لوگو فرااپلای

آموزش هوش مصنوعی

 

 

 

آموزش هوش مصنوعی
با دوره های بوت کمپ فرااپلای

درباره بوت کمپ هوش مصنوعی

بوت کمپ هوش مصنوعی و ماشین لرنینگ یک دوره کامل برای آموزش زبان برنامه‌نویسی پایتون، یادگیری ماشین از مقدماتی تا پیشرفته است. این دوره مناسب همه رشته ها بوده و نیاز به هیچگونه پیش نیازی ندارد و برای همه سنین توصیه میشود.

از آنجایی که مدرسین این دوره برنامه نویس و دیتا ساینتیست در شرکت های اروپایی هستند دید کاملا پروژه محور و کاربردی دارند به طوری که پروژه های میانی و پایانی دوره نمونه های ساده شده پروژه های واقعی اروپایی هستند، بنابر این در طول این دوره، دانشجویان میتوانند دانش خود را برای مسائل دنیای واقعی به کار گیرند. در پایان دوره، دانشجویان درک قوی از مفاهیم و تکنیک های اساسی برنامه نویسی پایتون و همچنین تجربه عملی در استفاده از این تکنیک ها برای حل مسائل پیچیده خواهند داشت.

10 دلیل طلایی برای انتخاب بوت کمپ هوش مصنوعی و یادگیری ماشین

محتوای دوره آموزش هوش مصنوعی :

23 ساعت آموزش مطالب و پیشنیاز های لازم
  • 5 جلسه مقدماتی برنامه نویسی
  • پیشنیاز های ریاضی و آمار در علم داده
  • وبینار چگونگی استفاده از چت جی پی تی در برنامه نویسی
  • وبینار معرفی فناوری های نوین برای مهندسی داده و علوم داده
  • وبینار نقشه راه برای دیتا ساینتیست شدن
  • آموزش گیت
  • آموزش داکر
  • آموزش SQL
  • آموزش لینوکس
ویدئو های آفلاین
  • 34 ساعت ویدئو آموزشی پایتون
  • 10 ساعت ویدئو آموزش زبان انگلیسی مخصوص هوش مصنوعی
جلسات آنلاین
  • 58 ساعت آموزش آنلاین ماشین لرنینگ، بحث در مورد پروژه ها و حل آن ها و رفع اشکال هفتگی با اساتید دوره
  • 2 ساعت آموزش آنلاین مهارت های نرم و رزومه نویسی
منتورینگ ماهانه تا انتهای بوت کمپ
برای توضیحات بیشتر تماس بگیرید!

پس از خرید بوت کمپ دسترسی به ویدئو های آفلاین به شما داده میشود.
برای خرید قسطی به قسمت مشاوره رایگان مراجعه کنید.

زمان برگزاری کلاس های آنلاین : آبان 1403
(ساعت 20:0۰ الی ۲۲:00)
برای خرید قسطی به قسمت مشاوره رایگان مراجعه کنید.

شرکت هایی که شما را برای این بوتکمپ بورسیه میکنند

شرکت های زیر طبق قراردادی با آکادمی فرااپلای متعهد شده اند از بین دانشجویان برتر بوت کمپ برای جذب کارآموز و استخدام نیرو استفاده کنند، در صورت استخدام تمام مبلغ پرداختی شما برای ثبت نام در بوت کمپ به شما پرداخت میشود.

مرکز تحقیقات هوش مصنوعی پارت
شرکت سوئدی اکولوس پلاس
شرکت سوئدی ترندپلاس

نقشه راه بوتکمپ هوش مصنوعی

0
شرکت کنندگان دوره ها
0
شرکت کنندگان وبینار ها
0
دوره های برگزار شده
0
کاراموز های جذب شده

تیم مدرسین دوره

دکتر حمید رضا فراگردی

مدرس سابق دانشگاه KTH سوئد و اینسبروک اتریش

دکتر محسن مزروعی

دیتاساینتیست ارشد شرکت ترندپلاس

مهندس حنیف کیا

دیتاساینتیست ارشد شرکت ترندپلاس

دکتر محمد لونی

کارشناس ارشد هوش مصنوعی در شرکت ولوو سوئد.

مهندس محسن بغدادی

برنامه نویس ارشد شرکت ترندپلاس

مهندس سپیده نوری

منتور دوره

سرتیفیکیت های دوره

Blue-White-Bordered-Certificate-Of-Achievement-Certificate
گواهینامه ای که در پایان این دوره دریافت خوهید کرد
Untitled-design-76
نمونه گواهینامه دانشگاه استنفورد

نظرات فارغ التحصیلان دوره های قبلی

نیاز است چه میزان زمانی در هفته برای دوره وقت بزاریم؟

هفته ای 2 ساعت کلاس آنلاین + 5 ساعت تمرین و مطالعه

آیا برنامه کاملا مجازی است؟

بله، کلاس ها به صورت مجازی و از طریق پلتفورم سایت اسکای روم برگزار میشود.

