آموزش مقدماتی هوش مصنوعی با پایتون – درگام اول برنامه نویسی نیاز است با مفاهیم پایه و Concept های برنامه نویسی آشنا شوید. این مفاهیم پایه می توانند شامل:
ساختمان های داده ، ساختار های تصمیم و انتخاب ، ساختارهای تکرار ، کار با توابع ، سازنده ها ، کار با فایلها ، کتابخانه های استاندارد و… باشند..
البته مهمترین هدف در این قدم ، تفکر برنامه نویسی است(که درواقع منحصر به یک زبان برنامه نویسی خاص هم نیست).
تلاش این است که این تفکر در قالب پروژه های الگوریتمی در طول جلسات یا پس از اتمام آموزش یک مبحث، در قالب جلسات پروژه محور به کارآموز منتقل شود.
در انتهای دوره چی یاد میگیریم؟
در دوره آموزش مقدماتی و پیشرفته هوش مصنوعی با پایتون در آموزشگاه نخبگان آراد اسلامشهر یاد خواهید گرفت که:
برخی از ابزارهای دم دستی و بسیار کاربردی زبان پایتون مشابه کتابخانه Requests و چندین مفهوم بسیار مهم در دنیای برنامه نویسی یعنی کار با عبارات با قاعده یا Regex ها ، API های زبان برنامه نویسی پایتون (برای ارتباط برنامه ها باهم) چگونه کار کنید.
شما با این دوره آموزشی با مهمترین مبحث زبانهای برنامه نویسی که همان برنامه نویسی شی گرا هست آشنا خواید شد.
با ما در دوره جامع هوش مصنوعی با پایتون بطور کامل مباحث این زبان برنامه نویسی را فرا خواهید گرفت.
در انتهای دوره شما بطور کامل با ابزارهای آنالیز و تحلیل داده بصورت مقدماتی آشنا خواهید شد و توانایی تحلیل اطلاعات از فایلهای اکسل، پی دی اف و … را خواهید داشت و همچنین با بهترین کتابخانه های آموزش هوش مصنوعی آشنا خواهید شد.
پایگاه داده MySQL
یکی از مهم ترین مواردی که در دنیای نرم افزار وجود دارد ، بحث داده و ذخیره سازی آن است .
اکثر نرم افزار ها ، وب سرویس ها و اپلیکیشنهای موبایل و … با داده هایی سروکار دارند.
حداقل ترین حالت اینکه اطلاعات پایه ای کاربرانش را باید ذخیره کند و یکسری Authentication هایی (احراز هویت کاربران در برنامه) انجام دهند تا نرم افزارهای حسابداری و مدیریت مالی که بصورت کلی با داده و اطلاعات سروکار دارند.
در گذشته، قبل از پایگاه داده های ارتباطی (Relational Databases) از سیستم های فایلی استفاده میشد.
بعدها پایگاه های داده ارتباطی و NoSQL و … مطرح شدند.
در این مبحث هدف این است که با عملیات اساسی و اصلی روی دیتابیس یعنی CRUD روی دیتابیس آشنا خواهید شد.
شما ابتدا یاد خواهید گرفت که چگونه می توانید یک سرور محلی در سیستم خود با Xampp Server ایجاد کنید.
بایذد از طریق درایور MySQL با پایتون به آن Connect شوید و در ادامه با عملیات اصلی پایگاه داده و زبان SQL و پیاده سازی آن در پایتون آشنا شوید.
برنامه نویسی گرافیکی (PyQt5)
آموزش مقدماتی هوش مصنوعی با پایتون -قالب ظاهری هر نرم افزار (فرانت اند) یکی از مهمترین بخش های توسعه هر نرم افزاری است.
زیرا که در نهایت کار ، کاربر نهایی از طریق این لایه است که با نرم افزار شما در ارتباط است.
شما میتوانید با طراحی یک ظاهر خوب و جذاب میتواند سبب راحتی مخاطب در کار با نرم افزار و در نتیجه برقراری ارتباط بهتر با نرم افزار شما شود.
در این قدم یکی از فریمورک های طراحی گرافیکی پایتون یعنی PyQT5 را بررسی میکنیم.
QT برای C++ توسعه داده شده است و یکی از مهمترین مزیت های آن مالتی پلتفرم بودن آن است.
