کورس یادگیری موفق شدن در هوش مصنوعی

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 : Oreilly - Succeeding with AI video edition

سرفصل ها :

1 - فصل 1. مقدمه
2 - فصل 1. هوش مصنوعی و عصر پیاده سازی
3 - فصل 1. یادگیری ماشینی از 10000 فوت
4 - فصل 1. با درک اقدامات ممکن تجاری شروع کنید
5 - فصل 1. هوش مصنوعی همبستگی ها را پیدا می کند نه علل!
6 - فصل 1. CLUE چیست
7 - فصل 1. تمرینات
8 - فصل 2. چگونه از هوش مصنوعی در تجارت خود استفاده کنید
9 - فصل 2. هوش مصنوعی چگونه استفاده می شود
10 - فصل 2. کسب درآمد با هوش مصنوعی
11 - فصل 2. یافتن اقدامات دامنه
12 - فصل 2. هوش مصنوعی به عنوان بخشی از یک محصول بزرگتر
13 - فصل 2. مروری بر قابلیت های هوش مصنوعی
14 - فصل 2. معرفی تک شاخ ها
15 - فصل 2. تمرینات
16 - فصل 3. انتخاب اولین پروژه هوش مصنوعی
17 - فصل 3. اولویت بندی پروژه های هوش مصنوعی
18 - فصل 3. اندازه گیری موفقیت پروژه هوش مصنوعی با معیارهای تجاری
19 - فصل 3. اولین پروژه و اولین سوال تحقیق شما
20 - فصل 3. دام هایی که باید اجتناب کرد
21 - فصل 3. استفاده از احساس روده به جای CLUE
22 - فصل 4. پیوند تجارت و فناوری
23 - فصل 4. پیوند مسائل تجاری و سوالات تحقیق
24 - فصل 4. معیاری که نمی‌دانید یک معیار تجاری ضعیف است
25 - فصل 4. اندازه گیری پیشرفت در پروژه های هوش مصنوعی
26 - فصل 4. پیوند پیشرفت فنی با یک معیار تجاری
27 - فصل 4. چرا این در دانشگاه تدریس نمی شود
28 - فصل 4. ملاحظات سازمانی
29 - فصل 5. خط لوله ML چیست و چگونه بر پروژه هوش مصنوعی تأثیر می گذارد
30 - فصل 5. اشتراک های سیستم هوش مصنوعی را با یک سیستم نرم افزاری سنتی به چالش می کشد
31 - فصل 5. نمونه ای از استخوان سازی خط لوله ML
32 - فصل 5. نحوه رسیدگی به استخوان بندی خط لوله ML
33 - فصل 5. چرا باید خط لوله ML را تجزیه و تحلیل کنیم
34 - فصل 5. نقش روش های هوش مصنوعی چیست؟
35 - فصل 5. تعادل داده ها، روش های هوش مصنوعی و زیرساخت
36 - فصل 6. تجزیه و تحلیل خط لوله ML
37 - فصل 6. صرفه جویی در منابع - بخش E از CLUE
38 - فصل 6. نحوه تفسیر نتایج تحلیل MinMax
39 - فصل 6. اگر خط لوله ML شما نیاز به بهبود داشته باشد چه می شود
40 - فصل 6. نحوه انجام تجزیه و تحلیل خط لوله ML
41 - فصل 6. انجام قسمت Max از تحلیل MinMax
42 - فصل 6. برآوردها و عوامل ایمنی در تحلیل MinMax
43 - فصل 6. برخورد با منحنی های سود پیچیده
44 - فصل 6. سوالات متداول در مورد تجزیه و تحلیل MinMax
45 - فصل 7. هدایت پروژه هوش مصنوعی به سمت موفقیت
46 - فصل 7. انجام تحلیل حساسیت موضعی
47 - فصل 7. ما CLUE را تکمیل کردیم
48 - فصل 7. روش های پیشرفته برای تجزیه و تحلیل حساسیت
49 - فصل 7. نحوه رسیدگی به تعاملات بین مراحل خط لوله ML
50 - فصل 7. یک اعتراض رایج که ممکن است با آن روبرو شوید
51 - فصل 7. نحوه تجزیه و تحلیل مرحله ای که داده ها را تولید می کند
52 - فصل 7. چگونه پروژه هوش مصنوعی شما در طول زمان تکامل می یابد
53 - فصل 7. نتیجه گیری پروژه هوش مصنوعی شما
54 - فصل 8. روندهای هوش مصنوعی که ممکن است بر شما تأثیر بگذارد
55 - فصل 8. هوش مصنوعی در سیستم های فیزیکی
56 - فصل 8. دستگاه های اینترنت اشیا و سیستم های هوش مصنوعی باید به خوبی با هم بازی کنند
57 - فصل 8. هوش مصنوعی علیت را نمی آموزد، فقط همبستگی ها را یاد می گیرد
58 - فصل 8. خطاهای هوش مصنوعی چه تفاوتی با اشتباهات انسانی دارند
59 - فصل 8. AutoML نزدیک است
60 - فصل 8. هدایت هوش مصنوعی به نتایج کسب و کار
61 - ضمیمه ب راهکارهای تمرین
62 - ضمیمه ب پاسخ تمرینات فصل 2
63 - ضمیمه ب پاسخ تمرینات فصل 3
64 - ضمیمه ب پاسخ تمرینات فصل 6
65 - ضمیمه ب پاسخ تمرینات فصل 7