7a7aeb92a1
|
||
|---|---|---|
| .. | ||
| etc | ||
| examples | ||
| lessons | ||
| .co-op-translator.json | ||
| AGENTS.md | ||
| README.md | ||
| SECURITY.md | ||
| troubleshoot.md | ||
README.md
هوش مصنوعی برای مبتدیان - یک برنامه درسی
 |
|---|
| هوش مصنوعی برای مبتدیان - اسکچنوت توسط @girlie_mac |
دنیای هوش مصنوعی (AI) را با برنامه ۱۲ هفتهای، ۲۴ درس ما کاوش کنید! این برنامه شامل درسهای عملی، آزمونها و آزمایشگاهها است. برنامه برای مبتدیان مناسب بوده و ابزارهایی مانند TensorFlow و PyTorch، و همچنین اخلاق در هوش مصنوعی را پوشش میدهد.
🌐 پشتیبانی چندزبانه
پشتیبانی شده از طریق GitHub Action (خودکار و همیشه بهروز)
Arabic | Bengali | Bulgarian | Burmese (Myanmar) | Chinese (Simplified) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Macau) | Chinese (Traditional, Taiwan) | Croatian | Czech | Danish | Dutch | Estonian | Finnish | French | German | Greek | Hebrew | Hindi | Hungarian | Indonesian | Italian | Japanese | Kannada | Korean | Lithuanian | Malay | Malayalam | Marathi | Nepali | Nigerian Pidgin | Norwegian | Persian (Farsi) | Polish | Portuguese (Brazil) | Portuguese (Portugal) | Punjabi (Gurmukhi) | Romanian | Russian | Serbian (Cyrillic) | Slovak | Slovenian | Spanish | Swahili | Swedish | Tagalog (Filipino) | Tamil | Telugu | Thai | Turkish | Ukrainian | Urdu | Vietnamese
ترجیح میدهید به صورت محلی کلون کنید؟
این مخزن شامل بیش از ۵۰ ترجمه زبان است که حجم دانلود را به طور قابل توجهی افزایش میدهد. برای کلون بدون ترجمهها، از sparse checkout استفاده کنید:
git clone --filter=blob:none --sparse https://github.com/microsoft/AI-For-Beginners.git cd AI-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'این به شما همه چیز لازم برای کامل کردن دوره را با دانلود بسیار سریعتر میدهد.
اگر مایلید زبانهای ترجمهی بیشتری پشتیبانی شود، در اینجا لیست شدهاند اینجا
به جامعه بپیوندید
چه چیزی خواهید آموخت
در این برنامه درسی، خواهید آموخت:
- رویکردهای مختلف به هوش مصنوعی، از جمله رویکرد "نمادین قدیمی" با نمایش دانش و استدلال (GOFAI).
- شبکههای عصبی و یادگیری عمیق، که در هستهٔ هوش مصنوعی مدرن قرار دارند. مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - TensorFlow و PyTorch نشان میدهیم.
- معماریهای عصبی برای کار با تصویر و متن. مدلهای جدید را پوشش میدهیم اما ممکن است کمی از جدیدترینهای حوزه عقب باشیم.
- رویکردهای کمتر شناخته شده هوش مصنوعی، مانند الگوریتمهای ژنتیک و سیستمهای چندعامله.
آنچه در این برنامه درسی پوشش نمیدهیم:
تمام منابع اضافی این دوره را در مجموعه Learn مایکروسافت ما بیابید
- موارد کسبوکار استفاده از هوش مصنوعی در کسبوکار. در نظر بگیرید مسیر یادگیری مقدمهای بر هوش مصنوعی برای کاربران کسبوکار را در Microsoft Learn، یا مدرسه کسبوکار AI که با همکاری INSEAD توسعه یافته است.
- یادگیری ماشین کلاسیک که در برنامه یادگیری ماشین برای مبتدیان به خوبی شرح داده شده است.
- برنامههای عملی هوش مصنوعی ساخته شده با استفاده از خدمات شناختی. برای این منظور، توصیه میکنیم با ماژولهای Microsoft Learn برای دید، پردازش زبان طبیعی، هوش مصنوعی مولد با سرویس Azure OpenAI و دیگران شروع کنید.
- چارچوبهای ابری خاص یادگیری ماشین، مانند Azure Machine Learning، Microsoft Fabric، یا Azure Databricks. به استفاده از مسیرهای یادگیری ساخت و راهاندازی راهحلهای یادگیری ماشین با Azure Machine Learning و ساخت و راهاندازی راهحلهای یادگیری ماشین با Azure Databricks فکر کنید.
- هوش مصنوعی گفتگویی و چت باتها. یک مسیر یادگیری جداگانه به نام ایجاد راهحلهای هوش مصنوعی گفتگویی وجود دارد، و همچنین میتوانید به این پست وبلاگی برای جزئیات بیشتر مراجعه کنید.
- ریاضیات عمیق پشت یادگیری عمیق. برای این منظور، کتاب یادگیری عمیق نوشته ایان گودفلو، یوشوا بنگیو و آرون کورویل را پیشنهاد میکنیم که به صورت آنلاین نیز در https://www.deeplearningbook.org/ موجود است.
