|
|
||
|---|---|---|
| .. | ||
| etc | ||
| examples | ||
| lessons | ||
| 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 |
با برنامه درسی ۱۲ هفتهای و ۲۴ درس ما دنیای هوش مصنوعی (AI) را کشف کنید! این برنامه شامل درسهای عملی، آزمونها و آزمایشگاهها است. برنامه درسی برای مبتدیان مناسب است 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)
عربی | بنگالی | بلغاری | برمهای (میانمار) | چینی (سادهشده) | چینی (سنتی، هنگکنگ) | چینی (سنتی، ماکائو) | چینی (سنتی، تایوان) | کرواتی | چکی | دانمارکی | هلندی | استونیایی | فنلاندی | فرانسوی | آلمانی | یونانی | عبری | هندی | مجارستانی | اندونزیایی | ایتالیایی | ژاپنی | کانادا | کرهای | لیتوانیایی | مالایی | مالایالام | مراتی | نپالی | پیدج نیجریهای | نروژی | فارسی (Farsi) | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گورمخی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیل | تلوگو | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
اگر مایلید زبانهای ترجمه بیشتری پشتیبانی شود، فهرست آنها را اینجا ببینید
به جامعه بپیوندید
آنچه یاد خواهید گرفت
در این برنامه درسی، شما یاد خواهید گرفت:
- رویکردهای مختلف به هوش مصنوعی، از جمله رویکرد نمادین "قدیمی" با نمایش دانش و استدلال (GOFAI).
- شبکههای عصبی و یادگیری عمیق که در هسته هوش مصنوعی مدرن قرار دارند. مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - TensorFlow و PyTorch توضیح خواهیم داد.
- معماریهای عصبی برای کار با تصاویر و متن. مدلهای جدید را پوشش میدهیم اما ممکن است کمی از آخرین پیشرفتها عقب باشیم.
- رویکردهای کمتر محبوب هوش مصنوعی، مانند الگوریتمهای ژنتیکی و سیستمهای چندعاملی.
مواردی که در این برنامه درسی پوشش داده نمیشوند:
تمام منابع اضافی این دوره را در مجموعه Microsoft Learn ما بیابید
- موارد کسبوکاری استفاده از هوش مصنوعی در کسبوکار. پیشنهاد میکنیم مسیر یادگیری مقدمهای بر هوش مصنوعی برای کاربران کسبوکار در Microsoft Learn یا مدرسه کسبوکار هوش مصنوعی که با همکاری INSEAD توسعه یافته است را دنبال کنید.
- یادگیری ماشین کلاسیک که به خوبی در برنامه درسی یادگیری ماشین برای مبتدیان توضیح داده شده است.
- کاربردهای عملی هوش مصنوعی ساخته شده با استفاده از خدمات شناختی. برای این منظور، توصیه میکنیم با ماژولهای Microsoft Learn برای بینایی، پردازش زبان طبیعی، هوش مصنوعی مولد با سرویس Azure OpenAI و دیگر موارد شروع کنید.
- چارچوبهای خاص یادگیری ماشین ابری، مانند Azure Machine Learning، Microsoft Fabric یا Azure Databricks. پیشنهاد میکنیم مسیرهای یادگیری ساخت و راهاندازی راهحلهای یادگیری ماشین با Azure Machine Learning و ساخت و راهاندازی راهحلهای یادگیری ماشین با Azure Databricks را دنبال کنید.
- هوش مصنوعی مکالمهای و چتباتها. مسیر یادگیری جداگانهای به نام ایجاد راهحلهای هوش مصنوعی مکالمهای وجود دارد و همچنین میتوانید برای جزئیات بیشتر به این پست وبلاگ مراجعه کنید.
- ریاضیات عمیق پشت یادگیری عمیق. برای این موضوع، کتاب یادگیری عمیق نوشته ایان گودفلو، یوشوا بنگیو و آرون کورویل را توصیه میکنیم که به صورت آنلاین نیز در https://www.deeplearningbook.org/ در دسترس است.
برای معرفی ملایم به موضوعات هوش مصنوعی در فضای ابری میتوانید مسیر یادگیری شروع کار با هوش مصنوعی در Azure را دنبال کنید.
