-
آشنایی با «هوش مصنوعی»، کاربردها و تأثیر آن بر زندگی انسانها
-
آشنایی با مفاهيم «یادگیری ماشینی»، «یادگیری عمیق»، «شبکههای عصبی»
-
آشنایی با نگرانیها و مسایل اخلاقی مطرح درباره «هوش مصنوعی»
-
توصیههای کاربردی برای یادگیری و کار حرفهای در زمینه «هوش مصنوعی»
به دوره آموزشی «مقدمهای بر هوش مصنوعی»
از IBM، خوش آمدید
درباره دوره آموزشی «مقدمهای بر هوش مصنوعی»
به کمک این دوره آموزشی با مفهوم «هوش مصنوعی»، کاربردها و تأثیر آن در زندگی معاصر آشنا خواهید شد.
همچنین، درباره مفاهیم و اصطلاحاتی مانند «یادگیری ماشین»، «یادگیری عمیق» و «شبکه های عصبی» گفتگو خواهیم کرد.
در بخش دیگری از این دوره آموزشی درباره مسائل و نگرانی های مختلفی که پیرامون هوش مصنوعی مطرح است مانند
مسائل مربوط به اخلاق، تعصبات و تبعیضات و تأثیر هوش مصنوعی بر مشاغل امروزی گفتگو خواهیم کرد و گفتگوهای کوتاهی با متخصصان هوش مصنوعی در مورد «یادگیری» و «شروع فعالیت حرفه ای در هوش مصنوعی» مشاهده خواهید کرد و نکات ارزشمندی در این باره از این متخصصان دریافت خواهید کرد.
در طول این دوره آموزشی میتوانید یک پروژه کوچک هوش مصنوعی را با ما اجرا کنید.
این دوره آموزشی برای معرفی اصول اولیه هوش مصنوعی به همه افراد (با پیشینه فنی یا بدون آن) طراحی شده است و برای شرکت و موفقیت در ین دوره آموزشی نیازی به هیچ گونه تخصص برنامه نویسی یا علوم کامپیوتر ندارید.
با ما در این دوره آموزشی همراه باشید و از IBM مدرک معتبر دریافت نمایید.
در این هفته مفهوم هوشمصنوعی و کاربردها و تاثير آن بر زندگی روزمره را بررسی خواهیم کرد.
۴۵ دقیقه
ورود به کلاس - هفته اول
این دوره برای چه کسانی مناسب است؟
این دوره ی آموزشی با عنوان «مقدمه ای بر هوش مصنوعی» برای علاقمندان به یادگیری بیشتر درزمینه ی هوش مصنوعی طراحی شده است.
چه تجربه فنی داشته باشید و چه نداشته باشید، چه مدیر اجرایی، برنامه ساز، دانشجو یا هر ترکیبی از این سه باشید و یا درزمینه ی کاملاً متفاوتی مشغول به کار باشید، این دوره فرصت فوق العاده ای برای شروع ماجراجویی در زمینه هوش مصنوعی برای شماست.
این دوره شامل چند طرح عملی نیز می شود، اما در هیچ مرحله ای نیازی به دانش برنامه نویسی نخواهید داشت.
معرفی «هوش مصنوعی»
(۳ دقیقه)
«هوشمصنوعی» چیست؟
(۳ دقیقه)
اختیاری: «تنمای» و رویارویی او با هوش مصنوعی
(۵ دقیقه)
آشنایی با «هوشمصنوعی مولد» و کاربردهای آن
(۵ دقیقه)
خلاصه آنچه گفته شد
تأثیر «هوش مصنوعی» بر زندگی معاصر و مثال هایی از آن
(۳ دقیقه)
اختیاری: دامنه کاربرد «هوش مصنوعی»
(۵ دقیقه)
برخی از کاربردهای «هوش مصنوعی»
(۵ دقیقه)
اختیاری: مثالهای بیشتر از کاربردهای «هوش مصنوعی»
(۳ دقیقه)
برنامه های معروف هوش مصنوعی از IBM
(۵ دقیقه)
کاربردهای هوش مصنوعی مولد
(۵ دقیقه)
خلاصه آنچه گفته شد
آزمون
(۹ سوال)
در این هفته درباره مبانی اساسی هوشمصنوعی، «یادگیری ماشینی»، «یادگیری عمیق» و «شبکه های عصبی» و حوزه های کاربرد هوش مصنوعی صحبت خواهیم کرد.
۴۵ دقیقه
ورود به کلاس - هفته دوم
محاسبات شناختی (ادراک، یادگیری، استدلال)
(۳ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختید:
- سیستمهای «محاسبات شناختی» متفاوت از سیستمهای محاسبات معمولی هستند زیرا میتوانند:
- داده های بدون ساختار را بخوانند و تجزیه وتحلیل کنند؛ و نه تنها معنای کلمات، بلکه هدف و زمینه استفاده از آنها را نیز درک میکنند.
