هوش مصنوعی (AI)
هوش مصنوعی (AI)
هوش مصنوعی (AI) شاخه وسیعی از علوم کامپیوتر است. این شاخه مربوط به ساخت ماشین‌های هوشمندی است که قادر به انجام وظایفی هستند که معمولا به هوش انسان نیاز دارند. هوش مصنوعی یک علم میان‌رشته‌ای با چندین رویکرد است؛ اما پیشرفت‌‌ها در زمینه یادگیری ماشین و یادگیری عمیق باعث تغییر الگو در تقریبا تمام بخش‌های صنعت تکنولوژی شده است.
لیست دوره ها
آموزش مبانی یادگیری Machine Learning
ماشین لرنینگ یا یادگیری ماشینی یکی از زیرمجموعه های هوش مصنوعی است که به
برنامه ها و سیستم ها قابلیت خودیادگیری و بهبود سیستم بدون آنکه برنامه
نویسی شده باشد را میدهد. هدف اصلی در یادگیری ماشین ، اجازه به کامپیوتر برای یادگیری خودکار است .
شروع روند ماشین لرنینگ با داده است. الگوریتم های ساخته شده با این روش بر
اساس این داده ها یادگیری و پیشبینی میکنند تا به خروجی مناسب برسند .
بیشتر...
آموزش مبانی یادگیری Deep Learning
دیپ لرنینگ یا یادگیری عمیق از زیرمجموعه های یادگیری ماشین(ماشین لرنینگ) است که خود از زیرمجموعه های هوش مصنوعی است . یادگیری عمیق به معنی استفاده از شبکه عصبی مصنوعی با محاسبات متفاوت است.دیپ لرنینگ تکنولوژی اصلی در ماشین های خودران است به عنوان مثال طریقه فهمیدن تابلوی ایست ، خط عابر پیاده و ...
از دیگر مثال های یادگیری عمیق می توان به دستیار های صوتی تلفن های همراه ، تلویزیون ها ، تبلت ها و هندزفری ها اشاره کرد .
بیشتر...
آموزش مبانی یادگیری Data Mining
به مجموعه‌ای از روش‌های قابل استفاده بر پایگاه داده‌های بزرگ و پیچیده به منظور شناسایی الگوهای پنهان و جالب توجه نهفته در میان داده‌ها، داده‌کاوی گفته می‌شود. روش‌های داده‌کاوی تقریبا همیشه به لحاظ محاسباتی پر هزینه هستند. تکنیک های داده‌کاوی، پیرامون ابزارها، متدولوژی‌ها و تئوری‌هایی است که برای آشکارسازی الگوهای موجود در داده‌ها مورد استفاده قرار می‌گیرند و گامی اساسی در راستای کشف دانش محسوب می‌شود. ضرورت های چرایی مبدل شدن داده‌کاوی به چنین حوزه مهمی از مطالعات وجود دارد. برخی از این موارد در ادامه بیان شده‌اند.
بیشتر...
آموزش مبانی یادگیری Text Mining
براساس تحقیق صورت گرفته توسط IDC، حجم دیتای خام جهان که در سال ۲۰۱۲ بیش از ۲۵۹۶ اگزابایت بود تا سال ۲۰۱۷ بالغ بر ۷۲۳۵ اگزابایت می رسد.
در این میان شرکت، سازمان و کشوری موفق است که بتواند این حجم عظیم داده ها را تحلیل نماید و دانش لازم را از آن استخراج نموده و دانش برآمده از این فرآیند را در سیستم های تصمیم گیر هوشمند به کار برد.
در این دوره افراد شرکت کننده با متن کاوی، نحوه آماده سازی داده ها برای تحلیل داده ها و سپس با الگوریتم های خوشه بندی و طبقه بندی داده ها آشنا می شوند.
بیشتر...
آموزش مبانی یادگیری Opinion mining
عقیده کاوی یا تجزیه و تحلیل احساسات یا Sentiment Analysis رویکردی برای پردازش زبان طبیعی یا NLP است که لحن موجود در پشت یه متن رو مشخص میکنه!
