دوره‌ها / Python برای هوش مصنوعی
مقدماتیدوره کلاسی

Python برای هوش مصنوعی

آموزش Python برای هوش مصنوعی در مسیر AI-P01 — مهندس هوش مصنوعی؛ سطح L1 (مقدماتی) و 30 ساعت آموزش ساختاریافته.

حدود ۳۰ ساعت۱۶ درس
مشاهده و ثبت‌نام دوره

معرفی دوره

معرفی دوره Python برای هوش مصنوعی

دوره Python برای هوش مصنوعی با کد AI-102 در دپارتمان هوش مصنوعی ارائه می‌شود. این دوره بخشی از AI-P01 — مهندس هوش مصنوعی است و برای یادگیری مرحله‌به‌مرحله موضوع دوره طراحی شده است.

جایگاه دوره در مسیر یادگیری

سطح این دوره L1 (مقدماتی) است و 30 ساعت زمان آموزشی دارد. محتوای دوره بر ایجاد درک کاربردی از Python برای هوش مصنوعی و آماده‌سازی برای ادامه همین مسیر یادگیری تمرکز دارد.

مشخصات کلیدی

  • کد دوره: AI-102
  • دپارتمان: هوش مصنوعی
  • مسیر یادگیری: AI-P01 — مهندس هوش مصنوعی
  • سطح: L1 (مقدماتی)
  • مدت آموزش: 30 ساعت

برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند مهارت خود را در Python برای هوش مصنوعی تقویت کنند و مسیر AI-P01 — مهندس هوش مصنوعی را هدفمند ادامه دهند.

سرفصل‌ها و درس‌ها

Python مورد نیاز AI
  • مرور ساختارهای Python
  • تابع و ماژول
  • شیءگرایی کاربردی
  • محیط مجازی و Notebook
محاسبات و داده
  • آرایه با NumPy
  • داده جدولی با Pandas
  • پاک‌سازی داده
  • خواندن فایل‌های داده
تحلیل و مصورسازی
  • آمار توصیفی
  • نمودار با Matplotlib
  • تحلیل اکتشافی
  • آماده‌سازی ویژگی‌ها
ورود به یادگیری ماشین
  • تقسیم داده آموزش و آزمون
  • ساخت مدل ساده
  • ارزیابی نتیجه
  • پروژه Python برای AI

پرسش‌های متداول

دوره «Python برای هوش مصنوعی» برای چه کسانی مناسب است؟

این دوره برای علاقه‌مندانی مناسب است که می‌خواهند «Python برای هوش مصنوعی» را در یک مسیر ساختاریافته، پروژه‌محور و قابل استفاده در دنیای واقعی یاد بگیرند.

پیش‌نیاز شرکت در این دوره چیست؟

این دوره از مبانی شروع می‌شود و پیش‌نیاز تخصصی ندارد؛ آشنایی عمومی با رایانه کافی است.

مدت زمان دوره و شیوه پیشروی چگونه است؟

مدت برنامه‌ریزی‌شده دوره 30 ساعت است. محتوا در ۴ سرفصل و ۱۶ درس مرتب شده و بهتر است درس‌ها به‌ترتیب همراه با تمرین دنبال شوند.

پس از پایان دوره چه توانایی‌ای به دست می‌آورم؟

پس از تکمیل درس‌ها و تمرین‌ها، می‌توانید مباحث دوره را در سناریوهای واقعی به کار بگیرید و با انجام بخش «ورود به یادگیری ماشین» یک خروجی قابل ارائه برای ادامه مسیر یادگیری یا نمونه‌کار بسازید.