32 KiB
هوش مصنوعی برای مبتدیان - یک برنامه آموزشی
 |
|---|
| هوش مصنوعی برای مبتدیان - طرحواره توسط @girlie_mac |
دنیای هوش مصنوعی (AI) را با برنامه آموزشی ۱۲ هفتهای و ۲۴ درس ما کشف کنید! این برنامه شامل درسهای عملی، آزمونها و آزمایشگاهها است. این برنامه آموزشی برای مبتدیان طراحی شده 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 | مجاری | اندونزیایی | ایتالیایی | ژاپنی | کرهای | لیتوانیایی | مالایی | مراتی | نپالی | نروژی | فارسی | لهستانی | پرتغالی (برزیل) | پرتغالی (پرتغال) | پنجابی (گرمکی) | رومانیایی | روسی | صربی (سیریلیک) | اسلواکی | اسلوونیایی | اسپانیایی | سواحیلی | سوئدی | تاگالوگ (فیلیپینی) | تامیلی | تایلندی | ترکی | اوکراینی | اردو | ویتنامی
اگر مایل به اضافه کردن زبانهای ترجمهای بیشتری هستید، لیست زبانهای پشتیبانی شده اینجا موجود است.
به جامعه بپیوندید
آنچه خواهید آموخت
در این برنامه آموزشی، 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 قلب 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 اخیر را پوشش خواهیم داد، اما ممکن است در مورد آخرین دستاوردها کمی کمبود داشته باشیم.
- رویکردهای کمتر محبوب هوش مصنوعی، مانند الگوریتمهای ژنتیکی و سیستمهای چندعاملی.
آنچه در این برنامه آموزشی پوشش نخواهیم داد:
تمام منابع اضافی برای این دوره را در مجموعه Microsoft Learn ما پیدا کنید
- موارد تجاری 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 آموزشی یادگیری ماشین برای مبتدیان توضیح داده شده است.
- کاربردهای عملی هوش مصنوعی که با استفاده از خدمات شناختی ساخته شدهاند. برای این موضوع، پیشنهاد میکنیم با ماژولهای Microsoft Learn برای بینایی، پردازش زبان طبیعی، هوش مصنوعی تولیدی با سرویس Azure OpenAI و دیگر موارد شروع کنید.
- چارچوبهای ابری یادگیری ماشین خاص، مانند Azure Machine Learning، Microsoft Fabric، یا Azure Databricks. پیشنهاد میکنیم مسیرهای یادگیری ساخت و بهرهبرداری از راهحلهای یادگیری ماشین با Azure Machine Learning و ساخت و بهرهبرداری از راهحلهای یادگیری ماشین با Azure Databricks را دنبال کنید.
- هوش مصنوعی مکالمهای و چتباتها. یک مسیر یادگیری جداگانه ایجاد راهحلهای هوش مصنوعی مکالمهای وجود دارد، و همچنین میتوانید به این پست وبلاگ برای جزئیات بیشتر مراجعه کنید.
- ریاضیات عمیق پشت یادگیری عمیق. برای این موضوع، پیشنهاد میکنیم کتاب Deep Learning نوشته ایان گودفلو، یوشوا بنگیو و آرون کورویل را مطالعه کنید که به صورت آنلاین نیز در دسترس است https://www.deeplearningbook.org/.
برای یک معرفی ساده به موضوعات هوش مصنوعی در ابر میتوانید مسیر یادگیری شروع با هوش مصنوعی در Azure را دنبال کنید.
محتوا
هر درس شامل موارد زیر است
- مطالب پیشخوانی
- دفترچههای یادداشت اجرایی Jupyter، که اغلب مختص چارچوب خاصی (PyTorch یا TensorFlow) هستند. این دفترچههای اجرایی همچنین شامل مطالب نظری زیادی هستند، بنابراین برای درک موضوع باید حداقل یکی از نسخههای دفترچه یادداشت (PyTorch یا TensorFlow) را مطالعه کنید.
- آزمایشگاهها که برای برخی موضوعات در دسترس هستند و به شما فرصت میدهند تا مطالبی که یاد گرفتهاید را در یک مسئله خاص به کار ببرید.
