ثبت‌نام دوره آموزشی

مقدمه‌ای بر هوش مصنوعی نوین

دوره آموزشی حضوری در دانشگاه یزد

مدرسین از اعضای هیئت علمی دانشگاه یزد آموزش دانشگاهی با رویکرد نظری و عملی
شهریه کل دوره ۵,۰۰۰,۰۰۰ تومان
پیش‌پرداخت ثبت‌نام ۵۰۰,۰۰۰ تومان
تعداد جلسات ۱۴ تا ۱۶ جلسه

زمان‌بندی و محل برگزاری

زمان شروع تقریبی هفته چهارم آبان ۱۴۰۵
روزهای برگزاری دوشنبه و چهارشنبه
ساعت برگزاری 5 تا 7
محل برگزاری دانشگاه یزد
نوبت‌های ارزیابی یک یا دو نوبت
ساختار اجرایی برنامه پیشنهادی ۱۶ جلسه‌ای

نقشه راه یادگیری هوش مصنوعی

مسیر آموزشی از مفاهیم پایه تا پیاده‌سازی مدل‌ها و اجرای پروژه عملی

۱۶ بخش محتوایی پیشنهادی
مبانی مدل‌های نوین پیاده‌سازی پروژه عملی
01

مبانی هوش مصنوعی

از مفاهیم پایه تا یادگیری عمیق

هفته‌های ۱ تا ۴
هفته ۱

مقدمه‌ای بر هوش مصنوعی

هوش مصنوعی، یادگیری ماشین، یادگیری عمیق و سیر تحول هوش مصنوعی تا مدل‌های GPT.

هفته ۲

یادگیری ماشین

روش‌های یادگیری، داده و ویژگی‌ها، طبقه‌بندی و رگرسیون، بیش‌برازش و کم‌برازش.

هفته ۳

شبکه‌های عصبی مصنوعی

نورون مصنوعی، وزن و بایاس، توابع فعال‌سازی، انتشار رو به جلو و پس‌انتشار خطا.

هفته ۴

یادگیری عمیق

شبکه‌های عمیق، یادگیری بازنمایی، معماری‌های یادگیری عمیق، توانایی‌ها و محدودیت‌ها.

02

مدل‌های هوش مصنوعی نوین

مدل‌های پایه، ترنسفورمر و مدل‌های زبانی

هفته‌های ۵ تا ۸
هفته ۵

مدل‌های پایه (Foundation Models)

ویژگی‌ها، انواع مدل‌های پایه، چگونگی ساخت، کاربردها و چالش‌های پیش رو.

هفته ۶

معماری Transformer

مکانیسم توجه، Self-Attention، رمزگذار و رمزگشا و کاربرد ترنسفورمر در متن، تصویر و صوت.

هفته ۷

مدل‌های زبانی بزرگ (LLM)

نحوه یادگیری زبان، قابلیت‌ها، خانواده‌های مدل‌های زبانی، محدودیت‌ها و هوش مصنوعی مسئولانه.

هفته ۸

مهندسی پرامپت

طراحی پرامپت، تکنیک‌های کاربردی، استفاده از ابزارها و خطاهای رایج در تعامل با مدل‌ها.

03

پیاده‌سازی یادگیری عمیق

از آماده‌سازی داده تا بهبود مدل

هفته‌های ۹ تا ۱۳
هفته ۹

آشنایی با TensorFlow و Keras

آماده‌سازی محیط، ساخت نخستین شبکه عصبی و تمرین عملی دسته‌بندی XOR.

هفته ۱۰

آماده‌سازی داده‌ها

مجموعه‌های آموزش، اعتبارسنجی و آزمون، نرمال‌سازی، کدگذاری برچسب‌ها و داده MNIST.

هفته ۱۱

ساخت و آموزش مدل MLP

طراحی شبکه، آموزش مدل، ارزیابی عملکرد و تمرین تشخیص ارقام دست‌نویس MNIST.

هفته ۱۲

بهبود عملکرد مدل

توابع خطا، الگوریتم‌های بهینه‌سازی، نرخ یادگیری، اندازه دسته و تنظیم ابرپارامترها.

هفته ۱۳

جلوگیری از بیش‌برازش

Dropout، منظم‌سازی L1 و L2، افزایش داده و راهبردهای اعتبارسنجی مدل.

04

پروژه عملی یادگیری عمیق

از تعریف مسئله تا ارائه پروژه

هفته‌های ۱۴ تا ۱۶
هفته ۱۴

تعریف مسئله و آماده‌سازی داده

انتخاب مسئله، شناخت داده‌ها و طراحی مسیر اجرای پروژه.

هفته ۱۵

طراحی و آموزش مدل

آماده‌سازی مدل، آموزش و ارزیابی نتایج پروژه یادگیری عمیق.

هفته ۱۶

ارزیابی و ارائه پروژه

جمع‌بندی نتایج و ارائه پروژه عملی.

تشخیص ارقام دست‌نویس طبقه‌بندی Fashion-MNIST تشخیص گربه و سگ تحلیل ساده احساسات متن
توضیح درباره برنامه آموزشی: ساختار پیشنهادی شامل ۱۶ بخش محتوایی است. مطابق برنامه اعلام‌شده، دوره می‌تواند در بازه ۱۴ تا ۱۶ جلسه تنظیم شود. تعداد و نحوه برگزاری جلسات ارزیابی نیز ممکن است از دو نوبت به یک نوبت کاهش یابد. برنامه اجرایی نهایی طبق هماهنگی دانشگاه اعلام خواهد شد.

اطلاعات فردی

کد ملی برای جلوگیری از ثبت‌نام تکراری بررسی می‌شود.
برای اطلاع‌رسانی و هماهنگی‌های دوره استفاده می‌شود.

اطلاعات تحصیلی

پیش‌نیازهای علمی دوره

شرکت‌کنندگان باید آشنایی اولیه با جبر خطی و مباحث ماتریسی و همچنین آشنایی پایه با برنامه‌نویسی به زبان پایتون داشته باشند.

پیش‌پرداخت و هماهنگی‌های بعدی

مبلغ پیش‌پرداخت ثبت‌نام ۵۰۰,۰۰۰ تومان است. هماهنگی درباره تسویه باقی‌مانده شهریه، پس از ثبت‌نام انجام خواهد شد.
اطلاع‌رسانی پس از تأیید پرداخت

پس از تأیید موفقیت‌آمیز پرداخت پیش‌پرداخت، طی ۴ تا ۵ روز با شما تماس گرفته خواهد شد تا هماهنگی‌های لازم درباره برگزاری دوره و جزئیات تکمیلی انجام شود.

پس از تأیید اطلاعات و بررسی تکراری نبودن کد ملی، به صفحه پرداخت پیش‌پرداخت منتقل می‌شوید.