آموزش هوش مصنوعی برای غیرمتخصصان داده

  • پس از ثبت‌نام، ویدیوها و فایل‌ها در داشبورد دوره قرار می‌گیرد.
  • ویدیوی این دوره تنها روی یک سیستم و تحت سیستم‌عامل «ویندوز یا مک یا اندروید» به مدت دو سال قابل پخش است.
۴ ساعت ۴۵ دقیقه
مبلغ دوره:
۶۶۰,۰۰۰ تومان
مبلغ دوره با تخفیف:
۳۳۰,۰۰۰ تومان
تخفیف تا یکشنبه، ۵ بهمن ثبت نام

فرم ثبت نام

مبلغ دوره:
۶۶۰,۰۰۰ تومان
مبلغ دوره با تخفیف:
۳۳۰,۰۰۰ تومان
تخفیف تا یکشنبه، ۵ بهمن
کد تخفیف دارید؟ وارد کردن کد تخفیف
ثبت‌نام در کافه‌تدریس
عضویت در کافه تدریس به معنای پذیرفتن قوانین سایت می‌باشد

اساتید دوره

  • کارتیک هوساناگار استاد دانشگاه پنسیلوانیا
    ۱ دوره فعال
  • پراسانا تامبه استاد دانشگاه پنسیلوانیا
    ۱ دوره فعال

توضیحات دوره

معرفی دوره

این دوره رو مدرسه‌ی کسب‌وکار وارتون دانشگاه پنسیلوانیا طراحی کرده تا هر کسی که به دنیای کار و کسب‌وکار علاقه داره — چه مدیر باشه، چه کارآفرین، چه کارمند تو موقعیت‌های شغلی مختلف یا حتی دانشجو — بتونه راحت با هوش مصنوعی آشنا بشه.
اینجا لازم نیست برنامه‌نویسی بلد باشید یا دنبال فرمول‌های پیچیده برید. فقط یاد می‌گیرید هوش مصنوعی چطوری کار می‌کنه، چه فرصت‌هایی جلوی پاتون می‌ذاره و کجاها هم محدودیت داره.

چرا این دوره مهمه؟

  • دید استراتژیک می‌گیرید: به جای سردرگم شدن توی ریاضی و کدنویسی، یاد می‌گیرید هوش مصنوعی رو توی تصمیم‌های کسب‌وکاری چطور به کار ببرید.
  • استادای مجرب: دو تا استاد مطرح وارتون یعنی کارتیک هوسانگر و پرسانا تامبه میان تجربیاتشون رو باهاتون به اشتراک می‌ذارن.
  • مثال‌های واقعی: می‌بینید شرکت‌های بزرگ دنیا چطوری دارن با کمک AI کارهاشون رو متحول می‌کنن.
  • مزیت رقابتی: بعد از این دوره می‌تونید هوش مصنوعی رو به برگ برنده‌ی خودتون توی شغل یا کسب‌وکار تبدیل کنید.

 

این دوره به درد کی می‌خوره؟

  • مدیرانی که می‌خوان بفهمن AI چطور می‌تونه قواعد بازی رو در صنعتشون عوض کنه
  • کارآفرین‌ها و استارتاپ‌هایی که به دنبال استفاده از هوش مصنوعی برای نوآوری هستن
  • کسایی که کارشون فنی نیست (مثل مارکتینگ، منابع انسانی یا مالی) ولی دوست دارن با تیم‌های داده راحت‌تر ارتباط بگیرن
  • دانشجوهایی که می‌خوان یه نگاه کلی و پایه‌ای به هوش مصنوعی داشته باشن

 

توی این دوره چی یاد می‌گیرید؟

  • مفاهیم پایه هوش مصنوعی و یادگیری ماشین
  • کاربردهای مهم AI توی کسب‌وکارها
  • کار با ابزارهای بدون کدنویسی و آشنایی با مدل‌های مولد
  • فرصت‌ها و چالش‌های واقعی AI
  • محدودیت‌ها و نکات اخلاقی پیاده‌سازی هوش مصنوعی
  • اینکه چطور پروژه‌های درست رو برای سازمان انتخاب کنید

 

