کتاب اصول کلیدی هوش مصنوعی قابل اعتماد

انتخاب پلن

افزودنی‌های اختیاری

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 62,488 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره اصول کلیدی هوش مصنوعی قابل اعتماد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: هوش مصنوعی قابل اعتماد (Trustworthy AI)

📋 سرفصل‌های دوره

  • 1. مفهوم هوش مصنوعی قابل اعتماد و ضرورت آن
  • 2. ابعاد اصلی Trustworthy AI
  • 3. تفاوت هوش مصنوعی قابل اعتماد با هوش مصنوعی مسئولانه
  • 4. اصول اخلاقی در طراحی و توسعه سامانه‌های هوش مصنوعی
  • 5. حاکمیت و پاسخ‌گویی در سامانه‌های AI
  • 6. شفافیت در چرخه عمر سیستم‌های هوش مصنوعی
  • 7. قابلیت توضیح‌پذیری مدل‌های هوش مصنوعی
  • 8. تفاوت شفافیت، تفسیرپذیری و توضیح‌پذیری
  • 9. قابلیت ردیابی تصمیم‌های مدل
  • 10. عدالت و انصاف الگوریتمی
  • 11. انواع سوگیری در داده‌ها و مدل‌های AI
  • 12. شناسایی و اندازه‌گیری سوگیری الگوریتمی
  • 13. کاهش سوگیری در داده‌های آموزشی
  • 14. کاهش سوگیری در فرایند آموزش مدل
  • 15. ارزیابی عدالت در خروجی مدل‌ها
  • 16. حریم خصوصی در سامانه‌های هوش مصنوعی
  • 17. اصول حفاظت از داده در توسعه مدل‌های AI
  • 18. ناشناس‌سازی و کمینه‌سازی داده
  • 19. حملات و نشت اطلاعات از مدل‌های هوش مصنوعی
  • 20. یادگیری فدرال برای حفاظت از حریم خصوصی
  • 21. امنیت مدل‌های هوش مصنوعی
  • 22. تهدیدهای امنیتی در چرخه عمر مدل
  • 23. حملات خصمانه و Adversarial Attacks
  • 24. مقاومت مدل در برابر ورودی‌های مخرب
  • 25. امنیت زنجیره تأمین مدل و داده
  • 26. مقاوم‌سازی مدل در برابر دستکاری
  • 27. پایداری و Robustness مدل‌های هوش مصنوعی
  • 28. تفاوت Robustness با دقت مدل
  • 29. آزمون عملکرد مدل در شرایط غیرعادی
  • 30. مدیریت تغییر توزیع داده‌ها و Distribution Shift
  • 31. مقابله با داده‌های خارج از توزیع
  • 32. قابلیت اطمینان و Reliability مدل
  • 33. کالیبراسیون احتمال و میزان اطمینان مدل
  • 34. تشخیص عدم قطعیت در پیش‌بینی‌های AI
  • 35. مدیریت خطا و شکست مدل
  • 36. نظارت انسانی بر تصمیم‌های هوش مصنوعی
  • 37. Human-in-the-Loop در سامانه‌های AI
  • 38. تعیین سطح مناسب مداخله انسانی
  • 39. طراحی سازوکارهای تأیید و بازبینی تصمیم‌ها
  • 40. قابل‌کنترل‌بودن و کنترل‌پذیری سامانه‌های AI
  • 41. هم‌راستایی اهداف مدل با اهداف انسانی
  • 42. مدیریت رفتارهای ناخواسته مدل
  • 43. ارزیابی ریسک در سامانه‌های هوش مصنوعی
  • 44. شناسایی و طبقه‌بندی ریسک‌های AI
  • 45. تحلیل ریسک پیش از استقرار مدل
  • 46. پایش ریسک پس از استقرار
  • 47. مدیریت ریسک در چرخه عمر AI
  • 48. اعتبارسنجی و آزمون مدل پیش از استقرار
  • 49. طراحی معیارهای ارزیابی Trustworthy AI
  • 50. آزمون عملکرد و ایمنی مدل
  • 51. آزمون سناریوهای مرزی و بحرانی
  • 52. Red Teaming برای ارزیابی سامانه‌های AI
  • 53. پایش مستمر مدل پس از استقرار
  • 54. تشخیص افت عملکرد و Model Drift
  • 55. ثبت رویدادها و لاگ‌های تصمیم‌گیری مدل
  • 56. مستندسازی مدل‌ها و فرایند توسعه
  • 57. Model Cards و کاربرد آن‌ها
  • 58. Datasheets for Datasets و مستندسازی داده
  • 59. مستندسازی محدودیت‌ها و موارد عدم استفاده
  • 60. قابلیت حسابرسی سامانه‌های هوش مصنوعی
  • 61. تخصیص مسئولیت میان توسعه‌دهندگان و بهره‌برداران
  • 62. حاکمیت داده و حاکمیت مدل
  • 63. مدیریت دسترسی و کنترل استفاده از مدل
  • 64. استانداردها و چارچوب‌های Trustworthy AI
  • 65. اصول مدیریت ریسک هوش مصنوعی
  • 66. پیاده‌سازی فرایند ارزیابی اثرات AI
  • 67. ارزیابی تأثیرات اخلاقی و اجتماعی مدل
  • 68. طراحی چرخه عمر قابل اعتماد برای مدل‌های AI
  • 69. Trustworthy AI در مدل‌های زبانی بزرگ
  • 70. سوگیری و انصاف در مدل‌های زبانی بزرگ
  • 71. توهم‌زایی و قابلیت اعتماد پاسخ‌های مدل زبانی
  • 72. شفافیت و توضیح‌پذیری در مدل‌های زبانی بزرگ
  • 73. امنیت و حملات Prompt Injection
  • 74. حفاظت از داده و حریم خصوصی در LLMها
  • 75. ارزیابی ایمنی و قابلیت اعتماد خروجی LLM
  • 76. حاکمیت و نظارت انسانی بر کاربرد LLM
  • 77. طراحی چک‌لیست عملی برای ارزیابی Trustworthy AI
  • 78. مطالعه موردی ارزیابی یک سامانه هوش مصنوعی قابل اعتماد

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.