آموزش تخصصی هوش مصنوعی و برنامه نویسی

لوگو فرااپلای

دوره یادگیری ماشین مقدماتی

دوره پایتون علم داده

این دوره آنلاین، یک دوره مقدماتی آموزش یادگیری ماشین و برنامه نویسی پایتون به دانشجویان علاقه مند است. سرفصل‌های این دوره شامل مواردی از قبیل برنامه نویسی مقدماتی با پایتون، بصری‌سازی داده، پاکسازی داده و ساخت مدل‌های یادگیری ماشین می‌باشد.

دوره یادگیری ماشین مقدماتی

این دوره شامل دو بخش اصلی است. بخش اول بر مفاهیم مقدماتی برنامه‌نویسی و نحوه پیاده‌سازی آن‌ها در پایتون تمرکز دارد تا پایه‌ای برای فهم و توسعه مدل‌های یادگیری ماشین ایجاد کند. در بخش دوم، ابتدا مفاهیم مقدماتی علم داده مرور شده و سپس مدل‌های رایج ماشین لرنینگ و نحوه پیاده سازی آن‌ها تدریس خواهند شد. جزئیات سرفصل‌های دوره در جدول زیر قید شده اند؛

بخشعنوانسرفصل هاتعداد جلسات
بخش1مفاهیم برنامه‌ نویسی و برنامه‌ نویسی به زبان پایتون

متغیرها و مفاهیم مهم در پایتون

عملگرها (حسابی، منطقی و بولی)

سوالت متداول

نوع داده‌های ساده و خواص آن‌ها

ساختارهای داده و خواص آن‌ها

گزاره‌های شرطی و کنترل جریان برنامه

حلقه‌ها و تکرار

توابع

آشنایی مقدماتی با برنامه‌نویسی شی‌گرا

اجرای پروژه کاربردی پایتون

4 جلسه
بخش2مفاهیم یادگیری ماشین، ابزارها و مهارت‌ها

مقدمات علم داده

علم داده چیست؟

مثال‌ها و کاربردهایی از علم داده

کار با داده‌ها

کتابخانه NumPy

کتابخانه Pandas

خواندن و نوشتن داده

کار با فایل‌های JSON و CSV

پاکسازی داده

کدگذاری داده‌های گسسته

جایگذاری داده‌های ناموجود

بصری سازی داده 

کتابخانه Matplotlib

کتابخانه Seaborn

بررسی داده

روش‌های آماری برای بررسی داده

پایگاه داده و کاربرد آن

آشنایی با پایگاه‌های داده و انواع آن‌ها

سیستم‌های مدیریت پایگاه داده رابطه‌ای

زبان SQL

ایجاد اتصال به پایگاه داده از پایتون

مدل‌سازی با یادگیری ماشین

آشنایی با یادگیری ماشین

منظور از یادگیری در یادگیری ماشینی و رویه‌های گوناگون آن (با نظارت، نظارت نشده، تقویتی و …)

انتخاب مدل

بهینه سازی و بهینه‌سازهای مبتنی بر مشتق

خانواده مدل‌های Linear Models

خانواده مدل‌های Nearest Neighbours

خانواده مدل‌های Support Vector Machine

خانواده مدل‌های مبتنی بر Tree

 11 جلسه
بخش3پروژه پایانی 1 جلسه
مجموع15 جلسه

زمانبندی آموزش

  1. متغیرها و مفاهیم مهم در
  2. پایتون عملگرها (حسابی، منطقی و بولی)
  3. سوالات متداول
جلسه اول
جلسه دوم

  1. نوع داده‌ های ساده و خواص
  2. آن‌ ها ساختار های داده و خواص آن‌ ها

  1. گزاره‌های شرطی و کنترل
  2. جریان برنامه حلقه‌ها و تکرار
جلسه سوم
جلسه چهارم

  1. توابع
  2. آشنایی مقدماتی با برنامه‌نویسی شی‌گرا
  3. اجرای پروژه کاربردی پایتون

