دوره جامع برنامه نویسی هوش مصنوعی با پایتون

برنامه نویسی هوش مصنوعی
آموزش یکپارچه پایتون، آماده سازی داده، یادگیری ماشین و شبکه های عصبی برای ساخت پروژه های کاربردی هوش مصنوعی.

شروع دوره

13 مهر ۱۴۰۵

روز دیگر
ساعت‌
دقیقه
ثانیه

گروه‌های در حال ثبت‌نام

اطلاعات برگزاری دوره

این اطلاعات برای تمام گروه‌های این دوره یکسان است.

مدت دوره:

90 ساعت

نوع دوره:

حضوری

امیرکبیر کارت:

شامل می‌شود

گروه 1

تاریخ شروع:

13 مهر ۱۴۰۵

روزهای برگزاری:

دوشنبه ها

ساعت آموزش:

18 الی 21

شهریه دوره:

23,500,000 تومان

شرایط پرداخت:

نقد و اقساط

گروه 2

تاریخ شروع

2 ابان ۱۴۰۵

روزهای برگزاری

شنبه ها

ساعت آموزش

18 الی 21

شهریه دوره

23,500,000 تومان

شرایط پرداخت:

نقد و اقساط

معرفی دوره

دوره جامع برنامه نویسی هوش مصنوعی با پایتون برای افرادی طراحی شده است که می خواهند مسیر برنامه نویسی، تحلیل داده و ساخت مدل های هوشمند را به صورت یکپارچه یاد بگیرند. هنرجو ابتدا با منطق برنامه نویسی پایتون، ورودی و خروجی، ساختارهای کنترلی، حلقه ها، آرایه ها، دیکشنری ها، رشته ها، توابع و کار با فایل آشنا می شود. سپس استفاده از کتابخانه های کاربردی، ترسیم نمودار، رابط گرافیکی و استخراج اطلاعات از وب تمرین می شود. در ادامه مفاهیم داده کاوی، پیش پردازش داده، شبکه های عصبی، شبکه های چند لایه، پیچشی و عمیق بررسی می شوند. بخش پیشرفته دوره نیز الگوریتم های فراابتکاری، الگوریتم ژنتیک، KNN، SVM و خوشه بندی را پوشش می دهد. هدف دوره این است که هنرجو بتواند از پایتون برای حل مسئله، آماده سازی داده، پیاده سازی الگوریتم های یادگیری ماشین و توسعه پروژه های کاربردی هوش مصنوعی استفاده کند. در محیط کار.

معرفی دوره های حضوری آموزشگاه امیرکبیر

آنچه در این دوره یاد می‌گیرید

سرفصل‌های دوره

سرفصل‌های دوره به‌صورت مرحله‌به‌مرحله تنظیم شده‌اند تا دانشجو از مباحث پایه شروع کند و در طول جلسات با تمرین‌ها و مثال‌های عملی، مهارت‌های موردنیاز را یاد بگیرد.

01 آموزش پایتون
16 مبحث
آشنایی اولیه با مراحل تولید نرم افزار و ایجاد تفکر الگوریتمی در هنرجو
آشنایی با ساختار اولیه برنامه نویسی و نرم افزار های مورد نیاز
دستورات ورودی و خروجی
دستورات محاسباتی
دستورات کنترلی
حلقه های تکرار
آرایه ها
دیکشنری ها
رشته ها
چگونگی ایجاد توابع
نصب و چگونگی استفاده از کتابخانه های معروف پایتون
کار با فایل های متنی و CSV
آشنایی اولیه با مفاهیم شی گرایی
آشنایی با طراحی رابط گرافیکی
آشنایی با ترسیم نمودارها
آشنایی با Web Scraping (استخراج اطلاعات از وب) در پایتون
02 یادگیری ماشین سطح 1
7 مبحث
مقدمه ای بر داده کاوی
پیش پردازش
معرفی شبکه های عصبی مصنوعی
شبکه های عصبی چند لایه
شبکه های عصبی پیچشی
شبکه های عصبی عمیق
پردازش تصویر به کمک شبکه عصبی عمیق
03 یادگیری ماشین سطح 2
5 مبحث
معرفی الگوریتم های فراابتکاری
کاربرد الگوریتم ژنتیک
الگوریتم KNN
الگوریتم SVM
خوشه بندی