نتیجه‌ای که بعد از دوره به دست میارید؟

  • یه دید واضح و واقعی نسبت به توانایی‌ها و محدودیت‌های AI پیدا می‌کنید
  • می‌فهمید کجا می‌شه از هوش مصنوعی بهترین استفاده رو کرد
  • اعتمادبه‌نفستون توی بحث‌های مربوط به فناوری و داده خیلی بیشتر می‌شه
  • می‌تونید با تیم‌های فنی مثل یه حرفه‌ای هم‌صحبت بشید

 

ساختار دوره

⏱ مدت زمان کل دوره: ۴ ساعت و ۴۵ دقیقه آموزش ویدئویی

📚 تعداد بخش‌ها  و ویدیوها: ۵ فصل اصلی + بیش از ۴۰ ویدیوی آموزشی کوتاه و کاربردی

📑 منابع جانبی: اسلایدهای آموزشی هر فصل + کوییز و رفع اشکال

🏆 گواهی پایان دوره: پس از کسب نمره لازم در ارزیابی پایانی

🔄 آپدیت‌های منظم: بروزرسانی‌های فصلی بر اساس ترندهای جدید AI و آپدیت دوره 

مشاهده بیشتر

سرفصل‌ها

  • ۱

    کلان‌داده و هوش مصنوعی - ۹۲ دقیقه

    • معرفی دوره مرجع «هوش مصنوعی برای کسب‌وکار» (AI for Business Introduction) - ۸ دقیقه
    • معرفی دوره مبانی هوش مصنوعی برای افراد غیرمتخصص داده (Course Introduction) - ۱ دقیقه
    • مروری بر کلان‌داده (Big Data Overview) - ۹ دقیقه
    • تحلیل کلان‌داده (Big Data Analysis) - ۵ دقیقه
    • ابزارهای مدیریت داده (Data Management Tools) - ۷ دقیقه
    • زیرساخت مدیریت داده (Data Management Infrastructure) - ۹ دقیقه
    • تحلیل داده: استخراج هوشمندی از کلان‌داده (Data Analysis: Extracting Intelligence from Big Data) - ۱۰ دقیقه
    • معرفی هوش مصنوعی (Introduction to Artificial Intelligence) - ۹ دقیقه
    • مروری بر یادگیری ماشین (Machine Learning Overview) - ۱۵ دقیقه
    • یادگیری تقویتی (Reinforcement Learning) - ۷ دقیقه
    • نگاهی دقیق‌تر به یادگیری ماشین (A Detailed View of Machine Learning) - ۷ دقیقه
  • ۲

    آموزش و ارزیابی الگوریتم‌های یادگیری ماشین - ۷۴ دقیقه

    • روش‌های خاص یادگیری ماشین: نگاه عمیق (Specific Machine Learning Methods: A Deep Dive) - ۱۸ دقیقه
    • مقدمه‌ای بر انتخاب مدل (Intro to Model Selection) - ۳ دقیقه
    • مقدمه‌ای بر مهندسی ویژگی و یادگیری عمیق (Feature Engineering and Deep Learning Introduction) - ۳ دقیقه
    • یادگیری عمیق (Deep Learning) - ۶ دقیقه
    • یادگیری عمیق چگونه کار می‌کند (How Deep Learning Works) - ۸ دقیقه
    • محدودیت‌های یادگیری عمیق (Limitations of Deep Learning) - ۲ دقیقه
    • ارزیابی عملکرد یادگیری ماشین (Evaluating ML Performance) - ۳ دقیقه
    • توابع خطا رایج (Common Loss Functions) - ۵ دقیقه
    • بده‌بستان بین توابع خطا (Tradeoffs Between Loss Functions) - ۲ دقیقه
    • دادهٔ آموزشی چگونه جمع‌آوری می‌شود؟ (How is Training Data Acquired?) - ۴ دقیقه
    • مشکل بیش‌برازش (The Over-Fitting Problem) - ۵ دقیقه
    • دادهٔ تست (Test Data) - ۳ دقیقه
    • عنوان: مثال‌هایی از فرآیند کاری کامل (Examples of End-to-End Work Flow) - ۴ دقیقه
  • ۳