آیا پس از پایان هر جلسه به ویدئو ضبط شده آن جلسه دسترسی دارم؟

بله، پس از پایان هر جلسه ویدئو آن جلسه در پنل اسپات پلیر دانشجو قرار میگیرد.

آیا پس از پایان دوره دسترسی به ویدئوهای دوره وجود دارد؟

بله، به مدت یک سال دانشجو به ویدئو های دوره دسترسی دارد.

آیا پس از اتمام کلاس مدرک دریافت خواهم کرد؟

در صورت انجام پروژه نهایی مدرک انگلیسی از طرف شرکت سوئدی ترندپلاس و در صورت موفقیت در آزمون دانشگاه استنفورد، مدرک دانشگاه استنفورد هم صادر می شود.

آیا باید برای معرفی مطالب آموزشی تکمیلی یا هزینه‌های صدور مدرک هزینه اضافی بپردازم؟

خیر، نیاز به پرداخت هزینه وجود ندارد.

آیا امکان کارآموزی در شرکت ترندپلاس برای همه فارغ التحصیلان پس از پایان دوره وجود دارد؟

خیر، تنها برای دانش آموختگانی که دوره را به پایان برسانند و پروژه نهایی رو انجام دهند امکان کارآموزی با حقوق در دفتر تهران شرکت ترندپلاس وجود دارد.

در این برنامه روی چه نوع پروژه ها و مباحثی کار خواهم کرد؟

دو پروژه ساده سازی شده از پروژه های واقعی از شرکت های اروپایی خواهید داشت که یکی برای پروژه میانی و دیگری برای پروژه پایانی است.

  • پروژه میانی : پیش‌بینی آب و هوا با استفاده از جمع آوری داده ها از وب
  • پروژه پایانی : ساخت یک داشبورد برای تجزیه و تحلیل داده های یک شرکت توزیع کننده کالا مانند آمازون یا دیجیکالا با استفاده از استریملیت (Streamlit)

آیا این دوره امکان استفاده از پایتون در مقاله های دانشگاهی و پایان نامه را میدهد؟

بله، این دوره سطح لازم برای استفاده از برنامه نویسی پایتون برای مقاله های دانشگاهی و پایان نامه را میدهد و نیاز به شرکت در سایر دوره ها نیست.

آیا در صورت غیبت در چندین جلسه امکان دریافت سرتیفیکیت نهایی دوره وجود دارد؟

بله، در صورت انجام پروژه نهایی و تکالیف دوره امکان دریافت سرتیفیکیت وجود درد.

آیا این دوره آمادگی شغلی را برای کار در حوزه پایتون ارائه می دهد؟

بله، میتوانید پس از این دوره توانایی لازم برای گرفتن شغل در زمینه برنامه نویسی پایتون را کسب کنید.

در این دوره با چه ابزارهایی کار میکنیم؟

نرم افزار ژوپیتر، VSCodeT، کتابخانه های Numpy، Pandas  و Streamlit

آیا امکان ثبت نام گروهی کارمندان یک شرکت در دوره وجود دارد؟

بله، امکان تخفیف برای ثبت نام گروهی وجود دارد و باید با دفتر فرااپلای تماس بگیرید.

گزینه های پرداخت من چه هستند؟

پرداخت به صورت نقدی از طریق درگاه پرداخت سایت فرااپلای میباشد و در صورت داشتن کد تخفیف مبلغ آن از مبلغ کل دوره کسر خواهد شد. 

چنانچه با اختلالی در سامانه پرداخت مواجه شدید میتوانید پرداخت خود را از طریق کارت به کارت انجام دهید و پس از پرداخت رسید خود را برای ما پیامک کنید.

اطلاعات مورد نیاز برای ارسال : نام و نام خانوادگی، ساعت واریز، مبلغ و کد پیگیری  شماره تماس : 09367318002

شماره کارت : 6104338800283604 به نام شرکت هوشمند رایانش روند گستر

امکان لغو دوره و بازگشت وجه وجود دارد؟

با توجه به دسترسی دانشجو به تمام محتوای آموزشی از لحظه پرداخت، امکان لغو دوره و عودت مبلغ وجود ندارد.

در صورت تاخیر در پرداخت قسط دوم مشکلی در ادامه بوت کمپ پیش می آید؟

در صورتی که دانشجو قسط دوم خود را با تاخیر پرداخت کند، دسترسی او به محتوای آموزشی و همچنین کلاس آنلاین دوره قطع میشود و مدرکی هم به او تعلق نمیگیرد.

