AI-For-Beginners/translations/fa
localizeflow[bot] 089fc045fc chore(i18n): sync translations with latest source changes (chunk 68/148, 100 files) 2026-01-01 14:20:49 +00:00
..
etc 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
examples 🌐 Update translations via Co-op Translator 2025-10-03 11:56:00 +00:00
lessons chore(i18n): sync translations with latest source changes (chunk 68/148, 100 files) 2026-01-01 14:20:49 +00:00
AGENTS.md 🌐 Update translations via Co-op Translator 2025-10-03 09:55:40 +00:00
README.md chore(i18n): sync translations with latest source changes (chunk 68/148, 100 files) 2026-01-01 14:20:49 +00:00
SECURITY.md 🌐 Update translations via Co-op Translator 2025-08-24 10:52:15 +00:00
troubleshoot.md 🌐 Update translations via Co-op Translator 2025-10-03 09:55:40 +00:00

README.md

مجوز GitHub مشارکت‌کنندگان GitHub مسائل GitHub درخواست‌های pull GitHub پذیرای PRها

دنبال‌کنندگان GitHub فورک‌های GitHub ستاره‌های GitHub Binder Gitter

Microsoft Foundry Discord

Artificial Intelligence for Beginners - A Curriculum

اسکچ‌نوت توسط @girlie_mac https://twitter.com/girlie_mac
هوش مصنوعی برای مبتدیان - اسکچ‌نوت توسط @girlie_mac

جهان را کاوش کنید در مورد هوش مصنوعی (AI) با برنامهٔ درسی 12 هفته‌ای ما که شامل 24 درس است! این برنامه شامل درس‌های کاربردی، آزمایش‌ها و لابراتوارها می‌باشد. برنامه برای مبتدیان مناسب است و ابزارهایی مانند TensorFlow و PyTorch را پوشش می‌دهد، و همچنین مباحث اخلاق در هوش مصنوعی را شامل می‌شود.

🌐 پشتیبانی چندزبانه

پشتیبانی شده از طریق GitHub Action (خودکار و همیشه به‌روز)

عربی | بنگالی | بلغاری | بورمی (میانمار) | چینی (ساده‌شده) | چینی (سنتی، هنگ‌کنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کروات | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | Kannada | کره‌ای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | Nigerian Pidgin | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | Punjabi (Gurmukhi) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تگالوگ (فیلیپینی) | تامیلی | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی

اگر مایل به افزودن زبان‌های ترجمهٔ بیشتری هستید، فهرست زبان‌های پشتیبانی شده را می‌توانید اینجا ببینید

به جامعه بپیوندید

Microsoft Foundry Discord

چه چیزی یاد خواهید گرفت

نقشهٔ ذهنی دوره

در این برنامهٔ درسی، شما یاد خواهید گرفت:

  • رویکردهای مختلف به هوش مصنوعی، از جمله رویکرد نمادی قدیمی و کلاسیک با نمایش دانش و استدلال (GOFAI).
  • شبکه‌های عصبی و یادگیری عمیق که در هستهٔ هوش مصنوعی مدرن قرار دارند. ما مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو تا از محبوب‌ترین فریم‌ورک‌ها نشان خواهیم داد - TensorFlow و PyTorch.
  • معماری‌های عصبی برای کار با تصاویر و متن. ما مدل‌های اخیر را پوشش خواهیم داد اما ممکن است تا حدی از برترین‌های روز عقب باشیم.
  • رویکردهای کمتر متداول در هوش مصنوعی، مانند الگوریتم‌های ژنتیکی و سیستم‌های چندعامله.

مواردی که در این برنامهٔ درسی پوشش داده نمی‌شوند:

تمام منابع اضافی این دوره را در مجموعهٔ Microsoft Learn ما بیابید

برای یک معرفی ملایم به موضوعات هوش مصنوعی در فضای ابری ممکن است مسیر یادگیری Get started with artificial intelligence on Azure را دنبال کنید.

