کورس یادگیری مبانی AI

با مشاهده این کورس آموزشی از طریق انجام پروژه های واقعی و به زبانی بسیار ساده مطالب فراوانی را در رابطه با هوش مصنوعی یاد می گیرید.

عنوان اصلی : Manning - Zero to Ai

سرفصل ها :

00001 فصل 1. مقدمه ای بر هوش مصنوعی
00002 فصل 1. موتور انقلاب هوش مصنوعی - یادگیری ماشین
00003 فصل 1. بالاخره هوش مصنوعی چیست؟
00004 فصل 1. روش تدریس ما
00005 قسمت 1. درک هوش مصنوعی
00006 فصل 2. هوش مصنوعی برای داده های کسب و کار اصلی
00007 فصل 2. استفاده از هوش مصنوعی با داده های اصلی کسب و کار
00008 فصل 2. افزودن قابلیت های هوش مصنوعی به FutureHouse
00009 فصل 2. مزیت یادگیری ماشین
00010 فصل 2. مطالعات موردی
00011 فصل 2. چگونه Square از هوش مصنوعی برای وام دادن میلیاردها به مشاغل کوچک استفاده کرد
00012 فصل 2. ارزیابی عملکرد و ریسک
00013 فصل 3. هوش مصنوعی برای فروش و بازاریابی
00014 فصل 3. پیش بینی مشتریان در حال افزایش
00015 فصل 3. استفاده از هوش مصنوعی برای افزایش نرخ تبدیل و افزایش فروش
00016 فصل 3. یادگیری یا خوشه بندی بدون نظارت
00017 فصل 3. یادگیری بدون نظارت برای تقسیم بندی مشتری
00018 فصل 3. اندازه گیری عملکرد
00019 فصل 3. گره زدن معیارهای ML به نتایج و خطرات تجاری
00020 فصل 3. مطالعات موردی
00021 فصل 3. هوش مصنوعی برای پیش بینی نیازهای مشتری - هدف
00022 فصل 4. هوش مصنوعی برای رسانه
00023 فصل 4. استفاده از هوش مصنوعی برای طبقه بندی تصاویر - یادگیری عمیق
00024 فصل 4. استفاده از یادگیری انتقال با مجموعه داده های کوچک
00025 فصل 4. استفاده از تولید محتوا و انتقال سبک
00026 فصل 4. مطالعه موردی - بهینه سازی کشاورزی با یادگیری عمیق
00027 فصل 5. هوش مصنوعی برای زبان طبیعی
00028 فصل 5. تجزیه NLP - اندازه گیری پیچیدگی
00029 فصل 5. افزودن قابلیت های NLP به سازمان شما
00030 فصل 5. تحلیل احساسات
00031 فصل 5. از تحلیل احساسات تا طبقه بندی متن
00032 فصل 5. محدوده پروژه طبقه بندی NLP
00033 فصل 5. گفتگوی طبیعی
00034 فصل 5. طراحی محصولاتی که بر محدودیت های تکنولوژی غلبه کنند
00035 فصل 5. مطالعه موردی - ترجمه شده
00036 فصل 5. سوالات موردی
00037 فصل 6. هوش مصنوعی برای مدیریت محتوا و ایجاد جامعه
00038 فصل 6. سیستم های مبتنی بر محتوا فراتر از ویژگی های ساده
00039 فصل 6. حکمت ازدحام - فیلتر مشارکتی
00040 فصل 6. توصیه ها اشتباه شد
00041 فصل 6. سیستم توصیه کننده نتفلیکس
00042 فصل 6. ارزش تجاری توصیه ها
00043 قسمت 2. هوش مصنوعی ساختمان
00044 فصل 7. آماده یافتن فرصت های هوش مصنوعی
00045 فصل 7. اختراع - جستجو برای فرصت های هوش مصنوعی
00046 فصل 7. اولویت بندی - ارزیابی پروژه های هوش مصنوعی
00047 فصل 7. اعتبارسنجی - تجزیه و تحلیل خطرات
00048 فصل 7. ساختارشکنی یک محصول هوش مصنوعی
00049 فصل 7. ترجمه یک پروژه هوش مصنوعی به شرایط مناسب برای ML
00050 فصل 7. تمرینات
00051 فصل 8. مجموعه آماده سازی فناوری داده و افراد
00052 فصل 8. داده ها را از کجا دریافت کنم
00053 فصل 8. به چه مقدار داده نیاز دارم
00054 فصل 8. کیفیت داده ها
00055 فصل 8. استخدام یک تیم هوش مصنوعی
00056 فصل 9. استراتژی اجرای هوش مصنوعی برو
00057 فصل 9. گزینه قرض - پلتفرم های ML
00058 فصل 9. استفاده از استراتژی ناب
00059 فصل 9. انجام کارها توسط خودتان - راه حل بسازید
00060 فصل 9. درک چرخه فضیلتمند هوش مصنوعی
00061 فصل 9. مدیریت پروژه های هوش مصنوعی
00062 فصل 9. وقتی هوش مصنوعی از کار می افتد
00063 فصل 9. خاطرات عاطفی
00064 فصل 10. آنچه در پیش است
00065 فصل 10. هوش مصنوعی و مشاغل
00066 فصل 10. وقتی هوش مصنوعی از کار می افتد - موارد گوشه ای و حملات خصمانه
00067 فصل 10. فرصت های هوش مصنوعی در جامعه
00068 فصل 10. فرصت های هوش مصنوعی در صنایع
00069 فصل 10. مراقبت های بهداشتی
00070 فصل 10. ساخت و ساز
00071 فصل 10. هوش مصنوعی عمومی چطور؟