در این دوره چه مهارت‌هایی کسب می‌کنید؟

حل مسئله و پیاده سازی الگوریتم با پایتون
کار با ساختارهای داده و توابع در پروژه های واقعی
خواندن و آماده سازی داده برای تحلیل
استفاده از کتابخانه های پرکاربرد پایتون
ترسیم و تفسیر نمودارهای داده
استخراج اطلاعات از وب با پایتون
آماده سازی داده برای مدل های یادگیری ماشین
پیاده سازی شبکه های عصبی پایه و عمیق
انتخاب الگوریتم مناسب برای طبقه بندی و خوشه بندی
ساخت پروژه کاربردی هوش مصنوعی با پایتون
مهارت ها و مخاطبین دوره های امیرکبیر

این دوره مناسب چه کسانی است؟

علاقه مندان به برنامه نویسی و هوش مصنوعی
دانشجویان رشته های کامپیوتر و مهندسی
افراد متقاضی ورود به حوزه داده و یادگیری ماشین
برنامه نویسانی که می خواهند پایتون را کاربردی یاد بگیرند
افراد علاقه مند به ساخت پروژه های هوشمند
دانشجویان و فارغ التحصیلان علاقه مند به بازار کار AI
افرادی که قصد توسعه مهارت های تحلیل داده دارند

دوره‌های مرتبط

پکیج‌های آموزشی مرتبط با این موضوع

اگر امکان شرکت در کلاس را ندارید یا ترجیح می‌دهید در زمان دلخواه خودتان آموزش ببینید، می‌توانید از پکیج‌های آموزشی آموزشگاه امیرکبیر استفاده کنید.

دسترسی دائمی به محتوا

بدون محدودیت زمان و مکان

مشاهده در موبایل و لپ‌تاپ

اعتبار، مهارت، فرصت‌های بیشتر

مدارک و گواهینامه‌های دوره

با توجه به نوع دوره و شرایط دریافت مدرک، امکان دریافت یک یا چند مورد از مدارک و گواهینامه‌های آموزشی وجود دارد.

گواهینامه مجتمع آموزشی امیرکبیر

گواهینامه آموزشی مجتمع امیرکبیر

گواهینامه فنی و حرفه‌ای

امکان دریافت گواهینامه رسمی سازمان فنی و حرفه‌ای کشور

مدارک وزارت علوم / مهارت پودمانی

امکان دریافت مدارک مورد تایید وزارت علوم، تحقیقات و فناوری (حسب دوره)

مدرک بین‌المللی QAL

قابل ترجمه و معتبر در سطح بین‌المللی

گواهینامه مجتمع آموزشی امیرکبیر

* تصویر نمونه است و نوع گواهینامه با توجه به دوره و شرایط دریافت می‌تواند متفاوت باشد.

پاسخ به سوالات پرتکرار

پاسخ برخی از سوالات رایج درباره ثبت‌نام و شرکت در این دوره را اینجا ببینید.

اطلاعات تکمیلی

هوش مصنوعی یا AI چیست؟

هوش مصنوعی یا همان artificial intelligence شاخه ای از علوم کامپیوتر است که هدف آن تولید ماشین های هوشمندی است که توانایی انجام وظایفی که نیازمند به هوش انسانی است را داشته باشد. به طور کلی هدف هوش مصنوعی این است که ماشین مانند انسان رفتار کند.

” هوش مصنوعی در حوزه های مختلفی از جمله صنعت خودرو ، رباتیک ، پزشکی ، کشاورزی ، حمل و نقل و کنترل ترافیک و …کاربرد های بسیار زیادی دارد. “

اگر می خواهید کاربرد هوش مصنوعی را به صورت مقدماتی و پیشرفته یاد بگیرید پیشنهاد ما دوره آموزش یادگیری ماشین و دوره آموزش ماشین لرنینگ در مجتمع آموزشی امیرکبیر است.

ربات های معروف دنیا که از هوش مصنوعی بهره می برند:

  • waymo robot car: این ربات یک خودرو بدونه راننده است که محققان شرکت گوگل در سال 2009 طراحی آن را شروع کردند و در حال حاظر در اطراف شهر سانفرانسیسکو در حال حرکت می باشد.
  • Sofia: این ربات یک ربات انسان نما است که در سال 2015 توسط یک شرکت هنگ کنگی رونمایی شد.
  • Spot Robat: این ربات دارای دید 360 درجه و با قابلیت برنامه ریزی می باشد.