- در برخورد با چالشها به همان شیوه ای که انسانها درباره آن استدلال و انتخاب میکنند، عمل کنند.
- از رویارویی با انسانها در طول زمان یاد بگیرند تا باهوشتر شوند.
واژه شناسی و مفاهیم مرتبط
(۳ دقیقه)
«یادگیری ماشینی»
(۴ دقیقه)
تکنیکهای یادگیری ماشینی و آموزش ماشینها
(۴ دقیقه)
یادگیری عمیق
(۲ دقیقه)
شبکه های عصبی
(۳ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختید:
در این درس، یاد گرفتید:
- یادگیری ماشینی، بخشی در هوش مصنوعی است، که از الگوریتم های کامپیوتری برای تجزیه و تحلیل داده ها و تصمیم گیری هوشمندانه بر اساس آموخته هایش استفاده می کند. سه دسته اصلی الگوریتمهای یادگیری ماشینی شامل «یادگیری نظارتی»، «یادگیری بدون نظارت» و «یادگیری تقویتی» است.
- «یادگیری عمیق»، زیرمجموعه تخصصی از یادگیری ماشینی است که در آن الگوریتم های لایه بندی شده، ساختاری شبیه به شبکه عصبی ایجاد کند که سیستم های هوش مصنوعی را قادر می سازد از داده های بدون ساختار نیز آموزش ببینند و در حین فعالیت نیز به یادگیری ادامه دهند.
- «شبکه های عصبی»، مجموعه ای از واحدهای محاسباتی هستند که بر اساس نورون های بیولوژیکی مدل سازی شده اند، دادهها را دریافت میکنند و تصمیم گیری را در طول زمان یاد می گیرند. انواع مختلف شبکه های عصبی شامل پرسپترون ها، شبکه های عصبی کانولوشن یا CNN، و شبکه های عصبی مکرر یا RNN هستند.
در مبحث تکنیک های یادگیری ماشینی و آموزش به ماشین، آموختید که:
- یادگیری نظارتی روشی است که برچسب های طبقه بندی کننده را در اختیار مجموعه داده ها قرار داده ایم و از آنها برای ساخت یک مدل برای طبقه بندی استفاده می کنیم.
- یادگیری تحت نظارت به سه دسته تقسیم می شود: «رگرسیون»، «طبقه بندی» و «شبکه های عصبی».
- الگوریتم های یادگیری ماشین با استفاده از مجموعه داده هایی که به «داده های آموزشی»، «دادههای اعتبارسنجی» و «داده های تست» تقسیم می شوند، آموزش داده می شوند.
حوزه های کلیدی استفاده از «هوش مصنوعی»
(۴ دقیقه)
پردازش زبان طبیعی، گفتار و بینایی کامپیوتری
(۴ دقیقه)
اتومبیل های خودران
(۴ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختید:
- پردازش زبان طبیعی (NLP) زیرمجموعه ای از هوش مصنوعی است که رایانه ها را قادر می سازد تا معنای زبان انسان، با توجه به هدف و زمینه استفاده از زبان در یک متن خاص را درک کنند.
- ماشین های قادر به تبدیل گفتار به متن میتوانند با شناسایی الگوهای رایج در تلفظ های مختلف یک کلمه و نگاشت نمونه های صوتی جدید به کلمات مربوطه، گفتار را به متن تبدیل کنند.
- سنتز کلام ماشین ها را قادر می سازد تا مدل های صدای طبیعی از جمله صدای افراد خاص را تقلید و ایجاد کنند.
- بینایی کامپیوتر ماشین ها را قادر می سازد تا مانند انسانها، اشیاء را در تصاویر شناسایی و متمایز کند.
- اتومبیل های خودران از جمله کاربردهایی از هوش مصنوعی هستند که می تواند از NLP، گفتار و مهمتر از همه، از بینایی رایانه استفاده کند.
آزمون
(۹ سوال)
در این هفته درباره مسائل و نگرانی های جاری مرتبط با هوش مصنوعی و اصول و ارکان اخلاق هوش مصنوعی و انواع تبعیضات محتمل و راه جلوگیری از آن ها صحبت خواهیم کرد.