علاقمندی به مباحث «عقیده‌کاوی» (Opinion Mining) و «تحلیل احساسات» (Sentiment Analysis) به دلیل کاربردهای متعدد و قابل توجه آن‌ها است. در چند سال اخیر، پژوهشگران و کسب‌و‌کارهای زیادی در این حوزه به فعالیت پرداخته‌اند و اغلب دستاوردهای مهم و جالب توجهی داشته‌اند.
بیشتر...
آموزش مبانی یادگیری پردازش تصویر
پردازش تصویر (Image processing) امروزه بیشتر به موضوع پردازش تصویر دیجیتال گفته می‌شود که شاخه‌ای از پردازش سیگنال است که با پردازش سیگنال دیجیتال که نماینده تصاویر برداشته شده با دوربین دیجیتال یا اسکن شده توسط اسکنر هستند سر و کار دارد.
پردازش تصاویر دارای دو شاخه عمدهٔ بهبود تصاویر و بینایی ماشین است. بهبود تصاویر دربرگیرندهٔ روش‌هایی چون استفاده از فیلتر محوکننده و افزایش تضاد برای بهتر کردن کیفیت دیداری تصاویر و اطمینان از نمایش درست آن‌ها در محیط مقصد (مانند چاپگر یا نمایشگر رایانه) است
بیشتر...
Machine Learning with Python
امروزه، یادگیری ماشین در اکثر صنایع و کسب و کارها مورد استفاده قرار می گیرد و تصمیمات بسیار تأثیرگذار دنیای امروز بر اساس پردازش ها و نتایج به دست آمده از یادگیری ماشین است. همچنین زبان برنامه نویسی پایتون (Python) با رشد و گسترده تر شدن روزافزون جامعه کاربری اش، بستر بسیار مناسبی جهت فعالیت های یادگیری ماشین را فراهم کرده است.
بیشتر...
Deep Learning with Python
در این دوره به آموزش یادگیری عمیق با پایتون بپردازیم. یادگیری عمیق یا deep learning یک حوزه از هوش مصنوعی (AI) و زیر مجموعه یادگیری ماشین (machine learning) محسوب می‌شود و با الگوریتم‌هایی سر و کار دارد که از ساختار بیولوژیک و کارکرد مغز برای کمک به ماشین‌ها با استفاده از هوش، الهام گرفته اند. از یادگیری عمیق برای ساخت و توسعه انواع شبکه عصبی (پرسپترون های چند لایه (MLP)، CNN، RNN و LSTM) استفاده می شود.
از یادگیری عمیق می‌توان برای انجام پروژه های مختلف علم داده (data science) از جمله تجزیه و تحلیل کسب و کار (Business analytics)، داده کاوی (data mining)، تحزیه و تحلیل متن (text analytics) و پردازش تصویر استفاده کرد.
بیشتر...
Machine Learning with R
زبان R یکی از محبوب ترین زبان های استفاده شده برای یادگیری ماشین است و مسلما بهترین نقطه ورود به دنیای جذاب یادگیری ماشین (ML) می باشد. اگر شما علاقه مند به کشف هر دو زمینه از دنیای برنامه نویسی و یادگیری ماشین با R می باشید از آموزش های این دوره استفاده کنید.
این دوره ترکیبی می باشد که مسیر یادگیری شما را هیجان انگیز تر و در واقع پرارزش تر می کند. این دوره به شیوه ای بسیار دقیق طراحی و توسعه داده شده است تا شما اطلاعات صحیحی را در مورد زبان R بدست آورید.
بیشتر...