برای طراحی گرافیکی بصورت کلی دو رویکرد وجود دارد :
اولین رویکرد : کد نویسی برای تک تک Widget ها و اجزای گرافیکی پروژه است.
دومین رویکرد : استفاده از یک GUI Builder (نظیر QT Designer) که در این بخش به هر دو این دو روش خواهیم پرداخت.
(با تمرکز بر رویکرد دوم) ، هدف نهایی این مبحث آشنایی با برنامه نویسی رویدادگرا یا Event Based Programming خواهد بود .
برای تمرین یک ماشین حساب گرافیکی را از صفر تا صد طراحی و برنامه نویسی خواهیم کرد.
فریمورک ها و پکیج های کاربردی در پایتون
در این قدم با تعدادی از فریمورک ها و پکیج های پایتون آشنا خواهید شد.
پایتون تقریبا برای هرکاری پکیجی توسعه داده اند و تا اینجای کار شما با یادگیری بخش عظیمی از زبان پایتون ، توانایی یادگیری هر پکیجی را خواهید داشت .
برخی از بسته های پرکاربرد پایتون مانند Numpy و Matplotlib (زیرا که در اکثر پروژه ها بخصوص برای کار با تصاویر نیاز به ماتریس های استاندارد Numpy خواهید داشت).
مقدماتی از کار با تصاویر و آشنایی با OpenCV ، مقدمات خواندن و ارسال ساختارمند اطلاعات به سمت وب و آشنایی با Scrapy و Seleniumهوش مصنوعی (AI) ، یادگیری ماشین (Machine Learning) ، یادگیری عمیق (Deep Learning).
در گام آخر دوره آموزش مقدماتی و پیشرفته هوش مصنوعی با پایتون لازم است با یکی از حوزه های دنیای پیش روی پایتون آشنا شوید.
مهم ترین دلیل محبوبیت پایتون پکیج های مهم و بسیار کاربردی و در عین حال راحت پایتون برای کار هوش مصنوعی و یادگیری ماشین با پایتون است .
به طوری که اولین انتخاب اکثر تحلیل گران داده و افرادی که در زمینه یادگیری ماشین کار میکنند پایتون و کتابخانه های فوق العاده ی آن است.
کتابخانه Scikit Learn برای کار با مسائل هوش مصنوعی (مسائلی نظیر Classification و Prediction و …)
کتابخانه ها و پروژه ها
همچنین در این بخش علاوه بر بررسی این کتابخانه سه پروژه جذاب هم خواهیم نوشت و استفاده عملی از هوش مصنوعی را خواهیم دید:
پروژه تشخیص پاس شدن یا نشدن دانشجویان با استفاده از iq بوسیله ی Bayes Classifier
پروژه تشخیص جنسیت بر اساس قد و وزن KNN Classifier
پروژه پیش بینی جمعیت با Regression
شروع کار یادگیری عمیق یا ژرف (Deep Learning)
شبکه های عصبی مصنوعی (Artificial Neural Networks)
مدل Perceptron
مدل MLP(Multilayer Perceptron)
شبکه های عصبی کانوولوشنال (CNN)
معماری های معروف CNN
LeNet – AlexNet
VGG16 – VGG19
GoogleNet – ResNet
آشنایی با کتابخانه Keras برای پیاده سازی شبکه های عصبی مصنوعی
و آشنایی با Google Colab
دوره آموزش هوش مصنوعی با پایتون مناسب چه افرادی است ؟
افرادی که تا کنون با برنامه نویسی آشنایی چندانی نداشته اند میتوانند با پیمودن گام های این دوره در انتهای کار به یک برنامه نویس تبدیل شوند.
آنها میتوانند به حل مسئله بپردازند و با پیاده سازی هوش مصنوعی آشنا شده است.
همچنین افرادی هم که با برنامه نویسی آشنایی دارند اما میخواهند به زبان قدرتمند پایتون مهاجرت کنند میتوانند از این دوره بهره ببرند.
ابتدا بهتر است با برنامه نویسی شی گرا، برنامه نویسی گرافیکی و کار با دیتابیس و … از همه مهمتر هوش مصنوعی آشنا شوند.
