#C کلید ورود به بازار کار

دوره پروژه‌محور #C و ASP.NET Core

C#
C#
ورود کاربر جدید هستید؟ ثبت نام کنید
مشاوره رایگان
دوره های آموزش برنامه نویسی

دوره آموزش هوش مصنوعی (یادگیری ماشین و یادگیری عمیق)

در این دوره یادگیری ماشین هم الگوریتم‌های پرکاربرد رو با استفاده از scikit-learn یاد می‌گیریم و هم ریاضیات و تئوری پشت این الگوریتم‌ها رو با مثال‌های عملی در پایتون بررسی می‌کنیم.

طول دوره
84 ساعت
نحوه برگزاری
حضوری + آنلاین
پشتیبانی
گروه پشتیبانی بعد از اتمام دوره
دوره آموزش هوش مصنوعی (یادگیری ماشین و یادگیری عمیق)
دوره در یک نگاه

دوره آموزش هوش مصنوعی؛ یادگیری ماشین و یادگیری عمیق

از تحلیل داده و الگوریتم‌های Machine Learning با Python و scikit-learn شروع می‌کنی، بعد با PyTorch وارد شبکه‌های عصبی، بینایی ماشین، Transformer و مدل‌های مولد می‌شی. در طول دوره مدل‌ها رو آموزش می‌دی، ارزیابی می‌کنی و بهبود می‌دی.

۸۴ ساعت آموزش عملی

از تحلیل داده و Machine Learning تا Deep Learning

پروژه‌های متنوع هوش مصنوعی

پیش‌بینی، تشخیص تصویر، پردازش متن و مدل‌های مولد

Python و PyTorch

از scikit-learn تا CNN، RNN، Transformer و LLM

مدرک و پشتیبانی آموزشی

حضوری و آنلاین، فیلم جلسات و گروه پشتیبانی

چرا این مسیر؟

از اجرای کدهای آماده تا درک و ساخت مدل‌های هوش مصنوعی

یادگیری هوش مصنوعی فقط اجرای چند الگوریتم یا استفاده از مدل‌های آماده نیست. برای حل مسئله واقعی باید داده رو آماده کنی، مدل مناسب انتخاب کنی و نتیجه رو ارزیابی کنی.

از تحلیل داده با NumPy و Pandas و ریاضیات الگوریتم‌ها شروع می‌کنیم و بعد با PyTorch وارد معماری‌های Deep Learning می‌شیم.

با پروژه‌های مختلف یاد می‌گیری مدل بسازی، مشکلات آموزش رو شناسایی کنی و عملکردش رو بهبود بدی.

پروژه‌های عملی دوره

یادگیری هوش مصنوعی با پروژه‌های واقعی و متنوع

مفاهیم Machine Learning و Deep Learning رو با پروژه‌هایی در پیش‌بینی، بینایی ماشین، پردازش متن و مدل‌های مولد تمرین می‌کنی.

پروژه ۱ — پیش‌بینی و تحلیل داده

  • پیش‌بینی دیابت براساس داده‌های بالینی
  • پیش‌بینی قیمت خانه‌های تهران با شبکه عصبی چندلایه
  • پیش‌بینی بورس با داده‌های واقعی

پروژه ۲ — بینایی ماشین و پردازش تصویر

  • تشخیص حالات دست در بازی سنگ، کاغذ، قیچی
  • تشخیص بافت سرطانی با PyTorch Lightning و ResNet-50
  • Image Classification و تشخیص اشیا و شمارش آن‌ها در ویدئو
  • Semantic Segmentation و Instance Segmentation

پروژه ۳ — پردازش متن و مدل‌های مولد

  • Image Captioning و جست‌وجوی تصویر با توضیح متنی
  • تبدیل متن به تصویر و دسته‌بندی و خلاصه‌سازی متن
  • افزایش رزولوشن تصویر و تولید تصاویر غذا با GAN
  • تبدیل تصویر ماهواره‌ای به نقشه دوبعدی
  • تشخیص تصاویر با SimCLR

این پروژه آموزشیه و برآورد کالریش تقریبی و غیرپزشکیه.

