8fda175e33
|
||
|---|---|---|
| .. | ||
| 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 |
جهان هوش مصنوعی (AI) را با برنامه درسی ۱۲ هفتهای و ۲۴ درس ما 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)
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
اگر مایلید زبانهای ترجمه بیشتری پشتیبانی شوند، فهرست آنها را در اینجا ببینید
به جامعه بپیوندید
آنچه خواهید آموخت
در این برنامه درسی، شما 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 هسته هوش مصنوعی مدرن قرار دارند. ما مفاهیم پشت این موضوعات مهم را با استفاده از کد در دو چارچوب محبوب - TensorFlow و PyTorch نشان خواهیم داد.
- معماریهای عصبی برای کار با تصاویر و متن. مدلهای اخیر را پوشش خواهیم داد اما ممکن است کمی از آخرین پیشرفتها عقب باشیم.
- رویکردهای کمتر محبوب هوش مصنوعی، مانند الگوریتمهای ژنتیکی و سیستمهای چندعامله.
مواردی که در این برنامه درسی پوشش داده نمیشوند:
تمام منابع اضافی این دوره را در مجموعه Microsoft Learn ما بیابید
- موارد کسبوکار 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 منظور، 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 ابر میتوانید مسیر یادگیری شروع با هوش مصنوعی در Azure را در نظر بگیرید.
محتوا
هر درس شامل
- مطالب پیشخوانی
- دفترچههای یادداشت اجرایی Jupyter که اغلب مخصوص چارچوب خاصی هستند (پایتورچ یا تنسورفلو). دفترچه یادداشت اجرایی همچنین شامل مطالب نظری زیادی است، بنابراین برای درک موضوع باید حداقل یک نسخه از دفترچه یادداشت (پایتورچ یا تنسورفلو) را مطالعه کنید.
- آزمایشگاهها برای برخی موضوعات موجود است که به شما فرصت میدهد تا مطالب یادگرفته شده را روی یک مسئله خاص اعمال کنید.
- 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 میخواهید مثالهای سریع و عملی ببینید، 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 برنامه درسی طراحی شدهاند.
📚 راهاندازی برنامه درسی کامل
- ما یک درس راهاندازی ایجاد کردهایم تا به شما در راهاندازی محیط توسعه کمک کند. - برای مربیان، ما یک درس راهاندازی برنامه درسی نیز برای شما ایجاد کردهایم!
- چگونه کد را در VSCode یا Codepace اجرا کنیم
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 آن را پیدا کنید.
ملاقات با سایر یادگیرندگان
به سرور رسمی دیسکورد هوش مصنوعی ما بپیوندید تا با سایر یادگیرندگانی که این دوره را میگذرانند ملاقات و شبکهسازی کنید و پشتیبانی دریافت کنید.
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 etc\quiz-app قرار دارند، یا به صورت آنلاین اینجا هستند. آنها از داخل درسها لینک شدهاند. برنامه آزمون میتواند به صورت محلی اجرا شود یا در Azure مستقر شود؛ دستورالعملها را در پوشه
quiz-appدنبال کنید. آنها به تدریج بومیسازی میشوند.
درخواست کمک
آیا پیشنهادی دارید یا خطاهای املایی یا کد پیدا کردهاید؟ یک مسئله مطرح کنید یا درخواست کشش 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
برنامههای درسی دیگر
تیم ما برنامههای درسی دیگری تولید میکند! بررسی کنید:
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 کوپایلوت
دریافت کمک
اگر گیر کردید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، 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 هنگام ساخت بازخورد محصول یا خطا 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 در تلاش برای دقت هستیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است حاوی خطاها یا نواقصی 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.