محتوا
هر درس شامل
- مطالب پیشمطالعه
- دفترچههای یادداشت اجرایی Jupyter که اغلب مخصوص چارچوب خاصی هستند (پایتورچ یا تنسرفلو). دفترچه یادداشت اجرایی همچنین شامل مطالب نظری زیادی است، بنابراین برای درک موضوع باید حداقل یک نسخه از دفترچه (پایتورچ یا تنسرفلو) را مطالعه کنید.
- آزمایشگاهها برای برخی موضوعات که فرصت تمرین و بهکارگیری مطالب یادگرفته شده را در یک مسئله خاص فراهم میکنند.
- برخی بخشها شامل لینکهایی به ماژولهای MS Learn هستند که موضوعات مرتبط را پوشش میدهند.
شروع کار
🎯 تازهکار در هوش مصنوعی؟ از اینجا شروع کنید!
اگر کاملاً تازهکار در هوش مصنوعی هستید و دنبال مثالهای سریع و عملی میگردید، به مثالهای مناسب مبتدیان ما سر بزنید! اینها شامل:
- 🌟 سلام دنیای هوش مصنوعی - اولین برنامه هوش مصنوعی شما (شناسایی الگو)
- 🧠 شبکه عصبی ساده - ساخت شبکه عصبی از صفر
- 🖼️ دستهبند تصویر - دستهبندی تصاویر با توضیحات دقیق
- 💬 احساس متن - تحلیل متن مثبت/منفی
این مثالها برای کمک به درک مفاهیم هوش مصنوعی قبل از شروع کامل دوره طراحی شدهاند.
📚 راهاندازی کامل دوره
- ما یک درس راهاندازی برای کمک به راهاندازی محیط توسعه شما ایجاد کردهایم. - برای مدرسین نیز یک درس راهاندازی دوره آماده کردهایم!
- نحوه اجرای کد در VSCode یا Codepace
این مراحل را دنبال کنید:
مخزن را فورک کنید: روی دکمه «Fork» در گوشه بالا سمت راست این صفحه کلیک کنید.
مخزن را کلون کنید: git clone https://github.com/microsoft/AI-For-Beginners.git
فراموش نکنید که به این مخزن ستاره (🌟) بدهید تا بعداً راحتتر پیدایش کنید.
آشنایی با سایر یادگیرندگان
به سرور رسمی دیسکورد هوش مصنوعی ما بپیوندید تا با سایر یادگیرندگانی که این دوره را میگذرانند آشنا شوید و شبکهسازی کنید و پشتیبانی دریافت کنید.
اگر در حین ساخت محصول بازخورد یا سوالی دارید، به انجمن توسعهدهندگان Azure AI Foundry مراجعه کنید.
آزمونها
نکتهای درباره آزمونها: تمام آزمونها در پوشه Quiz-app در مسیر etc\quiz-app قرار دارند، یا به صورت آنلاین اینجا در دسترس هستند. آنها از داخل درسها لینک شدهاند. اپلیکیشن آزمون میتواند به صورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعملها در پوشه
quiz-appموجود است. این آزمونها به تدریج بومیسازی میشوند.
درخواست کمک
آیا پیشنهادی دارید یا خطاهای املایی یا کد پیدا کردهاید؟ یک issue باز کنید یا pull request ایجاد کنید.
تشکر ویژه
- ✍️ نویسنده اصلی: Dmitry Soshnikov، دکترا
- 🔥 ویراستار: Jen Looper، دکترا
- 🎨 تصویرگر اسکچنوت: Tomomi Imura
- ✅ سازنده آزمون: Lateefah Bello، MLSA
- 🙏 مشارکتکنندگان اصلی: Evgenii Pishchik
دورههای دیگر
تیم ما دورههای دیگری نیز تولید میکند! نگاهی بیندازید:
Azure / Edge / MCP / Agents
سری هوش مصنوعی مولد
یادگیری پایه
سری Copilot
دریافت کمک
اگر گیر کردید یا سوالی درباره ساخت برنامههای هوش مصنوعی داشتید، به جمع یادگیرندگان و توسعهدهندگان باتجربه در بحثهای MCP بپیوندید. این یک جامعه حمایتی است که سوالات پذیرفته میشود و دانش به صورت آزاد به اشتراک گذاشته میشود.
اگر در حین ساخت محصول بازخورد یا خطایی داشتید، به اینجا مراجعه کنید:
سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نادرستیهایی باشند. سند اصلی به زبان بومی خود باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئول هیچ گونه سوءتفاهم یا تفسیر نادرستی که از استفاده این ترجمه ناشی شود، نیستیم.
