سرفصل:
- معرفی هوش مصنوعی و مفاهیم پایه
 - پایتون برای هوش مصنوعی
 - ریاضیات برای هوش مصنوعی
 - یادگیری ماشین مقدماتی(رگرسیون)
 - طبقه بندی(Classification)
 - پیش پردازش داده(Data Preprocessing)
 - یادگیری نظارت شده و مفاهیم اساسی
 - ارزیابی و بهبود مدل ها
 - آشنایی با یادگیری عمیق(Deep Learning)
 - الگوریتم های Ensemble Learning
 - ماشین بردار پشتیبان(SVM)
 - پردازش تصویر با OpenCV
 - شبکه های عصبی کانولوشنی(CNN)
 - بهینه سازی مدل های Deep Learning
 - پروژهای سطح متوسط
 - طراحی UXبرای محصولات پیچیده(Enterprise UX)
 - تحلیل داده و بهبود(Data-Driven Design)
 - طراحی برای تجارت الکترونیک(E-Commerce UX)
 - کار با تیم توسعه(همکاری با توسعه دهندگان)
 - مدیریت پروژه های UX/UI
 - پروژه نهایی
 
کسب توانایی:
- ساخت انواع ماتریس و ابرماتریس های داده ای
 - اکتشاف داده و ارائه ی تحلیل های گوناگون بر روی ماتریس ها
 - مصور سازی داده ها از منظرهای مختلف با ابعاد گوناگون
 - آشنایی با توزیع های مختلف داده ای و کاربرد انان در تحلیل داده ها
 - انجام آزمون های گوناگون جهت استنتاج دلایل وقوع پدیده ها
 - آمده سازی داده برای آموزش توسط مدل های هوشمند شامل انواعبخش بندی، اصلاح فرمت، تشخیص داده های اشتباه و اصلاح آنها
 - استخراج ویژگی های پهنان در داده و آماده سازی آنها جهت انجام الگ.ریتم هوشمند
 - کشف الگو های قرار گرفته در داده و ارتباط بین آنها
 
بازار کار:
- توسعه دهنده ی یادگیری ماشین
 - دستیار پژوهشی هوش مصنوعی
 - دستیار مهندش یادگیری ماشین
 - تکنسین پردازش تصویر
 - تحلیل گر داده
 - شرکت های فعال در حوزه ی پردازش تصویر و بینایی ماشین
 - شرکت های نظارتی و امنیتی (مانند ساخت سیستم های نظارت تصویر هوشمند)
 - خودروسازی (سیستم های خودرن )
 - صنعت پزشکی (پردازش تصاویر رادیولوژی، پاتولوژی و…)
 - کشاورزی هوشمند(تشخیص افات و بیماری های گیاهی و…)
 - پروژه هایی که داده های برچسب دار کمی دارند(مثل تحلیل تصاویر ماهواره ای و…)
 - استارتاپ های هوش مصنوعی و فناوری
 - مراکز تحقیقاتی و دانشگاهی
 - شرکت های توسعه دهنده ی مدل های سفارشیAI
 - فریلنسینگ و پروژه های مستقل
 
دوره های مرتبط
دوره آموزشی هوش مصنوعی با پایتون پیشرفته
سرفصل: مقدمه ای بر یادگیری نیمه نظارتی (SSL) الگوریتم های پایه SSL انتشار برچسب(Lable Propagation) مدل های Generative در SSL…
دوره آموزشی هوش مصنوعی با پایتون مقدماتی
سرفصل: معرفی هوش مصنوعی و مفاهیم پایه پایتون برای هوش مصنوعی ریاضیات برای هوش مصنوعی یادگیری ماشین مقدماتی (رگرسیون) طبقه…
                     تعداد دانشجو :
                    0
                
            
                            نوع دوره :
                            حضوری
                            
                        
                            پیش نیاز :
                            ندارد!
                            
                        
                            
                            30 جلسه (60 ساعت)
                            
                        
                            روش پشتیبانی :
                            حضوری و تلفنی
                            
                        
                            
                            فنی حرفه ای
                            
                        تایم هر جلسه: :
                         120 دقیقه
                تعداد نفرات کلاس: :
                         6 نفر
                
	قیمت :
	
            از 12,546,000 تومان
 140 بازدید
		 0 دیدگاه
		
                        
                    
                    
نظرات