    کاربردهای یادگیری ماشین و روش‌های نوظهور - ۴۵ دقیقه

    • پردازش زبان طبیعی (Natural Language Processing) - ۷ دقیقه
    • مدل‌های مولد: شبکه‌های مولد تخاصمی و انکودرهای خودکار متغیر (GANs and VAEs) - ۶ دقیقه
    • مقدمه‌ای بر یادگیری ماشین خودکار (Intro to AutoML) - ۲ دقیقه
    • استفاده از یادگیری ماشین خودکار (Using AutoML) - ۳ دقیقه
    • ماشین قابل آموزش (Teachable Machine) - ۵ دقیقه
    • بستر تنسورفلو (TensorFlow Playground) - ۳ دقیقه
    • عملیات یادگیری ماشین (ML Operations) - ۴ دقیقه
    • معمای «مرغ و تخم‌مرغ» در ML (Chicken and Egg) - ۱۱ دقیقه
  • ۴

    گفت‌وگوی صنعتی - ۱۳ دقیقه

    • گفت‌وگو با Ed Lee (کاربرد هوش مصنوعی در شرکت مک‌دونالدز) - ۱۳ دقیقه
  • ۵

    هوش مصنوعی مولد - ۶۱ دقیقه

    • مروری کلی بر هوش مصنوعی مولد (Generative AI Overview) - ۱۱ دقیقه
    • تاثیرات هوش مصنوعی مولد بر کار (Implications of Generative AI on Work) - ۹ دقیقه
    • تأثیر هوش مصنوعی مولد بر بهره‌وری (Generative AI’s Implication on Productivity) - ۵ دقیقه
    • لایه‌های زیرساختی هوش مصنوعی مولد (The Generative AI Stack) - ۳ دقیقه
    • مدل‌های پایه/بنیادین (Foundation Models) - ۸ دقیقه
    • اصول پرامپت‌نویسی برای بهبود کیفیت خروجی (Prompt Engineering Principles Improving Output Quality) - ۹ دقیقه
    • شخصی‌سازی خروجی مدل‌های زبانی بزرگ (Customizing LLM Output) - ۷ دقیقه
    • ایجاد تمایز برای کسب مزیت رقابتی (Differentiation: Gaining Competitive Advantage) - ۵ دقیقه

سوالات متداول

  • آیا برای گذراندن این دوره نیاز به دانش فنی یا برنامه‌نویسی دارم؟

    خیر. این دوره برای افرادی طراحی شده که پیش‌زمینه‌ی فنی ندارند. تمامی مفاهیم به زبان ساده توضیح داده می‌شوند و نیازی به تجربه در کدنویسی یا علم داده نیست.

  • این دوره برای چه کسانی مناسب است؟

    این دوره برای مدیران، کارآفرینان، دانشجویان و متخصصان حوزه‌های غیر فنی مثل بازاریابی، منابع انسانی یا مالی مناسب است؛ کسانی که می‌خواهند بدانند هوش مصنوعی چگونه می‌تواند بر صنعت و کسب‌وکارشان تأثیر بگذارد.

  • پس از پایان دوره چه مهارت‌هایی خواهم داشت؟

    شما یاد می‌گیرید هوش مصنوعی و یادگیری ماشین چگونه کار می‌کنند، چه فرصت‌ها و چالش‌هایی دارند، و چگونه می‌توان از آن‌ها برای تصمیم‌های استراتژیک در کسب‌وکار استفاده کرد. همچنین می‌توانید با تیم‌های فنی و داده به زبان مشترک صحبت کنید.

  • مدت زمان دوره چقدر است و چطور برگزار می‌شود؟

    مدت کل ویدیوها حدود ۵ ساعت است که به ۵ فصل تقسیم می‌شود. تمامی جلسات به صورت ویدئوی آموزشی ضبط‌شده هستند و همراه با اسلایدها، تمرین‌ها و منابع تکمیلی در اختیار شما قرار می‌گیرند. همچنین می‌توانید هر زمان که خواستید به آن‌ها دسترسی داشته باشید و با سرعت دلخواه خود پیش برید.

  • آیا گواهی پایان دوره دریافت می‌کنم؟

    بله. پس از تکمیل دوره و گذراندن ارزیابی پایانی، یک گواهی معتبر دریافت می‌کنید که مهارت‌ها و توانایی‌های جدید شما را در زمینه مبانی هوش مصنوعی تأیید می‌کند.