  1. مقدمات علم داده
  2. علم داده چیست؟
  3. مثال‌ها و کاربردهایی از علم داده
  4. کار با داده‌ها
جلسه پنجم
جلسه ششم

کار با داده‌ها

  1. کار با داده‌ها
  2. کتابخانه NumPy
  3. کتابخانه Pandas
  4. خواندن و نوشتن داده
جلسه هفتم
جلسه هشتم

  1. کار با فایل‌های JSON و CSV
  2. پاکسازی داده کدگذاری
  3. داده‌های گسسته جایگذاری
  4. داده‌های ناموجود

بصری سازی داده

جلسه نهم
جلسه دهم

  1. کتابخانه Matplotlib
  2. کتابخانه Seaborn
  3. بررسی داده
  4. روش‌های آماری برای بررسی داده
  5. پایگاه داده و کاربرد آن

  1. آشنایی با پایگاه‌های داده و انواع آن‌ها
  2. سیستم‌های مدیریت پایگاه داده رابطه‌ای
  3. زبان SQL
  4. ایجاد اتصال به پایگاه داده از پایتون
جلسه یازدهم
جلسه دوازدهم

  1. آشنایی با پایگاه‌های داده و انواع آن‌ها
  2. سیستم‌های مدیریت پایگاه داده رابطه‌ای
  3. زبان SQL
  4. ایجاد اتصال به پایگاه داده از پایتون

مدل‌سازی با یادگیری ماشین

جلسه سیزدهم
جلسه چهاردهم

  1. آشنایی با یادگیری ماشین منظور از یادگیری در یادگیری ماشینی و رویه‌های گوناگون آن (با نظارت، نظارت نشده، تقویتی و …)
  2. انتخاب مدل بهینه سازی و بهینه‌سازهای مبتنی بر مشتق
  3. خانواده مدل‌های Linear Models
  4. خانواده مدل‌های Nearest Neighbours
  5. خانواده مدل‌های Support Vector Machine
  6. خانواده مدل‌های مبتنی بر Tree

پروژه پایانی :

پیشبینی زمان سفر برای تاکسی های شهر نیویورک با استفاده از روش های ماشین لرنینگ کلاسیک

جلسه پانزدهم

مدرسین دوره

- کارشناس ارشد از دانشگاه شریف 2019
- متخصص یادگیری ماشین در شرکت ترندپلاس
- بیش از 7 سال فعالیت در حوزه دیتا
- پست دکترا مهندسی کامپیوتر از دانشگاه
اینسبروک اتریش 2019
- دکترا مهندسی کامپیوتر از MDH سوئد 2017
- موسس شرکت بین المللی ترندپلاس و مدرس دانشگاه
- بیش از 12 سال سابقه کار در زمینه بهینه سازی و علوم داده در شرکت های اروپایی (اریکسون، هواوی و ...)
- دانشجوی دکترا مهندسی شیمی در دانشگاه تهران
- دیتا ساینس در شرکت ترندپلاس
- توسعه دهنده پایتون در بنیاد ملی نخبگان

7 دلیل طلایی برای انتخاب دوره یادگیری ماشین مقدماتی فرااپلای

گواهینامه ای که در پایان این دوره دریافت خوهید کرد
گواهینامه ای که در پایان این دوره دریافت خوهید کرد

نیازمند‌ی‌ها

زمان برگزاری : فروردین 1402

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

هفته ای 4 ساعت کلاس آنلاین + هفته ای حداقل 4 ساعت تمرین و مطالعه

آیا برنامه کاملا مجازی است؟

بله، کلاس ها به صورت مجازی و از طریق پلتفورم سایت کافه تدریس 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 کاربری 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 در زمان برگزاری دوره آنلاین مدرک انگلیسی از طرف شرکت سوئدی ترندپلاس 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 آموختگان برتر امکان کارآموزی با حقوق در دفتر تهران شرکت ترندپلاس وجود دارد.