مهم ترین مخاطب این دوره علاقه مندان به برنامه نویسی و افرادی هستند که پایتون را برای قدرتی که در زمینه ی یادگیری ماشین به سبب پکیج های کاربردی اش دارد انتخاب کرده اند.
سطح زبان پایتون؟
پایتون یک زبان برنامه نویسی سطح بالا تفسیر شده برای برنامه نویسی عمومی است .
این زبان دارای یک فلسفه طراحی است که بر خواندن کد ، به خصوص با استفاده از فضای خالی مهم استوار است.
Python دارای یک سیستم نوع پویا و مدیریت حافظه خودکار است .
پایتون میتواند پارادایم های چندگانه برنامه نویسی را پشتیبانی می کند.
مفسر پایتون برای بسیاری از سیستم عامل ها در دسترس است .
این زبان برنامه نویسی معمولا به عنوان یک زبان اسکریپت نویسی برای وب اپلیکیشن ها استفاده می شود.
به طوری که می تواند به شکل اتوماتیک بسیاری از تسک ها را انجام داده و انجام برنامه نویسی را موثرتر نماید.
یادگیری پایتون؟
یادگیری این زبان به نسبت بسیار ساده است و برنامه نویسان می توانند در حداقل زمان برای بازار کار نوظهور و جالب آن آماده شوند.
بر اساس گزارش ACM ،پایتون پراستفاده ترین زبان برای آموزشهای مقدماتی برنامه نویسی میان ۳۹ دانشگاه معتبر آمریکا است.
همچنین بنا بر آمار سایت indeed میانگین درآمد توسعه دهندگاه پایتون در آمریکا حدود 115،000 دلار در سال است.
در واقع پایتون یکی از رایج ترین زبان های برنامه نویسی است که هکرها برای نوشتن ابزار ها و اکسپلویت ها از آن استفاده می کنند ،
کارآموز در دوره آموزش جامع پایتون در آموزشگاه نخبگان آراد اسلامشهر ، با نوشتن ابزار های مختلف تست نفوذ و اکسپلویت به زبان Python آشنا می شود.
چرا آموزشگاه نخبگان آراد اسلامشهر؟
جالب است بدانید کدهای نوشته شده در زبان برنامه نویسی پایتون و هوش مصنوعی در محدوده وسیعی از پلتفرم ها مانند لینوکس ، ویندوز ، مک و حتی گوشی های موبایل و … قابل اجراست .
لازم به ذکر است که زبان برنامه نویسی پایتون در شرکتها و سازمانهای بزرگی چون ناسا ، گوگل ، یاهو و … بصورت گسترده مورد استفاده قرار میگیرد .
آموزش هوش مصنوعی در مجتمع فنی نخبگان آراد اسلامشهر ، شامل تمام مباحث مربوط به مقدماتی و پیشرفته است.
و بصورت کاملا عملی و پروژه محور برگزار میگردد و در طی دوره تمرینهای عملی حین کلاس و تمرین در منزل نیز جزو متدهای آموزشی منسجم این مجموعه میباشد .
همچنین کارآموزان این دوره در انتها با قبولی در آزمونهای کتبی و عملی سازمان فنی و حرفه ای میتوانند مدرک معتبر و قابل ترجمه سازمان آموزش فنی و حرفه ای کل کشور را دریافت کنند.
مزایای این مدرک این است که برای ایجاد شغل ، استخدام و مهاجرت استفاده میشود.
