آن را پوشش می‌دهد. شرکت‌کنندگان در این دوره، تجربه عملی در ساخت مدل‌های هوش مصنوعی با استفاده از ابزارهای مدرن مانند ChatGPT، Teachable Machine و Azure AI را کسب خواهند کرد، بدون اینکه نیاز به دانش برنامه‌نویسی قبلی داشته باشند. این مسترکلاس هوش مصنوعی، برای مبتدیان، دانشجویان و متخصصانی طراحی شده است که مشتاق کشف آینده فناوری هستند. این دوره، قدرت هوش مصنوعی را در اختیار شما قرار می‌دهد. چه دانشجویی باشید که در مورد هوش مصنوعی کنجکاو است، چه یک متخصص شاغل که در حال تغییر به یک شغل فناوری است، یا یک رهبر تجاری که به دنبال ادغام هوش مصنوعی در عملیات خود است، این دوره دانش، مهارت‌ها و اعتماد به نفس لازم برای شروع را فراهم می‌کند.
در دوره آموزشی Artificial Intelligence Masterclass Real-World AI Projects با مفاهیم و کاربردهای عملی هوش مصنوعی آشنا خواهید شد.

این دوره عملی به شرکت‌کنندگان آموزش می‌دهد که چگونه با استفاده از MCP (Model Context Protocol) و فریم‌ورک‌های مدرن LLM، یک Generative AI Application در سطح حرفه‌ای و AI Agentهای هوشمند و مستقل بسازند. این دوره، چه شما یک مبتدی در زمینه هوش مصنوعی باشید و چه یک توسعه‌دهنده باتجربه، شما را گام به گام با ابزارها، استراتژی‌ها و معماری‌هایی که زیربنای Generative AI Applicationهای مدرن هستند، آشنا خواهد کرد. در این دوره، شرکت‌کنندگان با مقدمه‌ای بر Generative AI و نقش آن در توسعه مدرن آشنا می‌شوند و در ادامه، به بررسی مدل‌های زبان بزرگ (LLM) و نحوه کارکرد آن‌ها در Generative AI Applicationهای هوشمند می‌پردازند. همچنین، معماری‌های پایه و پیشرفته Generative AI Applicationها برای سیستم‌های مقیاس‌پذیر و ماژولار مورد بحث قرار می‌گیرد. تکنیک Retrieval-Augmented Generation (RAG) برای بهبود پاسخ‌ها آموزش داده می‌شود و نحوه انتخاب فریم‌ورک مناسب برای ساخت Generative AI Applicationهای مبتنی بر LLM بررسی می‌شود.
در دوره آموزشی Generative AI with AI Agents & MCP for Developers با توسعه Generative AI Applicationها و AI Agentها آشنا خواهید شد.