۱. آشنایی با مبانی هوش مصنوعی
- مباحث: تاریخچه و تعاریف هوش مصنوعی، یادگیری ماشین، شبکههای عصبی، و یادگیری عمیق.
- هدف: فهم مفاهیم کلیدی و آشنایی با کاربردهای مختلف AI.
۲. ریاضیات و آمار مورد نیاز
- مباحث: جبر خطی، آمار و احتمالات پایه، بهینهسازی.
- هدف: درک بهتر مبانی ریاضی مورد نیاز برای مدلهای یادگیری ماشین.
۳. شروع با یادگیری ماشین
- مباحث: الگوریتمهای یادگیری نظارتشده و بدون نظارت، رگرسیون خطی و لجستیک، درختهای تصمیم.
- هدف: ساخت و ارزیابی مدلهای اولیه یادگیری ماشین.
۴. یادگیری عمیق و شبکههای عصبی
- مباحث: مبانی شبکههای عصبی، پرسپترونها، شبکههای عصبی چند لایه (MLP).
- ابزارها: استفاده از کتابخانههایی مثل TensorFlow و PyTorch.
- هدف: درک معماریهای مختلف شبکههای عصبی و پیادهسازی آنها.
۵. پروژههای عملی و تمرینها
- پروژهها: ساخت یک مدل دستهبندی تصویر یا پیشبینی متن.
- هدف: بهکارگیری آموختهها در پروژههای واقعی.
آخرین دیدگاهها