- برخی بخشها شامل لینکهایی به ماژولهای MS Learn هستند که موضوعات مرتبط را پوشش میدهند.
شروع به کار
🎯 تازهوارد به هوش مصنوعی؟ از اینجا شروع کنید!
اگر کاملاً با هوش مصنوعی آشنا نیستید و میخواهید مثالهای سریع و عملی را ببینید، به مثالهای مناسب برای مبتدیان ما نگاهی بیندازید! این مثالها شامل موارد زیر هستند:
- 🌟 سلام دنیای هوش مصنوعی - اولین برنامه هوش مصنوعی شما (تشخیص الگو)
- 🧠 شبکه عصبی ساده - ساخت یک شبکه عصبی از ابتدا
- 🖼️ دستهبندی تصاویر - دستهبندی تصاویر با توضیحات دقیق
- 💬 احساسات متن - تحلیل متن مثبت/منفی
این مثالها طراحی شدهاند تا به شما کمک کنند مفاهیم هوش مصنوعی را قبل از ورود به برنامه کامل درک کنید.
📚 راهاندازی برنامه کامل
- ما یک درس تنظیمات ایجاد کردهایم تا به شما در راهاندازی محیط توسعه کمک کنیم.
- برای مربیان، ما یک درس تنظیمات برنامه درسی نیز آماده کردهایم!
- نحوه اجرای کد در VSCode یا Codepace
مراحل زیر را دنبال کنید:
فورک کردن مخزن: روی دکمه "Fork" در گوشه بالا-راست این صفحه کلیک کنید.
کلون کردن مخزن: git clone https://github.com/microsoft/AI-For-Beginners.git
فراموش نکنید که این مخزن را ستارهدار (🌟) کنید تا بعداً راحتتر پیدا کنید.
آشنایی با دیگر یادگیرندگان
به سرور رسمی دیسکورد AI بپیوندید تا با دیگر یادگیرندگان این دوره آشنا شوید، شبکهسازی کنید و پشتیبانی دریافت کنید.
اگر در حین ساخت محصول بازخورد یا سوالی دارید، به فروم توسعهدهندگان Azure AI Foundry مراجعه کنید.
آزمونها
یادداشتی درباره آزمونها: تمام آزمونها در پوشه Quiz-app در مسیر etc\quiz-app قرار دارند، یا آنلاین اینجا. این آزمونها از داخل درسها لینک شدهاند و میتوانند به صورت محلی اجرا شوند یا در Azure مستقر شوند؛ دستورالعملها در پوشه
quiz-appموجود است. این آزمونها به تدریج بومیسازی میشوند.
نیاز به کمک
آیا پیشنهادی دارید یا خطاهای املایی یا کد پیدا کردهاید؟ یک issue ایجاد کنید یا یک pull request ارسال کنید.
تشکر ویژه
- ✍️ نویسنده اصلی: دمیتری سوشنیکوف، دکترا
- 🔥 ویراستار: جن لوپر، دکترا
- 🎨 تصویرگر یادداشتهای تصویری: تومومی ایمورا
- ✅ سازنده آزمون: لطیفه بلو، MLSA
- 🙏 مشارکتکنندگان اصلی: یوگنی پیشچیک
سایر برنامههای درسی
تیم ما برنامههای درسی دیگری نیز تولید میکند! بررسی کنید:
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 اصلی
سری کوپایلوت
دریافت کمک
اگر گیر کردید یا سوالی درباره ساخت برنامههای هوش مصنوعی دارید، به اینجا بپیوندید:
اگر بازخوردی درباره محصول دارید یا در حین ساخت خطایی پیدا کردید، 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 تلاش میکنیم دقت را حفظ کنیم، لطفاً توجه داشته باشید که ترجمههای خودکار ممکن است شامل خطاها یا نادرستیها باشند. سند اصلی به زبان اصلی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفهای انسانی توصیه میشود. ما مسئولیتی در قبال سوء تفاهمها یا تفسیرهای نادرست ناشی از استفاده از این ترجمه نداریم.