مجله هوش مصنوعی شهاب
نیاز به افرادی که در زمینه های هوش مصنوعی و یادگیری ماشین علم و مهارت دارند، بیش از افراد موجود است. این موضوع بدین معنی است که یادگیری و دستیابی به صلاحیت های مورد نیاز در این حوزه ها می تواند راه بسیار خوبی برای ارتقا سطح چشم انداز های کاری شما باشد. با این وجود، هر کسی برای کسب مدرک یا دیگر صلاحیت های رسمی، پول و وقت کافی برای چندین سال درس خواندن در این رشته ها را ندارد.
امروزه، با وجود محتوا های آموزشی رایگان در اینترنت، شاید این کار لزومی نداشته باشد. دوره ها، آموزش ها و راهنما های بی شماری در اینترنت وجود دارد که دستیابی به اساس این موضوعات را به راحتی و بدون صرف هرگونه هزینه، برای شما ممکن می کند. به علاوه، شما می توانید با هر سرعتی که می خواهید در زمانی که در اختیار دارید این آموزش ها را فرا بگیرید. بعضی از این محتوا ها توسط پیشرو ترین دانشگاه های دنیا آماده شده اند در حالی که بعضی دیگر توسط افراد حرفه ای و با تجربه در این حوزه ها گرد آوری شده اند.
این دوره ها برای مخاطبین مختلف آماده شده اند؛ ممکن است شما بخواهید بیاموزید که چگونه الگوریتم های هوش مصنوعی را طراحی و کد نویسی کنید، شاید شما بخواهید ابزار های مختلف و سرویس های کار با هوش مصنوعی را فرا بگیرید یا شاید بخواهید پروژه های هوش مصنوعی را در سازمان خود مدیریت کنید. نیاز شما هرچه که باشد، در اینجا می توانید چیزی پیدا کنید که افق های شما را فراتر ببرد.
عناصر هوش مصنوعی – دانشگاه هلسینکی
این یک کلاس در سطح مبتدی می باشد که هدف آن افرادی است که می خواهند بدانند هوش مصنوعی چگونه کار می کند، چگونه می تواند روی آن ها تاثیر داشته باشد و برای چه کار هایی می تواند مورد استفاده قرار بگیرد؛ بدون وارد شدن به ریاضیات و آمار اساسی آن ها. این آموزش نشان می دهد که در عمق مفهوم این حوزه ها، لزومی ندارد که از فرصت های به وجود آمده توسط هوش مصنوعی و یادگیری ماشین سو استفاده شود، و مثال های کاربردی ارائه می کند. در اصل این آموزش فقط در فنلاند (و به زبان فنلاندی) به عنوان بخشی از اقدام دولت برای افزایش دانش مردم از هوش مصنوعی در دسترس بود، اما سال پیش این آموزش در سطح جهانی در دسترس قرار گرفت.
آموزش با هوش مصنوعی گوگل
این مجموعه از آموزش ها ، راهنما ها و منابع در چند سال اخیر بسیار پیشرفت کرده اند. در حالی که آموزش های پایه به خوبی زیربنای هوش مصنوعی را توضیح می دهند، همچنین دستور العمل هایی برای پیاده سازی هوش مصنوعی و یادگیری ماشین در چالش های اجتماعی، محیط زیست و انسان دوستانه ارائه می کند و همچنین اطلاعاتی برای چگونگی این که از اخلاقی بودن و مردم محور بودن پیاده سازی هوش مصنوعی مطمئن شویم، ارائه کرده است. این ها همه به این امر کمک می کند که چهارچوب لازم در مورد فاکتور های مختلف از نظر تکنولوژی و یا بالعکس که وقتی به این می اندیشید که هوش مصنوعی چگونه می تواند برای شما کار کند مهم هستند را، بهتر بشناسیم.
شروعی بر هوش مصنوعی – Udacity
این دوره پیش از این که وارد پیاده سازی هوش مصنوعی شود، با زیربنا های آماری و منطقی شروع می شود. سپس کاربرد های خاصی از هوش مصنوعی مانند رباتیک، بینایی ماشین و پردازش زبان طبیعی را شرح می دهد. این دوره توسط دو محقق با تجربه هوش مصنوعی ، پیتر نورویگ ( Peter Norvig ) و سباستین تران ( Sebastian Thrun ) تدریس می شود و اتمام آن حدود ۴ ماه طول می کشد.
یادگیری ماشین – دانشگاه استنفورد ( Coursera )
این دوره غالبا توسط افراد خبره ی هوش مصنوعی به عنوان مهم ترین منبع آنلاین یادگیری برای کسانی که می خواهند هوش مصنوعی را فرا بگیرند، یاد می شود. این دوره توسط اندرو انگ ( Andrew Ng ) تدریس می شود که برنامه ی یادگیری عمیق پیشرو Google Brain را پایه گذاری کرد. این دوره با آموزشی از زیربنا های ریاضیات، آمار و علوم کامپیوتر شروع می شود که به طراحی و توسعه ی ماشین های یادگیری خودکار می رسد.