خروجی قابل ارائه

بعد از ۸۴ ساعت چه مهارت‌هایی به دست میاری؟

با ابزارها و معماری‌های اصلی Machine Learning و Deep Learning کار می‌کنی و تجربه ساخت، ارزیابی و بهبود مدل‌ها رو به دست میاری. پروژه‌های تکمیل‌شده رو می‌تونی همراه با کد و نتایج ارزیابی در رزومه فنی ارائه بدی.

تحلیل داده با NumPy و Pandas و مصورسازی
شبکه‌های عصبی با PyTorch و PyTorch Lightning
Image Segmentation و معماری‌های بینایی ماشین
تحلیل خطا، Overfitting و ارزیابی مدل
Regression، Classification، SVM و Random Forest
CNN، Transfer Learning و Object Detection
RNN، LSTM، Transformer و GAN
بهبود عملکرد مدل‌های یادگیری ماشین

این دوره برای چه کسانی مناسبه؟

اگه پایتون بلدی و می‌خوای مدل‌های هوش مصنوعی بسازی

  • پایتون بلدی و می‌خوای وارد Machine Learning و Deep Learning بشی.
  • با آموزش‌های پراکنده جلو رفتی و دنبال مسیر منظم هستی.
  • می‌خوای ریاضیات و منطق الگوریتم‌ها رو هم یاد بگیری.
  • به تحلیل داده، شبکه‌های عصبی و بینایی ماشین علاقه داری.
  • می‌خوای مدل‌ها رو خودت پیاده‌سازی و ارزیابی کنی.

برای چه کسانی مناسب نیست؟

اگه هنوز پیش‌نیاز فنی یا زمان تمرین نداری

  • هنوز برنامه‌نویسی پایتون رو بلد نیستی.
  • فقط دنبال استفاده از ابزارهای آماده هوش مصنوعی هستی.
  • نمی‌خوای وارد مباحث فنی، ریاضیات یا کدنویسی بشی.
  • برای تمرین و انجام پروژه‌ها وقت نمی‌ذاری.
سرفصل‌های دوره یادگیری هوش مصنوعی

از یادگیری ماشین کلاسیک تا معماری های پیشرفته Deep Learning

سرفصل‌ها در ۷ بخش اصلی طراحی شده‌اند.

بخش 1 یادگیری ماشین کلاسیک و ابزارهای داده
  • مفاهیم AI، Data Science، Machine Learning و Deep Learning
  • یادگیری نظارت‌شده، بدون‌نظارت، نیمه‌نظارتی و تقویتی
  • NumPy، Pandas، Matplotlib، Seaborn و EDA
  • Regression، Logistic Regression، Gradient Descent و Loss Function
  • Overfitting، Underfitting، Regularization
  • SVM، Decision Tree و Random Forest
  • Accuracy، Precision، Recall و F1-score
بخش 2 یادگیری عمیق با PyTorch
  • شبکه عصبی، Feed Forward و Backpropagation
  • Activation Functions و Gradient
  • Tensor، CPU و GPU در PyTorch
  • Dataset، DataLoader، Loss Function و Optimizer
  • TensorBoard، ذخیره مدل و Checkpoint

پروژه: پیش‌بینی قیمت خانه‌های تهران با شبکه عصبی چندلایه

بخش 3 بینایی ماشین (Computer Vision)
  • Image Classification و Data Augmentation
  • CNN و LeNet-5 و PyTorch Lightning
  • Transfer Learning؛ AlexNet، VGG، Inception و ResNet
  • Object Detection با YOLO و خانواده R-CNN
  • Semantic Segmentation با U-Net و Instance Segmentation با Mask R-CNN
  • Autoencoder و Variational Autoencoder

پروژه: تشخیص حالات دست، تشخیص بافت سرطانی، دسته‌بندی و بخش‌بندی تصویر

بخش 4 شبکه‌های بازگشتی و Transformer
  • RNN، Stacked RNN و Bidirectional RNN
  • GRU و LSTM و Sequence-to-Sequence
  • Encoder، Decoder، Attention و Self-Attention
  • Multi-Head Attention و Transformer
  • Vision Transformer (ViT)

پروژه: پیش‌بینی بورس با RNN، BRNN و LSTM

بخش 5 شبکه‌های مولد (GAN)
  • Generative Models و معماری GAN
  • Generator و Discriminator
  • انواع GAN و Transposed Convolution
  • آموزش و ارزیابی مدل‌های مولد