Content

لینک درس PyTorch/Keras/TensorFlow لاب
0 Course Setup Setup Your Development Environment
I Introduction to AI
01 Introduction and History of AI - -
II Symbolic AI
02 Knowledge Representation and Expert Systems Expert Systems / Ontology /Concept Graph
III Introduction to Neural Networks
03 پرسپترون نوت‌بوک آزمایش
04 پرسپترون چندلایه و ساخت فریم‌ورک خودمان نوت‌بوک آزمایش
05 مقدمه‌ای بر فریم‌ورک‌ها (PyTorch/TensorFlow) و بیش‌برازش PyTorch / Keras / TensorFlow آزمایش
IV بینایی ماشین PyTorch / TensorFlow کاوش بینایی ماشین در Microsoft Azure
06 مقدمه‌ای بر بینایی ماشین. OpenCV نوت‌بوک آزمایش
07 شبکه‌های عصبی کانولوشنی & معماری‌های CNN PyTorch /TensorFlow آزمایش
08 شبکه‌های از پیش‌آموزش‌دیده و یادگیری انتقالی و ترفندهای آموزش PyTorch / TensorFlow آزمایش
09 اتو‌انکودرها و VAEها PyTorch / TensorFlow
10 شبکه‌های مولد تقابلی و انتقال سبک هنری PyTorch / TensorFlow
11 تشخیص اشیاء TensorFlow آزمایش
12 بخش‌بندی معنایی. U-Net PyTorch / TensorFlow
V پردازش زبان طبیعی PyTorch /TensorFlow کاوش پردازش زبان طبیعی در Microsoft Azure
13 نمایش متن. Bow/TF-IDF PyTorch / TensorFlow
14 درج‌نمایی‌های معنایی کلمات. Word2Vec و GloVe PyTorch / TensorFlow
15 مدلسازی زبان. آموزش درج‌نمایی‌های خودتان PyTorch / TensorFlow آزمایش
16 شبکه‌های عصبی بازگشتی PyTorch / TensorFlow
17 شبکه‌های بازگشتی مولد PyTorch / TensorFlow آزمایش
18 ترنسفورمرها. BERT. PyTorch /TensorFlow
19 تشخیص موجودیت‌های نام‌دار TensorFlow آزمایش
20 مدل‌های زبان بزرگ، برنامه‌نویسی پرامپت و وظایف چندنمونه‌ای PyTorch
VI سایر تکنیک‌های هوش مصنوعی
21 الگوریتم‌های ژنتیک نوت‌بوک
22 یادگیری تقویتی عمیق PyTorch /TensorFlow آزمایش
23 سیستم‌های چندعامله
VII اخلاق هوش مصنوعی
24 اخلاق هوش مصنوعی و هوش مصنوعی مسئول Microsoft Learn: اصول هوش مصنوعی مسئول
IX موارد اضافی
25 شبکه‌های چندمودالی، CLIP و VQGAN نوت‌بوک

هر درس شامل

  • مطالب پیش‌مطالعه
  • نوت‌بوک‌های اجرایی Jupyter که اغلب به یک فریم‌ورک مشخص مربوط هستند (PyTorch یا TensorFlow). نوت‌بوک اجرایی همچنین شامل حجم زیادی از مطالب نظری است، بنابراین برای درک موضوع باید حداقل یک نسخه از نوت‌بوک را مرور کنید (یا PyTorch یا TensorFlow).
  • آزمایش‌ها برای برخی موضوعات در دسترس هستند، که به شما فرصتی می‌دهند تا مطالب آموخته‌شده را در یک مسئلهٔ خاص به‌کار ببرید.
  • برخی بخش‌ها شامل لینک به ماژول‌های Microsoft Learn هستند که موضوعات مرتبط را پوشش می‌دهند.

شروع

🎯 تازه‌وارد به هوش مصنوعی؟ از اینجا شروع کنید!

