دوره Artificial Intelligence Foundations: Thinking Machines از LinkedIn Learning در نسخهٔ 2023-10، یک نقشه راه کامل برای آشنایی با اصول بنیادین هوش مصنوعی و چگونگی طراحی و پیاده‌سازی ماشین‌های متفکر ارائه می‌دهد. در این مقاله به جزئیات سرفصل‌ها، پیش‌نیازها، مزایا و مثال‌های عملی می‌پردازیم و به شما کمک می‌کنیم تا نهایت بهره را از این آموزش رایگان ببرید.

• مفاهیم پایهٔ هوش مصنوعی: تعریف AI، تفاوت آن با یادگیری ماشین و یادگیری عمیق.
• ساختار شبکه‌های عصبی: نود، لایه‌ها، توابع فعال‌سازی و معماری‌های مرسوم.
• الگوریتم‌های یادگیری نظارت‌شده و بدون نظارت: رگرسیون خطی، درخت تصمیم، k-نزدیک‌ترین همسایه و خوشه‌بندی.
• پردازش زبان طبیعی (NLP): تجزیه و تحلیل احساسات، استخراج اطلاعات و چت‌بات‌های پایه.
• چشم‌انداز اخلاقی و چالش‌های AI: مباحث حریم خصوصی، تعصب الگوریتمی و پیامدهای اجتماعی.
• کاربردهای عملی: شبیه‌سازی بازی، تشخیص تصویر، توصیه‌گرها و اتوماسیون فرآیندها.

برای موفقیت در این دوره پیشنهاد می‌شود:

• آشنایی حداقلی با زبان‌های برنامه‌نویسی مانند Python یا R.
• درک پایه‌ای از ریاضیات: جبر خطی، آمار و احتمال.
• توانایی کار با محیط‌های توسعه مثل Jupyter Notebook.
• علاقه و انگیزه به یادگیری مفاهیم نوین هوش مصنوعی.

• دسترسی رایگان: بدون محدودیت پرداخت، می‌توانید به تمام ویدیوها و منابع دسترسی داشته باشید.
• ساختار گام‌به‌گام: از اصول مقدماتی تا مباحث پیشرفته، هر درس با تکیه بر مثال‌های عملی تدوین شده است.
• پروژه‌های عملی: ایجاد یک چت‌بات ساده، مدل تشخیص تصویر و تحلیل احساسات در داده‌های متنی.
• منابع تکمیلی: فایل‌های کد، اسلایدها و تمرین‌های کاربردی برای تثبیت یادگیری.
• گواهی پایان دوره: پس از اتمام، گواهینامه معتبر LinkedIn Learning را دریافت خواهید کرد.

دوره به چهار بخش اصلی تقسیم شده که در هر بخش مباحث کلیدی و تمرین‌های مرتبط ارائه می‌شود:

• بخش اول: معرفی هوش مصنوعی
  • تاریخچه و تعاریف
  • کاربردهای واقعی در صنعت و خدمات
• بخش دوم: مبانی یادگیری ماشین
  • الگوریتم‌های یادگیری نظارت‌شده
  • الگوریتم‌های بدون نظارت
• بخش سوم: شبکه‌های عصبی و یادگیری عمیق
  • معماری پرسپترون چندلایه
  • شبکه‌های کانولوشنی و بازگشتی
• بخش چهارم: پروژه‌های عملی و آینده‌پژوهی
  • ساخت یک چت‌بات به کمک NLP
  • تشخیص اشیاء در تصاویر با استفاده از CNN
  • بحث درباره روندهای آینده و مسئولیت‌های اخلاقی

در هر فصل، مثال‌هایی گام به گام ارائه شده که در ادامه به دو نمونه اشاره می‌کنیم:

• تشخیص احساس در توییت‌ها: با استفاده از بسته‌های NLTK و scikit-learn، مدلی می‌سازید که مثبت یا منفی بودن متن را تشخیص دهد.
• تشخیص دست‌نویس: با بهره‌گیری از داده‌های MNIST و شبکه‌های کانولوشنی، یک مدل ساده طراحی می‌کنید که ارقام دست‌نویس را طبقه‌بندی کند.

برای دریافت این دوره به صورت رایگان کافی است:

1. وارد وب‌سایت LinkedIn Learning شوید.
2. یک حساب کاربری رایگان بسازید یا وارد حساب فعلی شوید.
3. به بخش Artificial Intelligence Foundations: Thinking Machines مراجعه و نسخهٔ 2023-10 را انتخاب کنید.
4. ویدیوها و منابع را دانلود یا آنلاین مشاهده کنید.

با این روش، تمامی ویدیوها، فایل‌های تمرینی و گواهی پایان دوره در دسترس شما خواهد بود.

دوره «مبانی هوش مصنوعی – ماشین‌های متفکر» یک فرصت عالی برای ورود به دنیای پیچیده و جذاب AI است. این دوره با ساختار منظم، مثال‌های عملی و پشتیبانی منابع تکمیلی، مسیر یادگیری را برای دانشجویان، توسعه‌دهندگان و علاقه‌مندان حرفه‌ای هموار می‌کند. با دانلود رایگان این دوره، می‌توانید مهارت‌های خود را ارتقاء دهید و در پروژه‌های واقعی با اطمینان بیشتری شرکت کنید.