پروژه: تولید تصاویر بشقاب غذا با GAN

بخش 6 یادگیری خودنظارتی (Self-Supervised Learning)
  • Self-Supervised و Contrastive Learning
  • SimCLR و Data Augmentation
  • ساخت Encoder، استخراج ویژگی و ارزیابی مدل

پروژه: تشخیص تصاویر با SimCLR

بخش 7 مباحث ویژه یادگیری عمیق و LLM
  • Diffusion Models و CycleGAN
  • پردازش زبان طبیعی (NLP)
  • GPT-2، Hugging Face و CLIP
  • کاربرد LLM در کسب‌وکار
  • Fine-Tuning با داده‌های اختصاصی

پروژه: تشخیص تصاویر با SimCLR

بعد از کلاس

پشتیبانی، دسترسی به فیلم‌ها و مدرک دوره

پشتیبانی و دسترسی

  • گروه پشتیبانی بعد از اتمام دوره هم فعال می‌مونه.
  • فیلم جلسات و منابع حداقل یک سال و حداکثر دو سال در دسترس‌اند.
  • دانشجوی آنلاین زنده در کلاس حضور داره و کدش بررسی می‌شه.
  • برای جلسه ازدست‌رفته فیلم کامل جلسه در دسترس قرار می‌گیره.
دانلود فایل کامل سرفصل دوره

مدرک نهایی

مدرک این دوره مورد تأیید سازمان فنی‌وحرفه‌ای است.

مدرک نهایی دوره C# و ASP.NET Core
مهندس سعید مصطفایی، مدرس دوره Python
مدرس دوره

مهندس سعید مصطفایی

هدف این دوره فقط اجرای الگوریتم‌های آماده هوش مصنوعی نیست. قراره یاد بگیری چطور داده‌ها رو تحلیل کنی، منطق و ریاضیات مدل‌های یادگیری ماشین و یادگیری عمیق رو درک کنی و با ابزارهایی مثل Python و PyTorch مدل بسازی، آموزش بدی و عملکردشون رو ارزیابی کنی.

  • کارشناس ارشد مهندسی فناوری اطلاعات از دانشگاه تربیت مدرس تهران
  • مدرس هوش مصنوعی، علم داده و برنامه‌نویسی Python
  • متخصص در Machine Learning، Deep Learning و شبکه‌های عصبی
  • فعال در حوزه بینایی ماشین (Computer Vision) و پردازش زبان طبیعی (NLP)
  • تجربه طراحی و توسعه سیستم‌های مبتنی بر LLM، RAG و هوش مصنوعی مولد
  • تجربه حرفه‌ای در تحلیل داده و توسعه سامانه‌های هوش مصنوعی مبتنی بر Python

رویکرد دوره: یادگیری مفهومی و پروژه‌محور هوش مصنوعی؛ از تحلیل داده و الگوریتم‌های Machine Learning تا ساخت شبکه‌های عصبی با PyTorch، پردازش تصویر و مدل‌های پیشرفته Deep Learning، با تمرکز بر حل مسئله، آموزش و ارزیابی مدل‌ها.

بعد از این دوره

بعد از یادگیری هوش مصنوعی چه مسیرهایی پیش روته؟

با توجه به علاقه‌ات می‌تونی یکی از مسیرهای تخصصی رو ادامه بدی.

FAQ

سؤالات متداول دوره هوش مصنوعی

آیا برای شرکت در دوره باید پایتون بلد باشم؟

بله. پیش‌نیاز دوره برنامه‌نویسی پایتونه.

آیا یادگیری ماشین از پایه آموزش داده می‌شه؟

بله. آموزش از مفاهیم پایه، تحلیل داده و الگوریتم‌های کلاسیک شروع می‌شه.

آیا ریاضیات الگوریتم‌ها هم آموزش داده می‌شه؟

بله. در کنار پیاده‌سازی، ریاضیات و منطق الگوریتم‌ها هم بررسی می‌شه.

آیا PyTorch در دوره آموزش داده می‌شه؟

بله. PyTorch و PyTorch Lightning از ابزارهای اصلی دوره هستن.

آیا دوره پروژه عملی داره؟

بله. پروژه‌هایی در پیش‌بینی، بینایی ماشین، پردازش متن و مدل‌های مولد داره.

