اکسپرس 24
کتاب تکنیک‌های فنی برای هوش مصنوعی قابل اعتماد

کتاب تکنیک‌های فنی برای هوش مصنوعی قابل اعتماد

تگ‌ها: Adversarial_Robustness AI_Safety Differential_Privacy Explainable_AI RLHF Trustworthy_AI ارزیابی_و_بازرسی_هوش_مصنوعی ایمنی_هوش_مصنوعی بیاسازی_و_عدالت تفسیرپذیری_مدل تکنیک‌های_فنی_هوش_مصنوعی حریم_خصوصی_تفاضلی مدل‌های_زبانی_بزرگ مقاومت_خصمانه هوش_مصنوعی_قابل_اعتماد

انتخاب پلن

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 تکنیک‌های فنی برای هوش مصنوعی قابل اعتماد

موضوع کلی: هوش مصنوعی و مدل‌های زبانی بزرگ

موضوع میانی: هوش مصنوعی قابل اعتماد (Trustworthy AI)

📋 سرفصل‌های دوره

  • 1. مقدمه بر هوش مصنوعی قابل اعتماد: تعریف، ابعاد و چارچوب‌های کلی
  • 2. محدوده و تهدیدات اعتمادپذیری در سیستم‌های هوش مصنوعی
  • 3. چشم‌انداز نظارتی و اخلاقی هوش مصنوعی قابل اعتماد
  • 4. سنجش و ارزیابی اعتمادپذیری: شاخص‌ها و معیارهای کمّی
  • 5. بیاسازی در یادگیری ماشین: علل، انواع و مسیرهای ایجاد آن
  • 6. شناسایی و اندازه‌گیری تعصب در داده‌های آموزشی
  • 7. معیارهای عدالت در مدل‌های پیش‌بینی‌کننده و طبقه‌بندی
  • 8. روش‌های پیش‌پردازش برای کاهش بیاسازی داده
  • 9. محدودیت‌های عدالت در فرایند آموزش مدل‌ها
  • 10. روش‌های پس‌پردازش برای تولید پیش‌بینی‌های منصفانه
  • 11. یادگیری نمایش خالص‌شده با حفظ عدالت
  • 12. عدالت تقاطعی و چندگروهی در سیستم‌های هوش مصنوعی
  • 13. رویکردهای علّی برای عدالت در مدل‌های یادگیری ماشین
  • 14. عدالت در سیستم‌های رتبه‌بندی و پیشنهادگری
  • 15. پیاده‌سازی عملکردی ابزارهای عدالت‌سنجی مانند Fairlearn و AIF360
  • 16. مبانی تفسیرپذیری مدل‌ها در یادگیری عمیق
  • 17. مدل‌های ذاتاً قابل تفسیر در مقابل توضیحات پس‌از-باز
  • 18. روش‌های اهمیت ویژگی: SHAP، LIME و permutational importance
  • 19. مکانیزم‌های توجه به عنوان ابزار توضیح‌پذیری در ترنسفورمرها
  • 20. توضیحات مبتنی بر مفهوم و مدل‌های گلوگاه مفهومی
  • 21. توضیحات ضدواقعی برای تصمیمات هوش مصنوعی
  • 22. پراپاگاسیون مرتبط لایه‌ای و روش‌های مبتنی بر گرادیان
  • 23. تفسیرپذیری مدل‌های شبکه‌های عصبی گرافی و مدل‌های ساختاری
  • 24. ارزیابی کیفیت و وفاداری توضیحات تولیدشده
  • 25. ارزیابی متمرکز بر انسان برای توضیحات هوش مصنوعی
  • 26. توضیح‌پذیری در مدل‌های زبانی بزرگ و تولید متن
  • 27. تولید خودکار توضیحات طبیعی‌زبان برای سیستم‌های هوش مصنوعی
  • 28. حملات خصمانه بر مدل‌های یادگیری عمیق: نوع و روش‌شناسی
  • 29. آموزش مقاوم و بهینه‌سازی در برابر ورودی‌های خصمانه
  • 30. مقاومت تأییدشده و تسویه تصادفی برای دفاع در برابر حملات
  • 31. تقطیر دفاعی و سخت‌سازی مدل در برابر ورودی‌های آلوده
  • 32. معماری‌های آزمون‌بک و معیارهای سنجش مقاومت
  • 33. تشخیص خارج از توزیع و تعیین عدم‌قطعیت
  • 34. سوءهم‌سازی توزیع و سازگاری حوزه برای مقاومت
  • 35. حملات خصمانه متنی و مقاومت مدل‌های پردازش زبان طبیعی
  • 36. حملات بک‌دور و تشخیص تروران در شبکه‌های عصبی
  • 37. آلودگی داده و تشخیص و پیشگیری از حملات سمّی
  • 38. مقاومت مدل‌های پایه و مدل‌های زبانی بزرگ در برابر حملات
  • 39. سناریوهای تهدید حریم خصوصی در سیستم‌های هوش مصنوعی
  • 40. مبانی حریم خصوصی تفاضلی و مکانیزم‌های خصوصی
  • 41. یادگیری تفاضلی تصادفی با گرادیان (DP-SGD)
  • 42. یادگیری فدرال و آموزش توزیع‌شده با حفظ حریم خصوصی
  • 43. رمزگذاری همومورفیک برای استنتاج هوش مصنوعی
  • 44. محاسبات چندطرفه‌ای امن در یادگیری ماشین
  • 45. تولید داده‌های مصنوعی با حفظ حریم خصوصی
  • 46. حملات استنتاج عضویت و برعکس‌سازی مدل
