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.