سرفصلها
بررسی زبان برنامه نويسی پايتون و توانايی اجرای كد در آن
فصل اول
نصب و اجرای پايتون در سيستم عامل های مختلف - نوشتن برنامه ساده در پايتون
نصب برنامه پايتون و روشهای اجرای کد در آن
فصل دوم
كاربا متغيرها ، عبارات و دستورات
فصل سوم
بكارگيری متغيرهای مناسب در برنامه - بكارگيری عملگرها در جای مناسب خود در برنامه
كار با ساختمان داده در پايتون
فصل چهارم
كار با داده های درون ليست-كار با داده های تاپل-كار با ديكشنری-كار با مجموعه ها
بررسي Function ها در زبان پايتون
فصل پنجم
استفاده از توابع - استفاده از تركيب توابع - ايجاد توابع جديد - بكارگيری نمودارهای پشته
كار با شرط ها و بازگشت
فصل ششم
کار با فايل ها
فصل هفتم
كار با حلقه های تكرار
فصل هشتم
كار با ليستها
فصل نهم
ساخت ليست - نحوه دستيابی به ليست - ويرايش ليست - استفاده از حلقه for در ليست - استفاده از ليستهای تو در تو و ماتريس
كار با Tuple ها
فصل دهم
كار با دیکشنری
فصل یازدهم
كار با Set ها
فصل دوازدهم
بررسی Map و استفاده از Lambda
فصل سیزدهم
کار با انواع فرمت ها Csv و JSON و XML
فصل چهاردهم
شی گرایی در پايتون - Object Oriented Programming
فصل پانزدهم
كار با كلاس ، اشيا و وراثت
فصل شانزدهم
پياده سازی كلاس و شروع مبحث شی گرائی - استفاده كردن از اشيا و فراخوانی خصوصيات اشيا - كار با وراثت
كار با حلقه های تكرار
فصل هفدهم
ساخت بانک اطلاعاتی و دستورات MY SQL
فصل هجدهم
طراحی فرم ها و اتصال به پايگاه داده و گزارش گيری
فصل نوزدهم
ساخت فرم ها - طراحی پايگاه داده - ساخت جداول و انتخاب كليد - ايجاد ارتباط جداول - اتصال داده ها و پايگاه داده - حذف، اضافه، ويرايش، جستجو و فيلتركردن ركوردها و اطلاعات مورد نظر - گزارش گيری
واسط گرافیکی در زبان پايتون
فصل بیستم
استفاده از پکیج Tkinter و اتصال فرم به دیتابیس و استفاده از مفاهیم شی گرایی
ابزار های کاربردی در پایتون
فصل بیست و یکم
کار با Regex ( عبارات با قاعده )
کتابخانه Requests
پروژه استخراج ایمیلهای یک سایت
کتابخانه JSON
API های برنامه نویسی (Application Programming Interface)
پروژه طراحی سرویس آب و هوا برای یک منطقه جغرافیایی ( کار با API ها )
کتابخانه ها و فریمورک های هوش مصنوعی پایتون
فصل بیست و دوم
آشنایی با Numpy
آشنایی با Matplotlib
آشنایی با OpenCV
خواندن و ارسال اطلاعات به سمت وب
آشنایی با Scrapy
آشنایی با Selenium
پایتون و هوش مصنوعی (Deep Learning and Machine Learning)
فصل بیست و سوم
کتابخانه Scikit-Learn
پروژه تشخیص پاس شدن یا نشدن دانشجویان با استفاده از iq بوسیله ی Bayes Classifier
پروژه تشخیص جنسیت بر اساس قد و وزن KNN Classifier
پروژه پیش بینی جمعیت با Regression
شروع یادگیری عمیق ( Deep Learning )
شبکه های عصبی مصنوعی (Artificial Neural Network)
مدل Perceptron
شبکه های عصبی چند لایه MLP
شبکه های عصبی کانوولوشنی CNN
کتابخانه Keras
یادگیری انتقالی (Transfer Learning)
آشنایی با Google Colab برای اجرای برنامه های هوش مصنوعی روی GPU
پکیج numpy در numpy - array ها و ماتریسها
broadcasting در numpy
جمع، تفریق، تقسیم و جذر در numpy
میانگین، واریانس، میانه، کواریانس و مقدار تعداد تکرار
پروژه هوش مصنوعی نهایی – پردازش تصاویر برای تشخیص محدوده ی سنی چهره ها
کتابخانه pandas
فصل بیست و چهارم
کتابخانه matplotlib
فصل بیست و پنجم
مباحث آماری
فصل بیست و ششم
پیش پردازش داده ها
فصل بیست و هفتم
یادگیری نظارت شده و نشده
فصل بیست و هشتم
شبکه های عصبی چند لایه MLP
فصل بیست و نهم
کتابخانه Keras
فصل سی ام
موارد مرتبط
نظرات
قیمت 4,500,000 تومان
برنامه نویس، گرافیست و تحلیلگر بازارهای مالی
نقد و بررسیها
هنوز بررسیای ثبت نشده است.