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)
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:
- با توجه به رشد روزافزون داده ها در دنیای دیجیتال،امروزه تحلیل و استخراج اطلاعات گوناگون از آنان جزو نیازهای اصلی این بازار به شمار میرود و این مورد باعث افزایش بازار کار افراد متخصص در این حوزه خواهد شد.
نظرات