  • 47. بودجه‌های حریم خصوصی و قضیه ترکیب در سیستم‌های واقعی
  • 48. حریم خصوصی در مدل‌های زبانی بزرگ و به‌خاطر‌سپردن داده
  • 49. پیاده‌سازی عملی سیستم‌های یادگیری ماشین با حفظ حریم خصوصی
  • 50. تعریف و چالش‌های ایمنی هوش مصنوعی
  • 51. هم‌راستایی ارزشی و مشکل هم‌راستایی در هوش مصنوعی
  • 52. یادگیری تقویتی با بازخورد انسانی (RLHF)
  • 53. هوش مصنوعی قانون‌مند و ارزیابی مبتنی بر اصول
  • 54. تیم قرمز و آزمون‌های خصمانه سیستم‌های هوش مصنوعی
  • 55. نظارت مقیاس‌پذیر و روش‌های تقویت‌کننده
  • 56. قابلیت تفسیر مکانیکی برای هم‌راستایی مدل‌های بزرگ
  • 57. هدایت و کنترل مدل‌های زبانی بزرگ
  • 58. ارزیابی ایمنی و معیارهای سنجش مدل‌های زبانی بزرگ
  • 59. تشخیص محتوای سمّی، اطلاعات نادرست و مضرات تولیدشده
  • 60. هوش مصنوعی ایمن در کاربردهای حساس: سلامت و خودروسازی
  • 61. سرقت بازگشتی و بازی مشخصه‌سازی در سیستم‌های تقویتی
  • 62. قابلیت اصلاح‌پذیری و وقفه‌پذیری در سیستم‌های هوش مصنوعی
  • 63. ارزیابی و مآلی سمعی برای سیستم‌های هوش مصنوعی
  • 64. بازرسی مدل‌های هوش مصنوعی: روش‌شناسی و عملیات
  • 65. چارچوب‌های بازرسی طرف ثالث و استانداردهای بازرسی
  • 66. مجموعه‌داده‌های معیار برای ارزیابی هوش مصنوعی قابل اعتماد
  • 67. روش‌های تست فشار و تیم قرمز برای سیستم‌های هوش مصنوعی
  • 68. کارت‌های مدل و استانداردهای مستندسازی مدل
  • 69. برگه‌های داده و حکمرانی داده در چرخه حیات هوش مصنوعی
  • 70. نظارت مستمر و تشخیص تغییر توزیع در محیط‌های تولید
  • 71. خطوط لوله خودکار آزمون عدالت و مقاومت
  • 72. تکرارپذیری و چالش‌های آن در تحقیقات هوش مصنوعی قابل اعتماد
  • 73. چارچوب‌های قانونی و نظارتی هوش مصنوعی قابل اعتماد
  • 74. استانداردهای ISO و چارچوب‌های بین‌المللی اعتمادپذیری هوش مصنوعی
  • 75. مدیریت ریسک در سیستم‌های هوش مصنوعی: ارزیابی و کاهش
  • 76. گزارش‌دهی حوادث و ساختارهای حاکمیتی هوش مصنوعی
  • 77. حکمرانی داده و ردیابی اصالت و منشأ داده‌ها
  • 78. ملکیت فکری و حکمرانی هوش مصنوعی
  • 79. مدل‌های بلوغ سازمانی برای هوش مصنوعی قابل اعتماد
  • 80. هوش مصنوعی قابل اعتماد برای مدل‌های چندحسگره
  • 81. هوش مصنوعی قابل اعتماد در مدل‌های تولیدی و مدل‌های انتشاری
  • 82. وارم‌آپینگ محتوای تولیدشده توسط هوش مصنوعی
  • 83. ردیابی اصالت و اعتبار محتوا (C2PA)
  • 84. هوش مصنوعی قابل اعتماد در پیاده‌سازی لبه و سیستم‌های محدود منابع
  • 85. همکاری انسان و هوش مصنوعی و کالیبره‌کردن اعتماد
  • 86. هوش مصنوعی قابل اعتماد برای آژانت‌های خودمختار و سیستم‌های چندآژانتی
  • 87. ملاحظات فرهنگی و بین‌المللی در هوش مصنوعی قابل اعتماد
  • 88. سنجش و کمّی‌سازی اعتماد در سیستم‌های هوش مصنوعی
  • 89. قابلیت انتقال یادگیری و انتقال اعتمادپذیری
  • 90. هوش مصنوعی متن‌باز و اعتمادپذیری به رهبری جامعه
  • 91. هوش مصنوعی برای خیر اجتماعی و سیستم‌های عادلانه
  • 92. قابلیت اعتماد در سطح سخت‌افزار و محیط‌های اجرای قابل اعتماد
  • 93. بلاکچین و تأیید صلاحیت غیرمتمرکز برای هوش مصنوعی
  • 94. هوش مصنوعی عصبی-نمادین برای استدلال قابل اعتماد
  • 95. هوش مصنوعی قابل اعتماد در کاربردهای پزشکی و علمی
  • 96. مطالعات موردی واقعی: شکست‌ها و موفقیت‌های هوش مصنوعی قابل اعتماد
  • 97. ساخت خط لوله کامل هوش مصنوعی قابل اعتماد از صفر
  • 98. ابزارها و چارچوب‌های اکوسیستم هوش مصنوعی قابل اعتماد
  • 99. جهت‌گیری‌های آینده و مسائل باز تحقیقات هوش مصنوعی قابل اعتماد
  • 100. پروژه نمونه: طراحی سیستم هوش مصنوعی قابل اعتماد از پایان

📚 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.