آیا Transformer و LLM هم آموزش داده می‌شه؟

بله؛ GPT-2، Hugging Face و Fine-Tuning در سرفصل‌ها هستن، ولی تمرکز اصلی روی Machine Learning و Deep Learning است.

آیا کلاس‌ها آنلاین هم برگزار می‌شن؟

بله، حضوری و آنلاین هم‌زمان.

آیا بعد از پایان دوره پشتیبانی داریم؟

بله، گروه پشتیبانی آموزشی بعد از دوره هم در دسترس خواهد بود.

می‌خوای بدونی دوره LLM، RAG و GenAI برای سطح فعلی تو مناسبه؟

درباره پیش‌نیاز Python، پروژه نهایی، منتورینگ و نحوه برگزاری دوره قبل از ثبت‌نام سؤال کن.

شهریه 15,500,000
ثبت نام
معرفی دوره پروژه‌ها برای کی مناسبه؟ سرفصل‌های دوره مدرس دوره سوالات متداول

آخرین اخبار وبلاگ

تفاوت C#، .NET و ASP.NET Core چیست؟
تفاوت C#، .NET و ASP.NET Core چیست؟

C#، .NET و ASP.NET Core چه تفاوتی دارن؟ توی این مقاله با یک مثال فروشگاه اینترنتی، نقش هر سه فناوری رو یاد می‌گیری، یک برنامه Console می‌سازی و اولین Web API خودت رو با .NET 10 اجرا می‌کنی.

وبلاگ را بخوانید
JWT در ASP.NET Core چیست؟ راهنمای کامل Authentication و امن‌سازی Web API
JWT در ASP.NET Core چیست؟ راهنمای کامل Authentication و امن‌سازی Web API

اگر برات سواله JWT چیه و چرا در پروژه‌های ASP.NET Core ازش استفاده می‌کنن، این مقاله از پایه همه‌چیز رو توضیح می‌ده. از ساختار JWT و Secret Key گرفته تا ساخت Token، محافظت از API و تفاوت 401 و 403.

وبلاگ را بخوانید
Axios چیست و چه کاربردی در JavaScript دارد؟
Axios چیست و چه کاربردی در JavaScript دارد؟

اگه تازه با JavaScript و API آشنا شدی و هنوز نمی‌دونی Axios دقیقاً چه کاری انجام می‌ده، این آموزش خیلی ساده بهت نشون می‌ده چطور از سرور اطلاعات بگیری، اطلاعات بفرستی، خطاها رو مدیریت کنی و JavaScript رو به ASP.NET Core Web API وصل کنی.

وبلاگ را بخوانید
Docker چیست و چه کاربردی دارد؟ راهنمای ساده و کاربردی داکر
Docker چیست و چه کاربردی دارد؟ راهنمای ساده و کاربردی داکر

تا حالا شده یه پروژه روی سیستم خودت درست کار کنه ولی روی سیستم همکارت یا سرور به مشکل بخوره؟ Docker دقیقاً برای حل همین دردسرهاست. توی این مقاله خیلی ساده می‌بینیم Docker چیه، Container و Image چه کاری می‌کنن و داکر توی یه پروژه واقعی کجا به درد برنامه‌نویس می‌خوره.

وبلاگ را بخوانید
نظرات شما

نظرات خود را ثبت کنید...






آموزش برنامه نویسی محمد حسین هاشمی 1403/07/06
حضوری و انلاین؟

عرض سلام, خواستم بدونم اینکه یک جلسه رو اگر نتوانیم حضوری بیایم میتونیم همزمان به صورت انلاین شرکت کنیم ؟

آموزش برنامه نویسی ادمین 1403/07/08

سلام آقای هاشمی عزیز، لطفاً با هماهنگی تیم پشتیبانی، در کلاس‌ به صورت آنلاین شرکت کنید.

آموزش برنامه نویسی کاربر میهمان 1399/10/19
عوض شدن تاریخ یا زمان دوره داده کاوی و ماشین لرنیگ

امکانش هست روز یا تاریخ دوره عوض بشه .اخه من صبحش دوره ی پایتون با استاد مصطفایی دارم. بعد بلافاصله شروع دوره سخته.

آموزش برنامه نویسی ادمین 1399/10/19

درود کاربر عزيز با اتمام يا اواخر دوره پايتون ميتوانيد در دوره داده کاوي شرکت کنيد.