Deep Learning with R
یادگیری عمیق به شبکه های عصبی مصنوعی اشاره دارد که از بسیاری از لایه ها تشکیل شده است. یادگیری عمیق یک مجموعه قدرتمند از تکنیک ها برای یافتن اطلاعات دقیق از داده های خام است. این آموزش به شما می آموزد که چگونه با بهره گیری از یادگیری عمیق، داده های خام خود را با کشف لایه های مختلف پنهان داده شناسایی کنید. همچنین با پیاده سازی در R، مبانی یادگیری عمیق و شبکه های عصبی مصنوعی، ANN و RNN، شبکه های عصبی پیچشی، یادگیری بدون نظارت و غیره آشنا می شوید.
بیشتر...
Data Maining with Python & R
«علم داده» (Data Science) از جمله مباحث جذاب و داغ روز است که توجه پژوهشگران، سازمان‌ها و صنایع گوناگون را به خود جلب کرده است. این مبحث، منجر به شکل‌گیری مشاغل گوناگونی نیز شده است؛ اغلب مشاغل حوزه علم داده، پردرآمد و جذاب هستند. افرادی که علاقه‌مند به اشتغال در حوزه علم داده هستند و با مجموعه مهارت‌های لازم برای این حوزه آشنایی دارند، می‌دانند که زبان‌های برنامه‌نویسی «پایتون» (Python) و «آر» (R) دو مورد از محبوب‌ترین و توانمندترین زبان‌ها برای تحلیل داده محسوب می‌شوند.
بیشتر...
Digital Image Processing Python and OpenCV
تلفیق پایتون و OpenCV، علاوه بر توانمندی های گسترده و چشم گیر خود، از یادگیری آسان و مناسبی برای فراگیری افرادی که در ابتدای مسیر پردازش تصویر و کدنویسی هستند نیز برخوردار است. OpenCV (بینایی ماشین متن باز) یک کتابخانه متن باز شامل بیش از صدها الگوریتم بهینه سازی شده به زبان C و C++ برای تحلیل تصویر و ویدیو است، که از زمان معرفی آن در سال ۱۹۹۹، به میزان زیادی از سوی جامعه محققین و توسعه دهندگان بینایی ماشین به عنوان ابزار توسعه پایه پذیرفته شده است.
بیشتر...
Big Data with Hadoop
در دوره آموزشی مفاهیم بنیادی پردازش و مدیریت کلان داده ها، ابزار ها و تکنیک های پایه ای در جمع آوری، آماده سازی، پاکسازی، تحلیل و مدیریت داده های کلان مبتنی بر روش های توزیع شده بررسی خواهند شد.
هدف این دوره آموزشی پرداختن به مباحث پایه ای در حوزه ابزارهای اکوسیستم هادوپ جهت احراز نیازمندی های مشاغل Data Engineer و Data Scientist و همچنین پوشش مطالب بنیادی کلان داده و اکوسیستم هادوپ جهت احراز نیازمندی های لازم برای Hadoop Administration و Data Administration می باشد.
بیشتر...
Big Data with Spark
اسپارک Spark تکنولوژی ذخیره سازی داده های حجیم در پایگاه های nosql است.
اسپارک Spark یک موتور پردازشی توزیع شده و درون حافظه ای است که با هدف استفاده حداکثری از مموری برای کوئری و تحلیل داده به وجود آمده است. اسپارک قابلیت بسیار بالایی در پردازش داده ها با استفاده از یادگیری ماشین دارد. برخی از فعالین این حوزه مدعی هستند که سرعت پردازش آپاچی اسپارک چیزی در حدود ۱۰۰ برابر بیشتر از هدوپ است. اسپارک نیز مانند هدوپ قابلیت استفاده از ETL و یکپارچه کردن دیتا را دارد.
بیشتر...
Prolog
زبان Prolog یک زبان برنامه نویسی منطقی و تکراری و هوش مصنوعی است. نام Prolog مختصر عبارت PROgramming in LOGic است.
زبان Prolog نمونه اصلی از زبان برنامه نویسی نسل چهارم است که از پارادایم برنامه نویسی اعلام شده پشتیبانی می کند.
در این دوره آموزش با زبان Prolog به طور کامل اشنا خواهید شد.
بیشتر...