برای معرفی ملایم به مباحث هوش مصنوعی در فضای ابری میتوانید مسیر یادگیری شروع با هوش مصنوعی در Azure را دنبال کنید.
محتوا
هر درس شامل
- مطالب پیشمطالعهای
- دفترچههای یادداشت اجرایی Jupyter که اغلب مخصوص چارچوب خاصی هستند (PyTorch یا TensorFlow). دفترچه یادداشت اجرایی همچنین شامل مقدار زیادی مطالب نظری است، بنابراین برای درک موضوع باید حداقل یک نسخه از دفترچه را (چه PyTorch و چه TensorFlow) مرور کنید.
- آزمایشگاه برای برخی موضوعات که به شما فرصت میدهد مهارتهایی را که آموختهاید در یک مسئله خاص اعمال کنید.
- برخی بخشها شامل لینکهایی به ماژولهای MS Learn هستند که موضوعات مرتبط را پوشش میدهند.
شروع به کار
🎯 تازه وارد هوش مصنوعی هستید؟ از اینجا شروع کنید!
اگر کاملاً تازهکار در هوش مصنوعی هستید و به دنبال مثالهای سریع و عملی میگردید، مثالهای دوستانه برای مبتدیان ما را بررسی کنید! این شامل موارد زیر است:
-
🌟 سلام دنیای هوش مصنوعی - اولین برنامه هوش مصنوعی شما (شناسایی الگو)
-
🧠 شبکه عصبی ساده - ساخت یک شبکه عصبی از صفر
-
🖼️ دستهبندی تصاویر - دستهبندی تصاویر با توضیحات دقیق
-
💬 احساسات متن - تحلیل متون مثبت/منفی
این مثالها برای کمک به درک مفاهیم هوش مصنوعی قبل از شروع آموزش کامل طراحی شدهاند.
📚 راهاندازی دوره کامل
- ما یک درس راهاندازی برای کمک به آمادهسازی محیط توسعه شما ایجاد کردهایم. - برای مدرسان نیز یک درس راهاندازی دورهها فراهم کردهایم!
- چگونگی اجرای کد در VSCode یا Codespace
این مراحل را دنبال کنید:
مخزن را فورک کنید: روی دکمه «Fork» در گوشه بالای سمت راست این صفحه کلیک کنید.
مخزن را کلون کنید: git clone https://github.com/microsoft/AI-For-Beginners.git
فراموش نکنید این مخزن را ستارهدار (🌟) کنید تا بعداً راحتتر پیدایش کنید.
ملاقات با سایر یادگیرندگان
به سرور دیسکورد رسمی هوش مصنوعی ما بپیوندید تا با دیگر یادگیرندگانی که این دوره را میگذرانند آشنا شوید و شبکهسازی کنید و پشتیبانی بگیرید.
اگر بازخورد محصول یا سوالی هنگام ساخت دارید به انجمن توسعهدهندگان Azure AI Foundry مراجعه کنید.
آزمونها
نکتهای درباره آزمونها: همه آزمونها در پوشه Quiz-app در مسیر etc\quiz-app قرار دارند، یا به صورت آنلاین در اینجا موجود هستند. این آزمونها از داخل درسها به آنها لینک شدهاند. برنامه آزمون میتواند به صورت محلی اجرا شده یا به Azure منتقل شود؛ دستورالعملها را در پوشه
quiz-appدنبال کنید. این آزمونها به تدریج بومیسازی میشوند.
درخواست کمک
آیا پیشنهادی دارید یا خطاهای املایی یا برنامه را پیدا کردهاید؟ یک issue ایجاد کنید یا pull request ارسال نمایید.
تشکر ویژه
- ✍️ نویسنده اصلی: Dmitry Soshnikov، دکتری
- 🔥 ویراستار: Jen Looper، دکتری
- 🎨 تصویرگر اسکچنوت: Tomomi Imura
- ✅ سازنده آزمون: Lateefah Bello، MLSA
- 🙏 مشارکتکنندگان اصلی: Evgenii Pishchik
دورههای دیگر
تیم ما دورههای دیگری هم تولید میکند! ببینید:
LangChain
Azure / Edge / MCP / Agents
سری هوش مصنوعی مولد
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
یادگیری پایه
سری Copilot
دریافت کمک
اگر گیر کردهاید یا سوالی درباره ساخت اپلیکیشنهای هوش مصنوعی دارید، به بحثها با سایر یادگیرندگان و توسعهدهندگان باتجربه درباره MCP بپیوندید. این یک جامعه حمایتی است که سوالات پذیرفته میشوند و دانش بهصورت آزاد به اشتراک گذاشته میشود.
اگر بازخورد محصول یا خطایی هنگام ساخت دارید، مراجعه کنید به:
سلب مسئولیت: این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش میکنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطا یا نادرستی باشند. سند اصلی به زبان بومی آن باید منبع معتبر محسوب شود. برای اطلاعات حیاتی، توصیه میشود از ترجمه حرفهای انسانی استفاده نمایید. ما مسئول هیچ گونه سوء تفاهم یا تفسیر نادرستی که از استفاده این ترجمه ناشی شود، نمیباشیم.