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

پیش بینی زمان سفر های درون شهری برای تاکسی های شهر نیویورک به کمک یادگیری ماشین

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

بله، این دوره سطح لازم برای استفاده از یادگیری ماشین در مقاله های دانشگاهی و پایان نامه را میدهد و نیاز به شرکت در دوره پیشرفته 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 یادگیری ماشین ارائه می دهد؟

تا حدی، اما همچنان نیاز به شرکت در دوره پیشرفته برای آمادگی ورود به بازار کار وجود دارد.

در این دوره با چه ابزارهایی کار میکنیم؟

نرم افزار ژوپیتر، زبان پایتون، کتابخانه های Numpy، Pandas  و کتابخانه های یادگیری ماشین مانند Scikit و…

چه مهارت هایی برای شروع کار در زمینه هوش مصنوعی مورد نیاز است؟

تسلط به الگوریتم های یادگیری ماشین، تسلط به الگوریتم های یادگیری عمیق، تسلط به زبان برنامه نویسی پایتون، تحلیل آماری

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.

قوانین بازپرداخت هزینه چیست؟

در صورت ثبت نام قبل از شروع دوره، پس از پایان جلسه اول امکان بازپرداخت 100% مبلغ دوره وجود دارد. ولی پس از برگزاری جلسه دوم امکان لغو ثبت نام وجود ندارد.

گزینه های پرداخت من چه هستند؟

پرداخت به صورت نقدی میباشد.

اهمیت هوش مصنوعی و استفاده از آن در رشته های مختلف

با شنیدن یا خواندن اصطلاح هوش مصنوعی، تصاویر و اصوات گوناگونی در ذهن ما شکل می‌گیرد. برخی صدای دستیارهای هوشمندی همچون سیری و کورتانا و الکسا را می‌شنویم و برخی دیگر، به‌یاد تصاویر وحشتناک و نگران‌کننده‌ی فیلم‌های علم‌تخیلی همچون ترمیناتور می‌افتیم. عاشقان جدی‌تر سینما هم به‌ احتمال زیاد چهره‌ی معصوم کاراکتر دیوید در فیلم تحسین‌شده‌ی استیون اسپیلبرگ (A.I. Artificial Intelligence) را به‌ یاد می‌آورند.

امروزه نیاز به یادگیری هوش مصنوعی با توجه به نیاز های روز افزون آن در پروژه های مختلف در رشته های گوناگون افزایش یافته است و خیلی از دانشجویان برای انجام پروژه و پایان نامه خود نیاز دارند تا از هوش مصنوعی در برنامه های خود استفاده کنند.

کاربرد های هوش مصنوعی

تبدیل گفتار به نوشتار

تبدیل گفتار به نوشتار، یکی از جالب‌ترین کاربرد های یادگیری ماشین است که این روزها در بسیاری از اپلیکیشن‌های موبایل (برای مثال کیبورد گوگل) استفاده شده و شاهد دقت بسیار بالای آن حتی برای زبان فارسی هستیم.

پاسخ دهی خودکار در نرم‌افزار های پیام‌رسان

اگر با Google Allo کار کرده باشید، حتما دقت فوق‌العاده بالای آن در پاسخ های پیشنهاد شده به ازای پیام‌ها، شما را شگفت‌زده کرده است.

توصیف تصاویر

توصیف یک تصویر (یا یک ویدیو) در یک یا چند جمله، یکی از جالب ترین و هیجان‌ انگیز ترین کاربرد‌های هوش مصنوعی در بینایی ماشین است و به ما کمک می‌کند ماشین‌هایی بسازیم که اشیاء دیده شده را واقعاً درک کنند. همینطور در روش معکوس می‌توان از روی توصیفات متنی، یک تصویر نسبتا واقعی تولید کرد. با این تفاسیر، تصور تولید یک فیلم از روی فیلمنامه، موضوع دور از انتظاری نیست.