DPA هوش مصنوعی
DPA هوش مصنوعی

DPA هوش مصنوعی

سامانه آموزش مدرس

دوره DPA تخصصی هوش مصنوعیمرکز آموزش اندیشکده مدرس             مرکز آموزش اندیشکده مدرس با بهره‌گیری از برترین اساتید و متخصصان حوزه هوش مصنوعی کشور، دوره‌ای جامع و استراتژیک در حوزه هوش مصنوعی و سیستم‌های یادگیرنده طراحی کرده است ک…

۳۲۸ ساعت

مدت زمان دوره
مجموع زمان جلسات

۱۸

جلسه
تعداد کل جلسات

۶

فصل
تعداد فصل‌های دوره

۰

نفر
تعداد ثبت‌نامی

۱۴۰۵/۰۴/۲۲

بروزرسانی
آخرین آپدیت دوره

درباره دوره

دوره DPA تخصصی هوش مصنوعیمرکز آموزش اندیشکده مدرس

 

 

 


 

 

 

مرکز آموزش اندیشکده مدرس با بهره‌گیری از برترین اساتید و متخصصان حوزه هوش مصنوعی کشور، دوره‌ای جامع و استراتژیک در حوزه هوش مصنوعی و سیستم‌های یادگیرنده طراحی کرده است که شرکت‌کنندگان را برای رهبری پروژه‌های هوش مصنوعی در سازمان‌ها و صنایع مختلف آماده می‌سازد. این دوره حاصل هزاران ساعت پژوهش، پیاده‌سازی پروژه‌های واقعی و تطبیق آخرین دستاوردهای علمی با نیازهای صنعت ایران است.

 

 

 

دوره DPA هوش مصنوعی اندیشکده مدرس، تلفیقی هوشمندانه از مبانی نظری عمیق، پیاده‌سازی عملی الگوریتم‌ها و کارگاه‌های تحلیلی پیشرفته است. شما در این مسیر، از مفاهیم پایه‌ای یادگیری ماشین تا طراحی و استقرار سیستم‌های پیچیده یادگیری عمیق، پردازش زبان طبیعی، بینایی رایانه و سیستم‌های توصیه‌گر را فرا می‌گیرید.

 

 

 


ویژگی‌های منحصربه‌فرد دوره:

 

 

 

  • مدت دوره: ۳۲۰ ساعت آموزش فشرده و پروژه‌محور
  • قالب ارائه: کاملاً متنی، تحلیلی و همراه با پیاده‌سازی عملی
  • فصل‌های تخصصی: ۶ فصل جامع و ۱۸ جلسه عمیق
  • ظرفیت محدود: تنها ۵۰ نفر (با گزینش علمی و مصاحبه تخصصی)
  • پروژه نهایی: طراحی و پیاده‌سازی یک سیستم هوش مصنوعی واقعی برای سازمان
  • پشتیبانی آموزشی: منتورینگ اختصاصی و بررسی کد در طول دوره
  • شهریه: ۱۰۰ میلیون تومان (با امکان پرداخت اقساطی)

 

 

 

 

 

 

 

شماره پشتیبانی: ۰۲۱-۱۲۳۴۵۶۷۸ | ایمیل: info@andishkadehmadares.ir

 

 

 

 

Poster

سرفصل‌ها و جلسات دوره

فصل ۱: مبانی هوش مصنوعی و یادگیری ماشین

درک عمیق مفاهیم پایه‌ای هوش مصنوعی، انواع یادگیری و الگوریتم‌های کلاسیک یادگیری ماشین

محتوای این جلسه:
محتوای آموزشی مفاهیم بنیادین هوش مصنوعی و تاریخچه تحول آن (متن)
محتوای این جلسه:
محتوای آموزشی یادگیری ماشین: مفاهیم، انواع و الگوریتم‌های پایه (متن)
محتوای این جلسه:
محتوای آموزشی ارزیابی مدل، بیش‌برازش و تکنیک‌های تنظیم (متن)
فصل ۲: الگوریتم‌های پیشرفته یادگیری ماشین

درخت تصمیم، جنگل تصادفی، ماشین‌های بردار پشتیبان، boosting و روش‌های ensemble

محتوای این جلسه:
محتوای آموزشی درخت‌های تصمیم و الگوریتم‌های مبتنی بر درخت (متن)
محتوای این جلسه:
محتوای آموزشی ماشین‌های بردار پشتیبان (SVM) و روش‌های کرنل (متن)
محتوای این جلسه:
محتوای آموزشی روش‌های Ensemble و Boosting: از AdaBoost تا XGBoost (متن)
فصل ۳: یادگیری عمیق و شبکه‌های عصبی

شبکه‌های عصبی مصنوعی، یادگیری عمیق، CNN، RNN و Transformer

محتوای این جلسه:
محتوای آموزشی مبانی شبکه‌های عصبی و پرسپترون چندلایه (متن)
محتوای این جلسه:
محتوای آموزشی شبکه‌های عصبی کانولوشنی (CNN) و بینایی رایانه (متن)
محتوای این جلسه:
محتوای آموزشی شبکه‌های بازگشتی (RNN)، LSTM و Transformer (متن)
فصل ۴: پردازش زبان طبیعی و سیستم‌های گفتگو

مبانی NLP، بازنمایی متن، مدل‌های زبانی بزرگ، سیستم‌های پرسش و پاسخ و چت‌بات‌ها

محتوای این جلسه:
محتوای آموزشی مبانی پردازش زبان طبیعی (NLP) و بازنمایی متن (متن)
محتوای این جلسه:
محتوای آموزشی مدل‌های زبانی بزرگ (LLM) و مهندسی پرامپت (متن)
محتوای این جلسه:
محتوای آموزشی سیستم‌های گفتگو، چت‌بات‌ها و پردازش گفتار (متن)
فصل ۵: بینایی رایانه و سیستم‌های چندوجهی

تشخیص و ردیابی اشیاء، تقسیم‌بندی تصویر، تولید تصویر و معماری‌های چندوجهی

محتوای این جلسه:
محتوای آموزشی تشخیص و ردیابی اشیاء در تصویر و ویدئو (متن)
محتوای این جلسه:
محتوای آموزشی تقسیم‌بندی تصویر و تولید تصاویر با مدل‌های مولد (متن)
محتوای این جلسه:
محتوای آموزشی سیستم‌های چندوجهی و آینده هوش مصنوعی (متن)
فصل ۶: مدیریت استراتژیک پروژه‌های هوش مصنوعی

رهبری تیم‌های AI، مدیریت محصولات داده‌محور، اخلاق و حکمرانی هوش مصنوعی و پروژه نهایی

محتوای این جلسه:
محتوای آموزشی مدیریت چرخه حیات پروژه‌های هوش مصنوعی و MLOps (متن)
محتوای این جلسه:
محتوای آموزشی اخلاق، عدالت و حکمرانی هوش مصنوعی (متن)
محتوای این جلسه:
محتوای آموزشی پروژه نهایی: طراحی و پیاده‌سازی سیستم هوش مصنوعی (متن)

درباره مدرس

محمد محمدی

محمد محمدی

مدرس دوره