هوش مصنوعی برای همه – اندرو انگ ( Coursera )
یک دوره ی دیگر از اندرو انگ؛ این دوره به طور صریح برای کسانی آماده شده است که احتیاجی به درک فنی هوش مصنوعی ندارند ولی می خواهند از هوش مصنوعی در سازمان های خود استفاده کنند یا هوش مصنوعی را توسط تیم غیر فنی خود توسعه دهند. این دوره روش کار اجرا پروژه های هوش مصنوعی را به همراه چگونگی پیاده سازی یک استراتژی حول توسعه ی هوش مصنوعی در کسب و کار را نشان می دهد.
ضروریات علوم داده و یادگیری ماشین – مایکروسافت (EdX)
در این دوره ارتباط بسیار خوبی بین این دو موضوع بر قرار شده است. بدین صورت که علوم داده زیربنای هوش مصنوعی امروزه است. اگر این واژه ها برای شما گیج کننده است، یادگیری ماشین را به عنوان روشی برای استفاده از علوم داده برای رسیدن به آنچه که شما اکنون به عنوان هوش مصنوعی می شناسید، تصور کنید. این دوره با توضیح مفاهیم هسته ی علوم داده یک دید کلی بسیار عالی به شما می دهد و سپس نشان می دهد که این مفاهیم چگونه در یادگیری ماشین استفاده می شوند.
دوره برخورد یادگیری ماشین – گوگل
یک دوره ی دیگر از گوگل، که این دوره گفته می شود که برای هر کسی که در گوگل در حوزه ی هوش مصنوعی کار می کند، الزامی است. این دوره مفاهیم اولیه هوش مصنوعی را پوشش می دهد ولی همچنین به تئوری و پیاده سازی های کاربردی تنسورفلو ( TensorFlow ) ، کتابخانه ی متن باز یادگیری عمیق گوگل که در بسیاری از سرویس ها و پروژه های هوش مصنوعی گوگل به کار می رود، می پردازد.
آموزش از داده ( یادگیری ماشین مقدماتی ) – Caltech (EdX)
این دوره ابتدا با اصول تئوری مانند “یادگیری چیست؟” و “آیا ماشین می تواند یاد بگیرد؟” شروع می شود. سپس پیاده سازی های کاربردی پیشرفته ای از جمله ساخت یادگیری ماشین برای راه اندازی شبکه های عصبی را پوشش می دهد. این دوره با هدف کمک به کسانی که می خواهند به عنوان دانشمند یا تحلیلگر داده مشغول به کار شوند آماده شده است. مانند بسیاری از دوره هایی که اینجا معرفی شده تمام محتوا آن رایگان در دسترس است ولی می توانید در نهایت ۵۰ دلار بپردازید تا مدرک آن را بگیرید.
الفبای هوش مصنوعی : بیاموزید چگونه هوش مصنوعی بسازید – Udemy
یک دوره ی دیگر که روش تقریبا متفاوتی را پیش می گیرد. در این دوره شما قدم های کاربردی و اساسی برای ساختن ماشین هایی که مساله های مختلف هوش مصنوعی در دنیای واقعی را حل می کنند، را طی خواهید کرد. مانند راندن یک خودرو یا بازی کردن یک بازی. همچنین این دوره شامل Q-learning است که نوعی از یادگیری ماشین بر اساس یادگیری تقویتی است. این الگوریتم در برنامه های روز دنیا محبوبیت زیادی به دست آورده است.
کاربرد های خلاقانه ی یادگیری عمیق با تنسورفلو – Kadenze (Class Central)
یادگیری عمیق یکی از پیشرفته ترین شاخه های هوش مصنوعی است. یادگیری عمیق در حال پیشبرد در مرز های ساختن ماشین هایی است که مانند انسان ها فکر می کنند و یاد می گیرند. این یک دوره ی دیگر است که تمرکز خود را بر روی چارچوب متن باز تنسورفلو که توسط گوگل برای یادگیری عمیق ساخته شده ، نگه داشته است. همچنین این دوره بازخورد های خوبی به دلیل ارائه ی راهنمایی های ساده و مناسب برای یک موضوع فنی پیچیده، گرفته است.
بیشتر بخوانید :
- پلاک خوان های شهر گرینزبوروی آمریکا فعلاً قرار نیست افزایش پیدا کنند
- فرماندار اوکلند از پلاک خوان ها حمایت می کند اما مخالفان در اثربخشی آن تردید دارند
- لبنان استفاده از پلاک خوان های خودکار را تایید کرد
- چالش های مدیریت کلاس با ابزار جدید تشخیص چهره هوش مصنوعی
- آیا می توان از دوربین های ترافیکی برای گرفتن رانندگان الکلی استفاده کرد؟