توضیحات تکمیلی

هوش مصنوعی (AI) دیگر یک ابزار آینده‌نگرانه نیست؛ امروز به بخشی جدانشدنی از استراتژی‌های موفق کسب‌وکار تبدیل شده است. بسیاری از مدیران و کارآفرینان می‌خواهند بدانند چطور می‌توانند از هوش مصنوعی در سازمان خود استفاده کنند، اما اغلب نگرانند که چون دانش فنی یا برنامه‌نویسی ندارند، این مسیر برایشان دشوار باشد.

اینجاست که دوره‌ی مبانی هوش مصنوعی برای افراد غیرمتخصص داده (AI Fundamentals for Non-Data Scientists) ارزش پیدا می‌کند. این دوره‌ی آنلاین، که توسط مدرسه‌ی کسب‌وکار وارتون دانشگاه پنسیلوانیا روی پلتفرم کورسرا ارائه شده، به شما کمک می‌کند بدون نیاز به حتی یک خط کدنویسی، با مفاهیم پایه‌ی یادگیری ماشینی (Machine Learning)، کلان‌داده (Big Data) و هوش مصنوعی در کسب‌وکار آشنا شوید.

یکی از ویژگی‌های کلیدی این آموزش این است که مفاهیم را با مثال‌های واقعی از صنایع مختلف توضیح می‌دهد. شما می‌بینید شرکت‌های بزرگی مثل Visa و McDonald’s چطور با استفاده از هوش مصنوعی فرآیندهای خود را متحول کرده‌اند. این نگاه کاربردی باعث می‌شود درک کنید که AI فقط برای متخصصان داده یا برنامه‌نویس‌ها نیست، بلکه ابزاری برای مدیران، استارتاپ‌ها و حتی تیم‌های بازاریابی و منابع انسانی است.

در طول دوره، شما یاد می‌گیرید هوش مصنوعی چگونه داده‌های بزرگ را تحلیل می‌کند، چه الگوریتم‌هایی در یادگیری ماشین به کار می‌روند و چطور می‌توان حتی با ابزارهای بدون کدنویسی مثل Teachable Machine و TensorFlow Playground یک الگوریتم ساده ساخت و تست کرد. همچنین با مفاهیم مهمی مثل یادگیری عمیق (Deep Learning)، مدل‌های مولد (Generative Models) و AutoML آشنا می‌شوید. این‌ها دقیقا تکنیک‌هایی هستند که در نوآوری‌های امروزی کسب‌وکارهای دیجیتال به کار گرفته می‌شوند.

نکته‌ی دیگری که این دوره را ارزشمند می‌کند، توجه به محدودیت‌ها و ملاحظات اخلاقی هوش مصنوعی است. در حالی که بسیاری فقط روی مزایای AI تمرکز می‌کنند، این دوره نشان می‌دهد که حفظ حریم خصوصی مشتریان، جلوگیری از بیش‌برازش الگوریتم‌ها و شناخت نقاط ضعف مدل‌ها به همان اندازه اهمیت دارد.

برای کسی که به دنبال آموزش هوش مصنوعی برای مدیران یا دوره هوش مصنوعی بدون کدنویسی است، این آموزش یک نقطه شروع عالی است. شما در پایان دوره می‌توانید:

  • فرصت‌های استفاده از هوش مصنوعی در صنعت خود را شناسایی کنید.
  • با زبان مشترک بین تیم‌های مدیریتی و تیم‌های داده صحبت کنید.
  • و از AI نه به عنوان یک واژه پرزرق‌وبرق، بلکه به عنوان یک مزیت رقابتی واقعی در کسب‌وکار خود استفاده کنید.

در نهایت، اگر به دنبال یادگیری ماشین برای افراد غیرمتخصص، آموزش آنلاین هوش مصنوعی یا استفاده از AI در مدیریت و استارتاپ‌ها هستید، این دوره یکی از بهترین گزینه‌ها برای شروع است.

مشاهده بیشتر

لیدربرد

لیدربرد دوره، یک ماه بعد از شروع ثبت‌نام دانشجویان و دریافت امتیاز، نمایش داده میشه.