مفاهیم پایه هوش مصنوعی و یادگیری ماشین
| مدرس: دکتر مریم رمضانی | دوره: هوش مصنوعی |
| زمان ارائه: TBD | گواهینامه: رسمی |
هدف کلی
هدف این بخش، آشنایی ساده و شهودی با مفاهیم بنیادی هوش مصنوعی، یادگیری ماشین و یادگیری عمیق در قالب مثالهای واقعی است. فراگیران در این بخش میآموزند که مدلهای هوشمند چگونه با دادهها آموزش میبینند، تفاوت روشهای یادگیری در چیست و چگونه میتوان خطاهای رایج مدلها را شناسایی کرد. این مباحث به مخاطب کمک میکند تا بدون نیاز به دانش برنامهنویسی، منطقِ پشت رفتارهای هوش مصنوعی را درک کند.
سرفصلها
- هوش مصنوعی چیست؟
- تعریف ساده هوش مصنوعی
- چرا به هوش مصنوعی نیاز داریم؟
- تفاوت هوش مصنوعی با نرمافزارهای معمولی
- نمونههایی از هوش مصنوعی در زندگی روزمره
- تصورهای درست و نادرست درباره هوش مصنوعی
- یادگیری ماشین چیست؟
- مفهوم یادگیری ماشین به زبان ساده
- تفاوت یادگیری ماشین با برنامهنویسی سنتی
- مثالهای ساده از یادگیری از داده
- نقش داده در آموزش مدلها
- اینکه مدل چگونه الگوها را یاد میگیرد
- یادگیری عمیق چیست؟
- تعریف ساده یادگیری عمیق
- ارتباط یادگیری عمیق با شبکههای عصبی
- چرا یادگیری عمیق در بعضی مسائل بهتر عمل میکند؟
- تفاوت یادگیری عمیق با یادگیری ماشین معمولی
- نمونههایی از کاربرد یادگیری عمیق در تصویر، صوت و زبان
- مدلهای هوش مصنوعی چگونه کار میکنند؟
- داده ورودی و خروجی در مدلهای هوش مصنوعی
- مفهوم آموزش مدل به زبان ساده
- نقش پیشبینی در هوش مصنوعی
- تفاوت یادگیری از مثال و تصمیمگیری دستی
- آشنایی با خطا و بهبود مدل
- انواع یادگیری در هوش مصنوعی
- یادگیری با نظارت
- یادگیری بدون نظارت
- یادگیری نیمهنظارتی
- یادگیری تقویتی
- مثالهای روزمره برای هر نوع یادگیری
ارزیابی
- سوالات چندگزینهای پایان هر بخش
منابع
- Andrew Ng. AI for Everyone. DeepLearning. AI, 2019.
- Melissa Barrera, H. James Wilson. The AI-Savvy Leader. Harvard Business Review Press, 2024.
- John Paul Mueller, Luca Massaron. Artificial Intelligence For Dummies. Wiley, 2021.
- Michael Wooldridge. A Brief History of Artificial Intelligence. Flatiron Books, 2021.
- Bernard Marr. Artificial Intelligence in Practice. Wiley, 2019.