  • معرفی دوره 

مطالعه تکمیلی :

  • مشاهده 5 جلسه مقدمات برنامه نویسی
  • مشاهده وبینار نقشه راه دیتا ساینس
هفته اول
هفته 2 ام

  • رفع اشکال مقدمات برنامه نویسی

مطالعه تکمیلی :

  • مشاهده ویدئو پیشنیاز ریاضی و آمار

  • رفع اشکال ریاضی و آمار

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه 2، 3 و 4 پایتون
هفته 3 ام
هفته 4 ام

  • رفع اشکال پایتون

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه 5، 6 و 7 پایتون

  • رفع تمرین پایتون و منتورینگ

مطالعه تکمیلی :

  • مشاهده ویدئو های SQL
  • مشاهده ویدئو جلسه اول و دوم آموزش زبان مخصوص هوش مصنوعی
هفته 5 ام
هفته 6 ام

  • رفع اشکال SQL

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه 9 پایتون
  • مشاهده ویدئو جلسه سوم آموزش زبان مخصوص هوش مصنوعی

  • معرفی پروژه اول : پیش‌بینی آب و هوا با استفاده از جمع آوری داده ها از وب

حل نمونه سوالات آزمون های لینکدین (پایتون)

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه 11 پایتون
  • مشاهده ویدئو های لینوکس
  • مشاهده ویدئو جلسه چهارم آموزش زبان مخصوص هوش مصنوعی
هفته 7 ام
هفته 8 ام

  • مقدمات ماشین لرنینگ

مطالعه تکمیلی :

  • مشاهده ویدئو وبینار استفاده از چت جی پی تی در برنامه نویسی
  • مشاهده ویدئو جلسه 12 و 13 پایتون

  • بحث پیرامون حل پروژه اول
  • رفع اشکال Numpy و Pandas 

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه 14 و 15 پایتون
  • مشاهده ویدئو های GIT 
هفته 9 ام
هفته 10 ام

  • بصری سازی داده 
  • کتابخانه Matplotlib
  • کتابخانه Seaborn

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه پنجم و ششم آموزش زبان مخصوص هوش مصنوعی
  • مشاهده ویدئو های داکر

  • معرفی پروژه دوم : ساخت یک داشبورد برای تجزیه و تحلیل داده های یک شرکت توزیع کننده کالا مانند آمازون یا دیجیکالا با استفاده از استریملیت (Streamlit)
  • رفع اشکال داکر

مطالعه تکمیلی :

  • مشاهده وبینار معرفی فناوری های نوین برای مهندسی داده و علوم داده
هفته 11 ام
هفته 12 ام

  • پاکسازی داده
  • کار با داده‌ها
  • کدگذاری داده‌های گسسته
  • جایگذاری داده‌های ناموجود
  • بررسی داده
  • روش‌های آماری برای بررسی داده

مطالعه تکمیلی :

  • مشاهده ویدئو جلسه هفتم و هشتم آموزش زبان مخصوص هوش مصنوعی

  • بحث پیرامون پروژه دوم
  • بهینه سازی و بهینه‌سازهای مبتنی بر مشتق
  • خانواده مدل‌های Linear Models
هفته 13 ام
هفته 14 ام

  • مهندسی ویژگی های مدل (Feature Engineering)

 

  • خانواده مدل‌های Nearest Neighbours
  • خانواده مدل‌های Support Vector Machine
هفته 15 ام
هفته 16 ام

  • خانواده مدل‌های مبتنی بر Tree با تمرکز بر الگوریتم های Desition Trees, Random Forest
  • Overfitting 
  • Cross-validation

  • معرفی پروژه سوم : پیشبینی زمان سفر برای تاکسی های شهر نیویورک با استفاده از روش های ماشین لرنینگ کلاسیک
  • یادگیری گروهی (Ensemble Learning)
  • مدل های Boosting از جمله XG-BOOST
  • Random forest
هفته 17 ام
هفته 18 ام

  • مقدمه ای بر الگوریتم های یادگیری ماشین پیشرفته، شبکه های عصبی و یادگیری تقویتی

  • بحث پیرامون پروژه سوم
هفته 19 ام
هفته 20 ام

  • خوشه‌بندی (Clustering)

  • یادگیری عمیق (Deep Learning)
  • شبکه‌های عصبی مصنوعی (ANN)
هفته 21 ام
هفته 22 ام

  • شبکه‌های عصبی کانولوشنی (CNN)
  • یادگیری عمیق برای پردازش تصویر

  • معرفی پروژه چهارم : تشخیص اشیا (Object Detection) در تصاویر با استفاده از الگوریتم های پردازش تصویر
هفته 23 ام
هفته 24 ام

  • بحث پیرامون پروژه چهارم

  • یادگیری عمیق برای پردازش زبان طبیعی
هفته 25 ام
هفته 26 ام

معرفی پروژه نهایی :

پیشبینی زمان سفر برای تاکسی های شهر نیویورک با استفاده از روش های ماشین لرنینگ پیشرفته و شبکه های عصبی و مهندسی خصیصه ها (Feature Engineering)  با در نظر گرفتن فاصله واقعی بین نقطه سوار شدن و پیاده شدن مسافر با استفاده از نقشه های موجود در داکر OSRM 

بحث پیرامون پروژه نهایی دوره

هفته 27 ام
هفته 28 ام

  • حل نمونه سوالات آزمون استنفورد

  • حل نمونه سوالات آزمون استنفورد
هفته 29 ام
هفته 30 ام

مهارت های نرم

 

 

  • مهارت های انجام مصاحبه
  • نحوه نگارش صحیح رزومه
  • مهارت های کار تیمی