فلش‌کارت‌های آموزشی آموزش جامع Azure AI Studio و OpenAI Studio با Python برای علم داده و یادگیری ماشین

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره آموزش جامع Azure AI Studio و OpenAI Studio با Python برای علم داده و یادگیری ماشین

موضوع کلی: هوش مصنوعی و علم داده

موضوع میانی: توسعهٔ برنامه‌های کاربردی با استفاده از مدل‌های زبانی بزرگ

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر علم داده و هوش مصنوعی در ایران
• 2. آشنایی با Azure AI Studio و پتانسیل‌های آن
• 3. مبانی یادگیری ماشین و کاربردهای آن
• 4. مقدمه‌ای بر مدل‌های زبانی بزرگ (LLMs)
• 5. آشنایی با OpenAI Studio و خدمات آن
• 6. نصب و پیکربندی محیط توسعه Python
• 7. کار با Azure AI Studio برای پروژه‌های علم داده
• 8. مفاهیم پایه‌ای توسعه برنامه‌های کاربردی با AI
• 9. استفاده از Python SDK در Azure AI Studio
• 10. مقدمه‌ای بر پردازش زبان طبیعی (NLP)
• 11. کار با مدل‌های زبانی پایه در OpenAI
• 12. توسعه اولین برنامه کاربردی با LLMs
• 13. مبانی تحلیل داده با Python
• 14. کتابخانه‌های کلیدی علم داده در Python (NumPy, Pandas)
• 15. تجسم داده‌ها با Matplotlib و Seaborn
• 16. مقدمه‌ای بر یادگیری عمیق
• 17. شبکه‌های عصبی و مفاهیم پایه
• 18. کار با Azure Machine Learning Designer
• 19. مقدمه‌ای بر مدل‌های زبانی تخصصی
• 20. استفاده از Azure OpenAI Service
• 21. تنظیم دقیق (Fine-tuning) مدل‌های زبانی
• 22. توسعه ربات‌های گفتگو (Chatbots) با AI
• 23. مدیریت داده‌ها در Azure AI Studio
• 24. اصول مهندسی ویژگی (Feature Engineering)
• 25. مقدمه‌ای بر یادگیری تقویتی
• 26. کاربرد LLMs در تولید محتوا
• 27. توسعه برنامه‌های کاربردی مبتنی بر متن
• 28. اصول ارزیابی مدل‌های زبانی
• 29. مقدمه‌ای بر معماری‌های ترنسفورمر
• 30. کار با Embeddings و Vector Databases
• 31. توسعه سیستم‌های توصیه‌گر با AI
• 32. مبانی تحلیل سری‌های زمانی
• 33. کاربرد AI در تشخیص الگو
• 34. اصول امنیت در برنامه‌های AI
• 35. مقدمه‌ای بر مدل‌های مولد (Generative Models)
• 36. استفاده از Azure AI Vision
• 37. توسعه برنامه‌های کاربردی با پردازش تصویر
• 38. مقدمه‌ای بر پردازش گفتار
• 39. کاربرد AI در اتوماسیون فرآیندها
• 40. اخلاق در هوش مصنوعی و داده‌ها
• 41. مبانی داده‌کاوی و کشف دانش
• 42. کار با Azure AI Search
• 43. توسعه برنامه‌های کاربردی با جستجوی هوشمند
• 44. مقدمه‌ای بر یادگیری ناظر (Supervised Learning)
• 45. یادگیری بدون ناظر (Unsupervised Learning)
• 46. کاربرد AI در تحلیل احساسات
• 47. مدیریت پروژه‌های علم داده در Azure
• 48. اصول نمونه‌سازی سریع (Prototyping)
• 49. مقدمه‌ای بر مدل‌های گراف (Graph Models)
• 50. استفاده از Azure AI Content Safety
• 51. توسعه برنامه‌های کاربردی امن و مطمئن
• 52. مبانی استنتاج آماری
• 53. تکنیک‌های پیش‌پردازش داده‌ها
• 54. کار با Azure AI Language
• 55. توسعه برنامه‌های کاربردی با تحلیل زبان
• 56. مقدمه‌ای بر مدل‌های پیش‌بینی
• 57. کاربرد AI در بهینه‌سازی
• 58. اصول انتخاب مدل مناسب
• 59. مقدمه‌ای بر شبکه‌های مولد تخاصمی (GANs)
• 60. استفاده از Azure AI Document Intelligence
• 61. توسعه برنامه‌های کاربردی برای استخراج اطلاعات
• 62. مبانی مدل‌سازی پیشرفته
• 63. کار با Azure AI Speech
• 64. توسعه برنامه‌های کاربردی برای تبدیل متن به گفتار
• 65. مقدمه‌ای بر یادگیری چند-وظیفه‌ای
• 66. کاربرد AI در تشخیص ناهنجاری
• 67. اصول اعتبارسنجی و آزمون مدل
• 68. مقدمه‌ای بر یادگیری انتقالی (Transfer Learning)
• 69. استفاده از Azure AI Translator
• 70. توسعه برنامه‌های کاربردی برای ترجمه ماشینی
• 71. مبانی مدل‌های توالی (Sequence Models)
• 72. کار با Azure AI Personalizer
• 73. توسعه برنامه‌های کاربردی شخصی‌سازی شده
• 74. مقدمه‌ای بر یادگیری فدرال (Federated Learning)
• 75. کاربرد AI در حوزه سلامت (با رعایت پروتکل‌ها)
• 76. اصول مقیاس‌پذیری برنامه‌های AI
• 77. مقدمه‌ای بر مدل‌های توضیح‌پذیر (Explainable AI)
• 78. استفاده از Azure AI Studio برای استقرار مدل
• 79. توسعه برنامه‌های کاربردی با قابلیت توضیح‌پذیری
• 80. مبانی تحلیل شبکه‌های اجتماعی
• 81. کار با Azure AI Content Moderator
• 82. توسعه برنامه‌های کاربردی برای مدیریت محتوا
• 83. مقدمه‌ای بر یادگیری ترکیبی (Hybrid Learning)
• 84. کاربرد AI در حوزه مالی (با رعایت چارچوب بانکداری بدون ربا)
• 85. اصول نظارت بر عملکرد مدل‌ها
• 86. مقدمه‌ای بر مدل‌های مبتنی بر دانش
• 87. استفاده از Azure AI Services برای توسعه
• 88. توسعه برنامه‌های کاربردی با استفاده از APIها
• 89. مبانی مدل‌سازی پیشرفته در علم داده
• 90. کار با Azure AI Studio برای آموزش مدل‌های تخصصی
• 91. توسعه برنامه‌های کاربردی با تمرکز بر امنیت داده‌ها
• 92. مقدمه‌ای بر مدل‌های یادگیری عمیق پیشرفته
• 93. کاربرد AI در آموزش (با رعایت چارچوب‌های رسمی)
• 94. اصول بهینه‌سازی و تنظیم مدل‌ها
• 95. مقدمه‌ای بر هوش مصنوعی توضیحی (XAI)
• 96. استفاده از Azure AI Studio برای ارزیابی جامع
• 97. توسعه برنامه‌های کاربردی برای حل مسائل پیچیده
• 98. مبانی مدل‌سازی در دنیای واقعی
• 99. کار با Azure OpenAI Service برای تطبيقات پیشرفته
• 100. توسعه برنامه‌های کاربردی با تمرکز بر داده‌های حجیم