Sofia

کاربرد های هوش مصنوعی در حوزه پزشکی

  • خواندن تصاویر رادیولوژی و MRI

  • تشخیص خال های سرطانی

  • تشخصی تومورهای سرطانی

Spot Robat

شاخه های هوش مصنوعی

هوش مصنوعی یک علم بسیار گسترده و پیچیده است که شاخه های متعددی دارد که عبارتند از:

1- سیستم های خبره (Experts Systems)

2- رباتیک (Robotics)

3- بینایی ماشین(Machine Vision)

4- تشخیص گفتار (Speech Recognition)

5- یادگیری ماشین (Machine Learning)

6- یاد گیری عمیق (Deep Learning)

7- پردازش زبان طبیعی (Natural Language Processing)

8- تشخیص الگو (Pattern Recognition)

شاخه های هوش مصنوعی

یادگیری ماشین (Machine Learning) چیست؟

یادگیری ماشین (Machine Learning) یکی از زیر مجموعه های هوش مصنوعی است که به سیستم ها این امکان را می دهد تا به صورت خودکار یادگیری و پیشرفت داشته باشد بدون اینکه نیاز به حجم زیادی از برنامه نویسی در حالت های مختلف را داشته باشد.

تمرکز اصلی یادگیری ماشینی بر توسعه برنامه هایی است که بتوانند با دسترسی به داده ها، به طور خودکار از آن ها برای یادگیری خود سیستم استفاده کنند.یادگیری ماشین مانند مغز ما آدم ها رفتار می کنند و کم کم با بررسی حالات مختلف عمل یادگیری را انجام می دهد.

الگوريتم های یادگیری ماشین

یادگیری ماشین برای تبدیل مجموعه ای از داده ها به یک مدل به تعدادی الگوريتم ها نیازمند است. این که از کدام یک ازالگوريتم ها باید استفاده کرد به نوع مسئله ای که شما در حال حل کردن آن هستید، منابع محاسباتی موجود و ماهیت داده ها بستگی دارد.

انواع الگوريتم های یادگیری ماشین

  • الگوريتم های طبقه بندی
  • الگوريتم های رگرسیون
  • الگوريتم های خوشه بندی

یادگیری عمیق (Deep learning) چیست؟

Deep learning مدلی از Machine Learning است که در آن از ساختار مغز انسان الهام گرفته شده و به آن شبکه عصبی مصنوعی نیز گفته می شود.

کاربرهای Deep learning

  • حوزه برنامه های ارتباط با مشتری
  • حوزه سلامت مانند تشخیص انواع بیماری ها و سرطان ها
  • ماشن های خودکار و بدونه راننده

مشکلات استفاده از Deep learning

  • حجم بالای داده های مورد نیاز
  • توان محاسباتی بالای کامپیوتر
  • مدت زمان بالا برای یادگیری مدل

فریمورک های معروف Deep learning

  • TensorFlow
  • PyTorch
  • Keras

کمک از هوش مصنوعی برای مهاجرت

طبق گزارشات اعلام شده از سوی موسسه تحقیقاتی گارتنر تا سال 2023 بالغ بر 2.5 میلیون فرصت شعلی جدید مرتبط با این حوزه ایجاد خواهد شد.تحصیل در این رشته برای آن دسته از افرادی که قصد مهاجرت را دارند بسیار مناسب است.

” بهترین کشور ها برای کار در حوزه هوش مصنوعی آمریکا،انگلستان،آلمان،چین،فرانسه،کانادا و …می باشند. “

ایرانی های که در شرکت های معروف خارجی دراین حوزه فعالیت دارند :

  • مونا حاتمیData Scientist: شاغل در شرکت IBM
  • دکتر فرناز ابطحی: مهندس یادگیری ماشین شاغل در فیس بوک
  • دکترافروز انصاریپور: مدیرتیم دیتا ساینس شرکت مک دونالد شهر شیکاگو

همین حالا شروع کنید

برای شروع مسیر حرفه‌ای خود آماده‌اید؟

اگر درباره سرفصل‌ها، زمان برگزاری یا نحوه ثبت‌نام سؤالی دارید، کارشناسان ما آماده پاسخگویی و راهنمایی شما هستند.

تجربه و سوالات شما

نظرات و سوالات شما

اگر درباره این دوره سوالی دارید یا قبلاً در آن شرکت کرده‌اید، می‌توانید نظر یا تجربه خودتان را با ما و سایر کاربران به اشتراک بگذارید.

هنوز دیدگاهی ثبت نشده است اولین نفری باشید که درباره این دوره نظر یا سوال خود را ثبت می‌کند.

ثبت نظر یا سوال

نظر یا سوال خود را درباره این دوره با ما در میان بگذارید.