اگر کاملاً تازه‌کار در هوش مصنوعی هستید و مثال‌های سریع و عملی می‌خواهید، به مثال‌های مناسب برای مبتدیان نگاه کنید! این‌ها شامل:

  • 🌟 سلام دنیای هوش مصنوعی - اولین برنامهٔ هوش مصنوعی شما (شناسایی الگو)
  • 🧠 شبکه عصبی ساده - ساخت یک شبکه عصبی از پایه
  • 🖼️ طبقه‌بند تصاویر - طبقه‌بندی تصاویر با توضیحات دقیق
  • 💬 احساس متن - تحلیل متن مثبت/منفی

این مثال‌ها طراحی شده‌اند تا به شما کمک کنند مفاهیم هوش مصنوعی را قبل از ورود به برنامه درسی کامل درک کنید.

📚 راه‌اندازی کامل دوره

این مراحل را دنبال کنید:

Fork the Repository: روی دکمهٔ "Fork" در گوشهٔ بالا-راست این صفحه کلیک کنید.

Clone the Repository: git clone https://github.com/microsoft/AI-For-Beginners.git

فراموش نکنید به این مخزن ستاره (🌟) بدهید تا بعداً پیدا کردنش آسان‌تر شود.

آشنایی با سایر یادگیرندگان

برای ملاقات و شبکه‌سازی با سایر یادگیرندگانی که این دوره را می‌گذرانند و دریافت پشتیبانی، به سرور رسمی دیسکورد AI ما بپیوندید.

اگر بازخورد محصول یا سوالی هنگام ساخت داشتید، به انجمن توسعه‌دهندگان Azure AI Foundry مراجعه کنید

آزمون‌ها

یک یادداشت دربارهٔ آزمون‌ها: تمام آزمون‌ها در پوشهٔ Quiz-app در etc\quiz-app، یا آنلاین اینجا قرار دارند. آن‌ها از داخل درس‌ها پیوند داده شده‌اند؛ برنامهٔ آزمون می‌تواند به‌صورت محلی اجرا شود یا به Azure مستقر شود؛ دستورالعمل‌ها را در پوشهٔ quiz-app دنبال کنید. آن‌ها به‌تدریج بومی‌سازی می‌شوند.

درخواست کمک

آیا پیشنهاداتی دارید یا خطاهای املایی یا کدنویسی پیدا کرده‌اید؟ یک issue باز کنید یا یک pull request ایجاد کنید.

تشکر ویژه

برنامه‌های درسی دیگر

تیم ما برنامه‌های درسی دیگری نیز تولید می‌کند! بررسی کنید:

LangChain

LangChain4j برای مبتدیان LangChain.js برای مبتدیان


Azure / Edge / MCP / Agents

AZD برای مبتدیان Edge AI برای مبتدیان MCP برای مبتدیان AI Agents برای مبتدیان


Generative AI Series

هوش مولد برای مبتدیان هوش مولد (.NET) هوش مولد (Java) هوش مولد (JavaScript)


یادگیری پایه

یادگیری ماشین برای مبتدیان علم داده برای مبتدیان هوش مصنوعی برای مبتدیان امنیت سایبری برای مبتدیان توسعه وب برای مبتدیان اینترنت اشیاء برای مبتدیان توسعه XR برای مبتدیان


Copilot Series

Copilot برای برنامه‌نویسی جفتی با هوش مصنوعی Copilot برای C#/.NET ماجراجویی Copilot

دریافت کمک

اگر گیر کردید یا در مورد ساخت برنامه‌های هوش مصنوعی سوالی داشتید، به بحث‌ها با سایر یادگیرندگان و توسعه‌دهندگان باتجربه در مورد MCP بپیوندید. این یک جامعهٔ حمایتگر است که سوالات در آن خوش‌آمد گفته می‌شود و دانش آزادانه به اشتراک گذاشته می‌شود.

دیسکورد Microsoft Foundry

اگر هنگام ساخت بازخورد محصول یا خطاهایی داشتید مراجعه کنید:

انجمن توسعه‌دهندگان Microsoft Foundry


سلب مسئولیت: این سند با استفاده از سرویس ترجمهٔ خودکار مبتنی بر هوش مصنوعی Co-op Translator ترجمه شده است. اگرچه ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است شامل خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، توصیه می‌شود از ترجمهٔ حرفه‌ای انسانی استفاده شود. ما در قبال هرگونه سو‌تفاهم یا تفسیر نادرست ناشی از استفاده از این ترجمه مسئولیتی نداریم.