۳۴ دقیقه
ورود به کلاس - هفته سوم
بررسی مسایل روز مربوط به «هوش مصنوعی»
(۱۱ دقیقه)
بررسی «هوش مصنوعی» و اخلاق
(۸ دقیقه)
تعریف «اخلاق هوش مصنوعی»
(۳ دقیقه)
تعریف سوگیری و «هوش مصنوعی»
(۶ دقیقه)
اخلاق و «حقوق هوش مصنوعی»
(۱ دقیقه)
اخلاق «هوش مصنوعی»، حاکمیت و ESG
(۳ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختید:
- مسائل و نگرانی های امروزی هوش مصنوعی شامل نحوه ساخت و استفاده مسئولانه از هوش مصنوعی و نحوه استفاده از هوش مصنوعی در مراقبت های بهداشتی، تشخیص چهره، رسانه های اجتماعی و بازاریابی و استخدام
- اخلاق هوش مصنوعی، موضوعی چند رشته ای است که به بررسی چگونگی بهینه سازی تأثیر سودمند هوش مصنوعی در عین کاهش خطرات و اثرات نامطلوب می پردازد
- اخلاقیات هوش مصنوعی چالشی «اجتماعی-فنی» است، به این معنی که نمی توان آن را تنها با ابزار حل کرد
- اصول اخلاقیات هوش مصنوعی عبارتند از:
- هدف هوش مصنوعی تقویت و نه جایگزینی هوش انسانی است
- داده ها و بینش ها به خالق آنها تعلق دارد
- فناوری جدید باید شفاف و قابل توضیح باشد
- ارکان اخلاقیات هوش مصنوعی عبارتند از:
- توضیح پذیری: توانایی سیستم هوش مصنوعی برای ارائه بینشی که انسان می تواند از آن برای درک علل پیش بینی های سیستم استفاده کند.
- انصاف: رفتار عادلانه با افراد یا گروه هایی از افراد.
- استحکام: توانایی سیستم هوش مصنوعی برای مدیریت موثر شرایط استثنایی، مانند ورودی غیرعادی یا حملات خصمانه.
- شفافیت: به اشتراک گذاری اطلاعات مناسب با ذینفعان در مورد نحوه طراحی و توسعه سیستم هوش مصنوعی.
- حریم خصوصی: سیستم های هوش مصنوعی باید حریم خصوصی و حقوق داده ی مصرف کنندگان را در اولویت قرار دهند و از آنها محافظت کنند.
- سوگیری در هوش مصنوعی، منجر به ورود آسیب های سیستماتیک به گروه ها یا افراد میشود.
- یکی از دلایل بالقوه سوگیری در هوش مصنوعی، تعصبات ضمنی یا صریح افرادی است که هوش مصنوعی را طراحی می کنند و توسعه می دهند.
- یکی از راه های کاهش سوگیری، گردآوری افراد گوناگون متنوع در تیم متخصص هوش مصنوعی است.
- مقررات، احکام دولتی هستند که از مجرای قانون قابل اجرا می باشند.
- حاکمیت هوش مصنوعی، حکمرانی سازمان از طریق دستورالعمل های شرکتی، کارکنان، فرآیندها و سیستم های آن است.
آزمون
(۱۰ پرسش)
این هفته درباره دیدگاههای فعلی در مورد دنیای آینده همراه با هوش مصنوعی و نظر کارشناسان هوش مصنوعی درباره آینده این فناوری صحبت میکنیم.
همچنین درباره شروع فعالیت حرفهای در این زمینه گفتگو خواهیم کرد.
۲۸ دقیقه
ورود به کلاس - هفته چهارم
تحولات و آینده هوش مصنوعی
(۴ دقیقه)
آینده با هوش مصنوعی
(۴ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختیم:
- کارشناسان هوش مصنوعی دیدگاه های متفاوتی درباره آینده بلندمدت هوش مصنوعی دارند.
- درک و تولید زبان طبیعی احتمالاً زمینه رشد بعدی هوش مصنوعی همراه با سیستم های بینایی برای نابینایان است.
نقشه راهِ استفاده موفقیت آمیز از هوشمصنوعی
(۲ دقیقه)
توصیههایی برای آغاز حرفهای هوش مصنوعی
(۵ دقیقه)
زمینههای پرطرفدار در فناوری هوش مصنوعی
(۳ دقیقه)
توصیه های «تانمای» برای شروع یادگیری هوش مصنوعی
(۳ دقیقه)
توصیه های «پالونگ» برای آغاز یک حرفه در زمینه هوش مصنوعی
(۴ دقیقه)
خلاصه آنچه گفته شد
در این بخش آموختید:
- چگونه میتوان یک حرفه در زمینه هوش مصنوعی آغاز کنیم.
- بسترهای مهم حضور هوش مصنوعی در حال حاضر کدام هستند.
- چه مراحلی برای یادگیری هوش مصنوعی باید طی کنید.
آزمون
(۹ سوال)
موارد مرتبط
دوره آموزشی هوش مصنوعی و حقوق
-
اهمیت حقوقی نرم افزار و سخت افزارهای هوش مصنوعی
-
تأثیر ظهور هوش مصنوعی بر کاربرد و اجرای قانون در حقوق عمومی
-
ابعاد حقوقی استفاده از نرم افزارهای هوش مصنوعی در حقوق خصوصی
-
بررسی هوش مصنوعی و حقوق کار، حقوق رقابت و حقوق سلامت
نظرات
متوسط امتیازات
جزئیات امتیازات
نقد و بررسیها
هنوز بررسیای ثبت نشده است.